MaaFramework中CustomAction执行时runner id not found问题分析
问题背景
在MaaFramework项目从2.0.2版本升级到2.2.0版本后,用户在执行CustomAction时发现系统日志中会出现"runner id not found"的错误提示。虽然这个错误并不影响CustomAction的实际运行功能,但会在日志中产生不必要的警告信息。
问题现象
当用户执行CustomAction时,系统日志中会记录如下错误信息:
runner id not found
通过分析日志和源代码,可以确定这个问题出现在Tasker.cpp文件的253-261行代码段中。这段代码原本用于处理任务运行器的标识查找,但在某些情况下未能正确找到对应的runner id。
技术分析
该问题本质上是一个日志记录级别的警告,而非功能性错误。从技术实现角度来看,这可能是由于以下原因导致的:
-
版本升级引入的变更:在2.0.2到2.2.0的版本升级过程中,任务运行器的管理机制可能发生了变化,导致部分情况下runner id的查找逻辑不够健壮。
-
异步执行时序问题:CustomAction的执行可能是异步的,在任务开始执行和runner id注册之间可能存在微小的时间差,导致日志记录时暂时找不到对应的id。
-
资源清理机制:在某些情况下,任务运行器可能已经被清理,但日志记录仍在尝试访问其id。
解决方案建议
对于开发者而言,可以考虑以下几种解决方案:
-
优化日志记录逻辑:在记录runner id不存在的日志前,增加更严格的判断条件,避免记录非关键性警告。
-
完善runner id管理机制:确保在任务执行的整个生命周期中,runner id都能被正确维护和访问。
-
添加错误处理机制:对于确实找不到runner id的情况,可以提供更详细的上下文信息,帮助开发者定位问题。
用户应对措施
对于普通用户来说,这个警告信息可以暂时忽略,因为它不会影响CustomAction的实际执行。如果希望消除这个警告,可以考虑:
- 等待官方发布修复版本
- 回退到2.0.2版本(如果不依赖2.2.0的新特性)
- 在日志配置中过滤掉这条警告信息
总结
这个"runner id not found"的问题属于日志记录层面的小缺陷,不影响核心功能。开发团队已经注意到这个问题,预计会在后续版本中修复。用户无需过度担心,可以继续正常使用CustomAction功能。
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-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
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