在Devenv项目中解决Android SDK在M1 Mac上的安装问题
背景介绍
在开发环境中使用Nix包管理器配置Android开发工具链时,许多开发者遇到了一个常见问题:在搭载M1处理器的Mac电脑(aarch64-darwin架构)上安装Android SDK时会出现失败。这个问题主要源于Nixpkgs中对Android SDK包的原生支持不足。
问题分析
当开发者在M1 Mac上尝试启用Android支持时,系统会报错提示"没有适用于aarch64-darwin架构的Android SDK tarball可用"。这个错误发生在Nix的androidenv组件中,它目前主要针对x86架构进行了优化,对ARM架构的Mac支持不够完善。
解决方案
经过社区讨论和测试,发现可以通过以下方法解决这个问题:
-
使用nixpkgs-unstable分支:由于主分支可能尚未包含最新的修复补丁,切换到nixpkgs-unstable分支可以获取最新的Android SDK支持。
-
最小化Android配置:对于只需要支持Flutter开发的场景,可以精简Android配置,仅启用必要的组件。例如,可以禁用不需要的系统镜像、NDK等组件。
-
环境变量配置:确保正确设置FLUTTER_ROOT和DART_ROOT环境变量,指向正确的Flutter和Dart SDK路径。
配置示例
以下是一个在M1 Mac上工作的最小化配置示例:
languages.dart.enable = true;
languages.dart.package = pkgs.flutter;
android = {
systemImageTypes = [];
abis = [];
emulator.enable = false;
sources.enable = false;
systemImages.enable = false;
ndk.enable = false;
googleAPIs.enable = false;
googleTVAddOns.enable = false;
extras = [];
android-studio.enable = false;
enable = true;
flutter.enable = true;
flutter.package = pkgs.flutter;
};
env.FLUTTER_ROOT = lib.mkForce pkgs.flutter;
env.DART_ROOT = lib.mkForce "${pkgs.flutter}/bin/cache/dart-sdk";
未来展望
随着Nix社区对ARM架构支持的不断完善,预计未来版本的Nixpkgs将原生支持在M1 Mac上安装Android SDK,不再需要特殊配置。开发团队也在持续关注这一问题,计划在Devenv中集成更完善的跨平台支持。
结论
虽然目前在M1 Mac上配置Android开发环境需要一些额外步骤,但通过使用nixpkgs-unstable分支和精简配置,开发者仍然可以成功搭建开发环境。这一解决方案已经过实际验证,能够支持基础的Flutter开发需求。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00