Foundry项目最新nightly版本在CI环境中因GLIBC兼容性问题导致安装失败分析
Foundry是区块链生态中广受欢迎的智能合约开发工具链,其nightly版本为用户提供了最前沿的功能特性。然而近期有开发者反馈,在使用foundry-rs/foundry-toolchain@v1 GitHub Action安装最新nightly版本时遇到了GLIBC兼容性问题,导致CI流程失败。
问题现象
在基于Ubuntu 22.04的CI环境中,执行foundryup安装命令时出现如下错误:
forge: /lib/x86_64-linux-gnu/libc.so.6: version `GLIBC_2.39' not found
forge: /lib/x86_64-linux-gnu/libc.so.6: version `GLIBC_2.38' not found
这表明系统缺少运行Foundry所需的GLIBC(GNU C Library)版本。值得注意的是,当回退到两天前的特定nightly版本(nightly-f47d7e0c29a36372908b917cd74aa589d5888f8e)时,安装过程可以正常完成。
根本原因分析
经过技术团队调查,这个问题源于Foundry项目近期更新了构建环境。新版本的二进制文件依赖了较新版本的GLIBC(2.38和2.39),而这些版本尚未包含在Ubuntu 22.04及更早版本的标准库中。
GLIBC作为Linux系统的核心库,负责提供基本的系统调用和C标准库功能。不同Linux发行版会搭载不同版本的GLIBC,且通常不会轻易升级,因为这可能影响整个系统的稳定性。
解决方案
目前有以下几种可行的解决方案:
-
升级CI环境到Ubuntu 24.04:该版本包含了较新的GLIBC,能够满足Foundry的依赖要求。测试表明,在Ubuntu 24.04环境中安装可以顺利完成。
-
暂时锁定Foundry版本:在CI配置中明确指定使用已知可用的nightly版本(如nightly-f47d7e0c29a36372908b917cd74aa589d5888f8e),等待后续兼容性修复。
-
使用容器化环境:考虑使用Docker容器运行CI流程,在容器中配置满足要求的GLIBC版本。
技术建议
对于长期维护的项目,建议采取以下策略:
- 在CI配置中明确指定工具链版本,避免自动更新带来的意外问题
- 考虑使用更灵活的容器化CI环境,便于控制依赖版本
- 关注Foundry项目的发布说明,及时了解兼容性变化
Foundry团队正在积极处理此问题,未来可能会提供向后兼容的构建版本,或改进版本发布策略以避免类似情况发生。开发者可以关注项目进展,选择最适合自己工作流的解决方案。
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