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。
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