Asuswrt-Merlin.ng项目构建过程中遇到的Artifact上传问题分析与解决方案
问题背景
在构建Asuswrt-Merlin.ng项目针对rtl8152网卡友好的固件版本时,开发者在GitHub Actions工作流中遇到了构建失败的问题。具体表现为使用actions/upload-artifact的不同版本时出现了不同的行为:
- 使用v2版本时构建失败
- 使用v4版本时出现权限错误
- 使用v3.1.3版本时构建成功
技术分析
GitHub Actions中的Artifact上传机制
GitHub Actions中的upload-artifact是一个核心操作,用于在工作流运行期间将文件或目录保存为构建产物(artifact)。这些产物可以跨作业传递,或者在构建完成后下载。
版本差异分析
-
v2版本:这是较早期的实现,随着GitHub Actions平台的更新,v2版本已经逐渐变得不兼容新的运行环境,特别是在权限管理和文件处理方面。
-
v3.1.3版本:这是一个稳定的中间版本,在v2和v4之间提供了良好的兼容性,解决了v2的一些问题,同时避免了v4引入的新权限模型带来的问题。
-
v4版本:这是最新的主要版本,引入了更严格的权限控制和安全性改进。错误信息"EACCES: permission denied"表明v4版本使用了更严格的权限模型,而工作流中的某些操作没有获得足够的权限。
解决方案
针对这个问题,最直接的解决方案是使用v3.1.3版本的upload-artifact操作。这个版本既解决了v2版本的兼容性问题,又避免了v4版本的权限问题。
在GitHub Actions工作流文件中,应将:
uses: actions/upload-artifact@v2
修改为:
uses: actions/upload-artifact@v3.1.3
深入探讨
为什么v4版本会失败
v4版本引入了一个更安全的运行环境,特别是在容器化的执行环境中。错误信息中提到的"/__w/_temp/_runner_file_commands"路径是GitHub Actions内部使用的临时目录,v4版本可能尝试在这个目录中创建或修改文件时遇到了权限限制。
长期解决方案
虽然v3.1.3版本可以暂时解决问题,但从长远来看,开发者应该:
- 检查工作流中其他步骤是否使用了过时的Actions
- 逐步测试并迁移到v4版本,确保所有文件操作都有适当的权限
- 考虑使用更精细的路径指定,避免依赖临时目录
最佳实践建议
-
版本锁定:在使用第三方Actions时,最好锁定到特定的小版本(如v3.1.3),而不是使用主版本(如v3),以确保构建的稳定性。
-
权限配置:如果必须使用v4版本,可以尝试在工作流开始时添加适当的权限声明:
permissions: contents: write -
逐步升级:对于复杂的构建系统,建议逐步升级Actions版本,并在每次更改后进行全面测试。
结论
在Asuswrt-Merlin.ng项目的构建过程中,选择合适的GitHub Actions版本对于构建成功至关重要。针对当前情况,使用upload-artifact@v3.1.3版本是最稳妥的解决方案,既保证了功能的正常使用,又避免了兼容性问题。开发者应保持对Actions更新的关注,并在适当的时候进行全面的工作流升级测试。
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