ULWGL项目在NixOS上的构建问题分析与解决方案
2025-07-04 15:49:06作者:傅爽业Veleda
ULWGL(umu-launcher)是一个用于Linux平台上的游戏兼容层启动工具。近期在NixOS系统上构建1.1.4版本时遇到了依赖管理问题,本文将深入分析问题原因并提供解决方案。
问题背景
在NixOS环境下构建ULWGL 1.1.4版本时,构建过程会失败并报错"python3: No module named pip"。这是由于项目在构建过程中需要安装urllib3作为vendored依赖,而默认使用了pip安装方式。
根本原因分析
ULWGL项目在1.1.4版本中引入了对urllib3 v2的依赖,并采用了vendoring方式打包。构建系统默认使用pip来安装这个依赖,但NixOS的Python环境默认不包含pip工具,这导致了构建失败。
NixOS作为一个声明式Linux发行版,有其独特的包管理机制:
- 所有依赖必须显式声明
- 构建过程通常不允许网络访问
- 系统会严格隔离构建环境
解决方案
针对NixOS环境,我们有两种可行的解决方案:
方案一:使用系统提供的urllib3
NixOS已经提供了urllib3 v2的官方包,可以直接使用系统版本而非vendored版本。这需要:
- 移除项目中的_vendor目录
- 在构建配置中声明urllib3为依赖
- 确保Python环境能够找到系统安装的urllib3
方案二:保留vendoring但修改构建方式
如果坚持使用vendored版本,则需要:
- 添加pip作为构建依赖
- 修改构建脚本,使其符合NixOS的构建规范
- 可能需要禁用网络访问,预先下载所有依赖
技术实现细节
在实际操作中,NixOS用户可以通过修改构建脚本来解决此问题。关键点包括:
- 修改Makefile,避免直接调用pip
- 使用Nix提供的Python包管理机制处理依赖
- 确保构建过程符合Nix的沙盒要求
最佳实践建议
对于NixOS用户,建议优先使用系统提供的urllib3包而非vendored版本,这样可以:
- 减少重复依赖
- 便于统一管理安全更新
- 符合NixOS的设计哲学
对于项目维护者,可以考虑增加对NixOS等特殊环境的检测和适配逻辑,提高项目的跨平台兼容性。
总结
ULWGL在NixOS上的构建问题展示了不同Linux发行版在包管理上的差异。通过理解NixOS的设计理念和构建机制,开发者可以更好地适配这一特殊环境。无论是使用系统包还是修改构建方式,核心都是要尊重NixOS的声明式管理和沙盒原则。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1