Akaunting项目在macOS上的安装问题解决方案
Akaunting是一款优秀的开源会计软件,但在macOS系统上安装时可能会遇到一些技术难题。本文将详细介绍如何解决在Apple Silicon芯片的Mac设备上安装Akaunting时遇到的npm安装错误问题。
环境准备
在开始安装Akaunting之前,需要确保系统环境配置正确。首先需要安装PHP 8.3版本,因为PHP 8.4目前与Akaunting存在兼容性问题。通过Homebrew可以轻松安装指定版本的PHP:
brew install php@8.3
brew unlink php
brew link --overwrite php@8.3
Composer是PHP的依赖管理工具,安装最新版本的Composer是必要的。可以通过官方提供的安装脚本完成安装,安装完成后建议将composer.phar移动到系统路径中以便全局使用。
Node.js环境配置
Akaunting的前端构建依赖于Node.js环境。推荐使用Node.js 18.x版本,可以通过nvm(Node Version Manager)来管理多个Node.js版本:
nvm install 18
nvm use 18
解决依赖问题
Akaunting使用了一些已经过时的前端依赖包,这会导致在安装过程中出现错误。其中最主要的问题是node-sass包已被官方弃用,建议替换为Dart Sass:
npm uninstall node-sass
npm install sass
node-gyp是一个用于编译Node.js本地插件的工具,它依赖于Python的distutils模块。在较新的Python版本中,这个模块可能不会默认安装:
python3 -m ensurepip
python3 -m pip install setuptools
npm install -g node-gyp
数据库配置
Akaunting需要MySQL数据库支持。可以使用任何MySQL客户端工具创建数据库,推荐创建一个名为"akaunting"的数据库。在连接配置中,建议使用127.0.0.1而非localhost作为主机地址,这在Apple Silicon设备上表现更稳定。
安装执行
完成环境准备后,可以执行Akaunting的安装命令:
composer install
npm install
npm run dev
php artisan install --db-name="akaunting" --db-username="root" --db-host="127.0.0.1" --admin-email="admin@company.com" --admin-password="123456"
在执行安装命令时,如果系统提示输入数据库密码,直接按回车键留空即可。有时安装过程可能需要重复执行才能成功,这是正常现象。
额外注意事项
对于使用Laravel Valet作为开发环境的用户,还需要执行以下额外步骤:
valet use php@8.3 --force
valet restart
composer global update
这些命令确保Valet使用正确的PHP版本,并更新全局Composer包。
总结
在Apple Silicon芯片的Mac设备上安装Akaunting可能会遇到一些特有的问题,但通过合理配置环境和替换过时的依赖包,这些问题都可以得到解决。关键在于确保PHP版本、Node.js版本和Python环境的正确配置,以及及时替换那些已被官方弃用的依赖包。按照上述步骤操作后,应该能够顺利完成Akaunting的安装并开始使用这款功能强大的会计软件。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00