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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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