解决actions/setup-python在自托管Mac Runner上的权限问题
问题背景
在使用GitHub Actions的setup-python动作时,部分用户在自托管的Mac Runner(特别是M1芯片的Mac mini)上遇到了权限问题。具体表现为当尝试安装Python 3.11.6版本时,系统报错"mkdir: /Users/runner: Permission denied",导致Python环境无法正确设置。
问题分析
这个问题的核心在于setup-python动作默认会尝试在/Users/runner目录下创建必要的工具缓存文件夹。然而在自托管环境中,Runner通常运行在自定义用户目录下(如/Users/appledev/),而非GitHub托管的Runner标准路径/Users/runner/。
当动作尝试创建/Users/runner目录时,由于普通用户没有该目录的写入权限,导致操作失败。这是setup-python动作的一个已知行为设计,在官方文档中也有相关说明。
解决方案
针对这个问题,有以下几种可行的解决方案:
-
手动创建目录并设置权限 以管理员身份执行以下命令:
sudo mkdir -p /Users/runner/hostedtoolcache sudo chown -R $(whoami) /Users/runner/hostedtoolcache这将创建必要的目录结构并赋予当前用户适当的权限。
-
使用符号链接 如果无法获得管理员权限,可以创建一个符号链接指向用户有权限的目录:
ln -s /Users/yourusername/hostedtoolcache /Users/runner/hostedtoolcache这种方法不需要root权限,但需要确保目标目录存在且可写。
-
等待官方修复 社区已经提出了相关修复方案,未来版本可能会允许自定义工具缓存路径,避免硬编码/Users/runner目录。
最佳实践建议
对于自托管Runner环境的管理,建议:
- 在Runner初始化阶段就预先创建好必要的目录结构
- 为Runner用户分配适当的文件系统权限
- 定期检查Runner的日志,及时发现权限相关问题
- 考虑使用Docker容器来隔离Runner环境,避免主机文件系统权限问题
技术原理深入
setup-python动作在MacOS上的工作流程大致如下:
- 检查本地缓存中是否有所需Python版本
- 如果没有,则从GitHub下载对应的Python发行版
- 解压到临时目录
- 尝试在/Users/runner/hostedtoolcache下创建Python环境
- 设置环境变量指向新安装的Python
问题的关键在于第4步,动作硬编码了路径/Users/runner,而没有考虑自托管环境下Runner可能运行在不同用户目录下的情况。
总结
自托管Runner环境下的权限管理需要特别注意,特别是当使用官方Actions时,某些硬编码路径可能需要调整。通过理解setup-python动作的工作原理,我们可以采取适当的解决方案来确保Python环境能够正确设置。对于长期解决方案,建议关注该项目的更新,等待更灵活的路径配置功能发布。
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-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