Nix Installer 项目在 macOS 15 上的用户组 ID 冲突问题解析
在 macOS 15 系统中,Nix Installer 项目遇到了一个关键的系统兼容性问题。这个问题源于操作系统更新带来的用户组 ID 分配冲突,影响了 Nix 包管理系统的正常安装和运行。
问题背景
macOS 15 引入了一个名为 _modelmanagerd 的新系统守护进程,该进程占用了 PrimaryGroupID 301。这个 ID 恰好是 Nix 安装程序默认使用的构建用户组 ID 范围起始值。系统更新后,/etc/passwd 文件中新增了多个系统用户:
_aonsensed:*:300:300:Always On Sense Daemon:/var/db/aonsensed:/usr/bin/false
_modelmanagerd:*:301:301:Model Manager:/var/db/modelmanagerd:/usr/bin/false
_reportsystemmemory:*:302:302:ReportSystemMemory:/var/empty:/usr/bin/false
_swtransparencyd:*:303:303:Software Transparency Services:/var/db/swtransparencyd:/usr/bin/false
这种 ID 分配冲突会导致 Nix 安装程序在执行时出现错误,特别是当尝试创建 _nixbld1 用户时,系统会返回 eDSRecordAlreadyExists 错误。
影响范围
这个问题主要影响以下几类用户:
- 在全新安装的 macOS 15 系统上首次安装 Nix 的用户
- 从 macOS 14 升级到 15 后尝试使用 Nix 构建软件包的用户
- 在某些 macOS 14 系统上也可能遇到类似问题(如存在
_defendpoint用户占用 301 ID 的情况)
对于升级用户,问题表现为构建失败并显示错误信息:"error: the user '_nixbld1' in the group 'nixbld' does not exist"。
解决方案
目前 Nix Installer 项目团队已经提供了多种解决方案:
临时解决方案
对于需要立即安装的用户,可以通过指定不同的用户 ID 基址来绕过冲突:
curl --proto '=https' --tlsv1.2 -sSf -L https://install.determinate.systems/nix | sh -s -- install --nix-build-user-id-base 450 --nix-build-group-id 450
长期解决方案
Nix Installer 从 v0.20.1 版本开始,会自动检测 macOS 15 系统并将默认的用户 ID 范围调整为 450-499。这个范围是经过社区讨论后确定的,既避免了与系统用户冲突,又保持在合理的 ID 范围内。
技术细节
macOS 系统用户管理采用独特的 ID 分配机制,系统保留了一定范围的 ID 供内置服务使用。Nix 安装程序需要创建一组专用用户(_nixbld*)来安全地执行构建任务。传统上使用 300 作为起始 ID,但随着系统更新,这个范围逐渐被苹果的系统服务占用。
Nix Installer 通过检查 /System/Library/CoreServices/SystemVersion.plist 文件来识别系统版本,并据此调整 ID 分配策略。对于 macOS 15,安装程序会自动使用更高的 ID 范围以避免冲突。
最佳实践建议
- 对于新安装用户,建议直接使用最新版 Nix Installer(v0.20.1 或更高)
- 对于从旧系统升级的用户,可考虑以下方案:
- 先卸载旧版 Nix(使用官方卸载方法)
- 然后使用新参数重新安装
- 开发者应注意检查自己的构建脚本是否硬编码了用户 ID 假设
- 在多用户系统中,管理员应确保所有节点使用一致的 ID 分配方案
未来展望
这个问题促使 Nix 社区重新评估 macOS 上的用户管理策略。未来可能会看到:
- 更动态的用户 ID 分配机制
- 改进的冲突检测和自动解决功能
- 更好的升级路径支持
- 与 macOS 系统管理更深入的集成
这个案例也展示了开源社区如何快速响应系统环境变化,通过协作找到既解决当前问题又不影响长期稳定性的方案。
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