orjson 3.10.7版本导致LangChain安装失败的解决方案
在Python生态系统中,orjson是一个高性能的JSON库,它使用Rust编写,提供了比标准库更快的JSON处理速度。然而,最近发布的orjson 3.10.7版本在兼容性方面出现了一些问题,特别是影响了LangChain框架的安装。
问题现象
当用户尝试安装最新版本的LangChain时,安装过程会因为依赖的orjson 3.10.7版本而失败。错误信息显示在准备构建orjson的元数据时出现了问题,提示需要安装Rust工具链但未能成功。
问题根源
经过分析,这个问题主要有两个关键点:
-
缺少预编译的wheel文件:orjson 3.10.7版本最初发布时,没有包含针对常见平台(如amd64)的预编译二进制wheel文件。这意味着pip在安装时需要从源代码构建,而源代码构建需要Rust工具链。
-
构建依赖问题:从源代码构建orjson需要Rust编译环境(包括Cargo),但许多Python用户的开发环境中并没有安装这些工具。
临时解决方案
对于遇到此问题的用户,可以采用以下临时解决方案:
-
指定orjson版本:在安装LangChain时,显式指定使用orjson 3.10.6版本:
pip install orjson==3.10.6然后再安装LangChain。
-
安装Rust工具链:如果确实需要使用orjson 3.10.7,可以安装Rust工具链:
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh安装完成后,再尝试安装LangChain。
长期解决方案
orjson的维护者已经意识到这个问题,并发布了包含amd64架构预编译wheel文件的更新版本。这些wheel文件支持从glibc到3.9、3.10、3.11、3.12和3.13等多个Python版本。
对于普通用户来说,最简单的解决方案是等待orjson的修复版本完全传播到PyPI镜像,或者按照上述临时解决方案操作。对于需要严格控制依赖关系的生产环境,建议在requirements.txt中明确指定orjson的版本。
经验教训
这个事件提醒我们几个重要的Python包管理实践:
-
版本锁定:在生产环境中,应该明确指定所有依赖包的版本,避免自动升级到可能不兼容的新版本。
-
构建依赖:对于包含需要编译的扩展的Python包,开发环境应该准备好必要的构建工具。
-
回滚策略:当遇到类似问题时,知道如何回滚到已知良好的版本是一个重要的故障排除技能。
通过理解这类问题的成因和解决方案,Python开发者可以更好地管理项目依赖关系,确保开发环境的稳定性。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00