從 Conan 第一篇開始，我們一路都用 conanfile.txt 作為 Conan 管理套件的入口。

如果你只是想在既有的專案中快速引入幾個函式庫，conanfile.txt 最方便，簡單。

但我們今天碰到了一個小問題。

假設有個情境：我們要想寫一個具備 GPU 平行運算能力的跨平台小程式，Windows / macOS / Linux 三個平台都要支援。

Windows 和 Linux 上我們打算用 OpenCL 來跑 GPU 運算。我們也很快的搜尋一下，發現 ConanCenter 上面已經有 opencl-icd-loader/2025.07.22 現成套件可以用。

但是很不巧， macOS 不能用 OpenCL。為什麼呢？原來蘋果早在 2018 年 WWDC 就已經正式宣布棄用 macOS/iOS 上的 OpenCL，舊版本凍結不再更新，並引導開發者全面改用蘋果自己的 Metal 框架。

所以在編譯 macOS 版本的時候，我們得改用 Metal 而非 OpenCL。

挖，這樣 conanfile.txt 要怎麼寫？

conanfile.txt 沒有語法可寫「只有 Windows/Linux 才要」這樣的邏輯。當然你也可以每個平台各放一份 conanfile.txt，但那樣很快就會變成維護地獄。

怎麼辦呢？

其實解法很簡單，就是換成 conanfile.py

換成 conanfile.py

雖然 conanfile.txt 是常見的入口，但 Conan 還有另一個更強大的入口檔案叫 conanfile.py

conanfile.py 是個純正的 python 腳本，任何的程式邏輯都能寫，所以 conanfile.txt 做不到的事情，對 conanfile.py 可說是一點難度都沒有。

以下就是我們這次要使用的範例：

from conan import ConanFile
from conan.tools.cmake import cmake_layout

class HelloComputeRecipe(ConanFile):
    settings = "os", "compiler", "build_type", "arch"
    generators = "CMakeDeps", "CMakeToolchain"

    def requirements(self):
        self.requires("fmt/12.2.0")
        if self.settings.os in ("Windows", "Linux"):
            self.requires("opencl-icd-loader/2025.07.22")

    def layout(self):
        cmake_layout(self)

暫時不理會其他細節，先看 requirements() 這個函數，這裡用一個簡單的 if 就把平台邏輯輕鬆解決了：只有 Windows & Linux 需要安裝 OpenCL 套件， macOS 就跳過。 因為 macOS 用的 Metal framework 是系統內建的，不需要透過 Conan 取得。

這樣問題就解決了，用我們程式設計師每天都在用的 if 條件式，而且是再熟悉不過的 python 語法。

比對我們之前用的 conanfile.txt，conanfile.py 的內容組成其實很容易對應起來。

[requires] 區塊變成 requirements() 方法。

原本每一行寫一個函式庫，現在變成每一行寫一個 self.requires()。

[generators] 區塊對應到 generators 屬性。

[layout] 區塊對應到 layout() 方法裡呼叫的 cmake_layout(self)。

以上都是我們前幾天在 conanfile.txt 已經多次使用的部分。

唯一可能沒見過的是這一行： settings = "os", "compiler", "build_type", "arch"

這是宣告這份入口檔案會用到哪些 settings。有宣告才能在 requirements() 裡讀 self.settings.os。這些值來自 profile。

步驟一：創建專案

接下來我們就親手來建立這個專案囉，這是專案的目錄結構：

hello-compute/
├── conanfile.py
├── CMakeLists.txt
└── src/
    ├── compute.h
    ├── main.cpp
    ├── compute_opencl.cpp
    └── compute_macos.mm

Windows 跟 Linux 這次共用同一支 compute_opencl.cpp，因為兩邊都是 OpenCL 運算，程式碼一樣。

只有 macOS 因為使用完全不同的 Metal API 運算，需要獨立一個檔案。

步驟二：撰寫 CMakeLists.txt

接下來寫 CMake。

cmake_minimum_required(VERSION 3.25)
project(hello_compute CXX)

find_package(fmt REQUIRED)

add_executable(hello_compute src/main.cpp)
target_compile_features(hello_compute PRIVATE cxx_std_17)
target_link_libraries(hello_compute PRIVATE fmt::fmt)

if(WIN32 OR LINUX)
    find_package(OpenCL REQUIRED)
    target_sources(hello_compute PRIVATE src/compute_opencl.cpp)
    target_link_libraries(hello_compute PRIVATE OpenCL::OpenCL)
elseif(APPLE)
    enable_language(OBJCXX)
    target_sources(hello_compute PRIVATE src/compute_macos.mm)
    target_link_libraries(hello_compute PRIVATE "-framework Metal" "-framework Foundation")
endif()

步驟三：撰寫程式碼

這個部份我就不多作解釋了。作為範例專案，這裡簡單實做了一個列出GPU的功能。

總共有四個原始檔

compute.h：

#pragma once

void print_compute_info();

main.cpp：

#include <fmt/base.h>
#include "compute.h"

int main() {
    fmt::print("Hello, compute!\n");
    print_compute_info();
    return 0;
}

compute_opencl.cpp`（Windows / Linux 共用）：

#include "compute.h"
#include <fmt/base.h>

#define CL_TARGET_OPENCL_VERSION 300
#include <CL/cl.h>

#include <vector>

void print_compute_info() {
    cl_uint platform_count = 0;
    clGetPlatformIDs(0, nullptr, &platform_count);

    std::vector<cl_platform_id> platforms(platform_count);
    clGetPlatformIDs(platform_count, platforms.data(), nullptr);

    for (cl_platform_id platform : platforms) {
        char platform_name[256] = {};
        clGetPlatformInfo(platform, CL_PLATFORM_NAME, sizeof(platform_name), platform_name, nullptr);
        fmt::print("Platform: {}\n", platform_name);

        cl_uint device_count = 0;
        clGetDeviceIDs(platform, CL_DEVICE_TYPE_ALL, 0, nullptr, &device_count);

        std::vector<cl_device_id> devices(device_count);
        clGetDeviceIDs(platform, CL_DEVICE_TYPE_ALL, device_count, devices.data(), nullptr);

        for (cl_device_id device : devices) {
            char device_name[256] = {};
            clGetDeviceInfo(device, CL_DEVICE_NAME, sizeof(device_name), device_name, nullptr);
            fmt::print("  [{}]\n", device_name);
        }
    }
}

compute_macos.mm（Metal）：

#include "compute.h"
#include <fmt/base.h>

#import <Metal/Metal.h>

void print_compute_info() {
    id<MTLDevice> device = MTLCreateSystemDefaultDevice();
    if (device == nil) {
        fmt::print("No Metal device found\n");
        return;
    }

    fmt::print("Platform: Metal\n");
    fmt::print("  [{}]\n", [[device name] UTF8String]);
}

步驟四：Conan Install 安裝套件

命令列進入專案目錄，然後打以下指令：

conan install . --build=missing

Conan 會自己找到 conanfile.py，並且安裝套件。

去看命令列輸出，Windows / Linux 上面顯示有安裝 OpenCL：

======== Computing dependency graph ========
Graph root
    conanfile.py: C:\github\ironman-2026\D07\conanfile.py
Requirements
    fmt/12.2.0#b445244e6d0151a425e229248cd2bed8 - Cache
    opencl-clhpp-headers/2025.07.22#4eb7c91d676965f46d435c07cd7244bb - Cache
    opencl-headers/2025.07.22#37f30f890e7e61f7baa895c1eb06a692 - Cache
    opencl-icd-loader/2025.07.22#4485cccf0de603eb83ecd97a290d482e - Cache

相對的，macOS 上只顯示了 fmt，OpenCL 系列套件完全不會出現：

======== Computing dependency graph ========
Graph root
    conanfile.py: /Users/matt/github/ironman-2026/D07/conanfile.py
Requirements
    fmt/12.2.0#b445244e6d0151a425e229248cd2bed8 - Cache

所以 conanfile.py 的條件式發揮作用了

步驟五：編譯與執行

接下來，我們就依照標準的 CMake 步驟去編譯專案：

Windows

cmake --preset conan-default
cmake --build --preset conan-release
build\Release\hello_compute.exe

macOS / Linux

cmake --preset conan-release
cmake --build --preset conan-release
./build/Release/hello_compute

編譯完跑起來，在我的 Windows 上看到 GPU 裝置了！

Hello, compute!
Platform: Intel(R) OpenCL Graphics
  [Intel(R) Arc(TM) 140T GPU (32GB)]
Platform: NVIDIA CUDA
  [NVIDIA RTX PRO 500 Blackwell Generation Laptop GPU]

到此大功告成。

在這一章中，我們在 conanfile.py 裡面寫條件式，決定要不要引入 OpenCL 依賴，以後我們會更加倚賴 conanfile.py，在後續介紹更多進階的功能。

明天開始，我們先轉換到 vcpkg 系列。