O3DE 24.09 Windows安装失败问题分析与解决方案
问题概述
O3DE 24.09版本在Windows平台上的二进制安装包出现了安装失败的问题。许多用户在运行安装程序时遇到了致命错误,导致安装过程中断。这个问题影响了不同配置的Windows系统,包括Windows 10和Windows 11。
错误表现
安装程序在运行过程中会突然终止,并显示以下错误信息:
- "There is a problem with this Windows Installer package"
- "A program run as part of the setup did not finish as expected"
从安装日志中可以发现,错误通常发生在安装过程的后期阶段,特别是在执行MSI包配置时。
根本原因分析
经过技术团队的深入调查和社区用户的反馈,发现导致安装失败的主要原因有以下几点:
-
第三方tar工具冲突:安装过程中需要使用tar命令解压CMake等工具的压缩包。当系统中存在多个来源的tar工具(如Git Bash、Cmder等提供的版本)时,可能会与Windows系统自带的tar工具产生冲突。
-
PATH环境变量问题:某些开发工具(如MinGW)的路径在PATH环境变量中优先级过高,导致安装程序调用了不兼容的工具版本。
-
杀毒软件干扰:部分杀毒软件(如Kaspersky、Avast等)可能会拦截或阻止安装过程中的某些操作,特别是对新发布的二进制文件的执行。
-
用户路径包含空格:当用户主目录路径中包含空格时(如"C:\users\your name.o3de"),在Python虚拟环境安装阶段可能会出现路径解析问题。
解决方案
针对上述问题,O3DE团队和社区用户提供了多种解决方案:
1. 解决tar工具冲突
- 检查系统中是否存在多个tar工具版本
- 调整PATH环境变量,确保Windows系统自带的tar工具(位于System32目录)优先级最高
- 或者临时移除其他来源的tar工具路径
2. 处理PATH环境变量问题
- 临时移除MinGW等开发工具的PATH设置
- 安装完成后再恢复这些工具的PATH设置
3. 杀毒软件处理
- 暂时禁用杀毒软件
- 将O3DE安装程序添加到杀毒软件的信任列表
4. 用户路径问题
- 使用不含空格的用户账户进行安装
- 或者等待24.09.1版本修复此问题
技术改进
O3DE团队已经针对这些问题进行了技术改进:
-
在安装脚本中明确指定使用Windows系统自带的tar工具,避免PATH环境变量导致的工具调用问题。
-
改进了路径处理逻辑,能够更好地处理包含空格的用户路径。
-
在24.09.1版本中包含了这些修复,并提供了离线安装包选项。
最佳实践建议
对于需要在Windows上安装O3DE的开发人员,建议:
- 使用最新发布的24.09.1版本安装包
- 安装前检查并整理PATH环境变量
- 暂时禁用可能干扰安装的安全软件
- 确保系统满足最低要求,特别是Windows版本和更新状态
- 如果遇到问题,查看安装日志获取更详细的错误信息
总结
O3DE 24.09在Windows上的安装问题主要源于环境配置和工具冲突。通过理解这些问题的本质,用户可以采取适当的解决措施。O3DE团队也积极响应,在后续版本中修复了这些问题,提升了安装体验。对于游戏引擎开发者来说,保持开发环境的整洁和规范配置是避免类似问题的关键。
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