解决 trzsz-ssh 在 Termux 上的兼容性问题
在 Android 终端模拟器 Termux 上运行 trzsz-ssh 项目时,用户遇到了一个系统调用错误。这个问题从 0.1.15 版本开始出现,表现为程序启动时抛出 SIGSYS 信号和 bad system call 错误。
问题根源分析
错误日志显示问题发生在 Go 语言的 syscall 包中,具体是在执行 faccessat2 系统调用时失败。深入分析发现,这是由于 trzsz-ssh 0.1.15 版本引入了新的依赖项 github.com/atotto/clipboard,该库在初始化时会尝试调用 exec.LookPath 函数。
Termux 作为一个运行在 Android 上的 Linux 环境模拟器,其系统调用支持与标准 Linux 发行版存在差异。特别是 Android 的安全机制对某些系统调用进行了限制,导致了这个问题。
解决方案探索
经过社区讨论和测试,发现了以下几种可行的解决方案:
-
使用 Termux 提供的 Golang 环境编译
由于 Termux 的软件包是针对 Android 环境特别构建的,使用 Termux 自带的 Golang 工具链编译可以确保生成的二进制文件完全兼容 Termux 环境。 -
交叉编译指定 Android 目标平台
通过设置 GOOS=android 和 GOARCH=arm64 环境变量,可以明确告诉 Go 编译器生成针对 Android ARM64 平台的二进制文件,避免不兼容的系统调用。 -
使用 Termux 官方 Docker 镜像构建
Termux 提供了官方 Docker 镜像,可以在其中搭建完整的 Termux 构建环境,确保编译出的二进制文件完全兼容。
最佳实践建议
对于开发者而言,推荐采用以下方法为 Termux 环境构建 trzsz-ssh:
GOOS=android GOARCH=arm64 make
这种方法简单直接,能够生成完全兼容 Termux 环境的二进制文件。对于普通用户,可以直接下载项目提供的 android_aarch64 版本预编译包。
技术启示
这个案例展示了跨平台开发中常见的问题:不同环境对系统调用的支持差异。开发者在引入新依赖时需要特别注意其对底层系统调用的使用情况,特别是在像 Termux 这样的非标准环境中。
对于类似工具的开发,建议:
- 在 CI/CD 流程中加入 Termux 环境测试
- 对 Android 平台提供专门的构建目标
- 谨慎评估依赖项对底层系统调用的使用
通过采用这些最佳实践,可以显著提高工具在各种环境下的兼容性和用户体验。
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-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