Evennia项目中的Scipy依赖问题分析与解决方案
问题背景
Evennia作为一款基于Python的MUD游戏服务器框架,在其扩展功能中依赖了Scipy科学计算库。近期有开发者报告,在Python 3.12.2和3.11.8环境下安装evennia[extra]扩展包时,Scipy 1.9.3版本出现了兼容性问题,导致安装失败。
问题分析
Scipy作为Python生态中重要的科学计算库,其1.9.3版本在较新的Python环境中确实存在一些兼容性问题。核心问题出在Scipy内部对Numpy数组的导入方式上,特别是from scipy import zeros这样的语句在新环境中不再被支持。
解决方案
经过技术团队的调查和测试,确定了以下解决方案:
-
代码修改:将原有的
from scipy import zeros语句改为from numpy import zeros。这一修改直接解决了导入问题,因为zeros函数本来就是Numpy的核心功能之一。 -
版本升级:建议将Scipy依赖升级到1.12版本,该版本已经修复了在新Python环境中的兼容性问题。
-
依赖管理:考虑到Scipy依赖于Numpy,技术团队建议在Evennia的依赖声明中显式包含Numpy,以确保依赖关系的完整性。
影响范围
这一改动主要影响Evennia的扩展功能(extra)部分,特别是那些使用Scipy进行数学运算或数据分析的组件。经过测试,大多数贡献包(contrib)都能正常工作,但XYZ贡献包需要额外修改。
未来展望
Evennia技术团队已经将这一修复合并到主分支(main)中,并同时增加了对Python 3.12的全面支持。这为即将发布的Evennia 4.0版本奠定了良好的基础,特别是对Windows平台用户而言,因为Twisted框架的iocpsupport现在也支持Python 3.12了。
开发者建议
对于正在使用Evennia的开发者,建议:
- 如果遇到类似问题,可以尝试手动修改导入语句
- 考虑升级到最新的Scipy版本
- 关注Evennia 4.0的发布,以获得更全面的Python 3.12支持
这一系列改进不仅解决了当前的兼容性问题,还为Evennia未来的发展提供了更广阔的平台支持空间。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00