在Apple Silicon上使用Flutter Action安装Flutter 2.x版本
随着GitHub Actions逐步将macOS最新运行环境迁移到Apple Silicon芯片(如M1/M2),许多使用较旧Flutter版本的项目遇到了兼容性问题。本文将详细介绍如何通过subosito/flutter-action在基于ARM架构的macOS运行环境中正确安装和运行Flutter 2.x版本。
背景与问题
Flutter 3.0之前的版本(包括2.10.x系列)并不原生支持ARM64架构。这些版本原本设计在Intel芯片(x86_64/amd64架构)上运行,在Apple Silicon设备上需要通过Rosetta 2转译层来执行。
当开发者尝试在macOS 14(即最新的macOS运行环境)上使用flutter-action安装Flutter 2.10.5时,会遇到"Unable to determine Flutter version for channel: stable version: 2.10.5 architecture: arm64"的错误提示,这是因为该版本没有提供ARM64架构的二进制包。
解决方案
要解决这个问题,我们需要明确告诉flutter-action下载x64架构的Flutter版本,而不是默认尝试获取ARM64版本。具体配置如下:
- name: Set up Flutter
uses: subosito/flutter-action@v2
with:
channel: stable
version: 2.10.x
architecture: x64
关键点在于architecture: x64参数,这会强制Action下载适用于Intel芯片的Flutter版本,然后在Apple Silicon设备上通过Rosetta 2自动转译运行。
技术细节
-
架构兼容性:Flutter 3.0是首个原生支持Apple Silicon的稳定版本,之前的版本都需要通过Rosetta 2运行。
-
性能影响:虽然通过Rosetta 2运行会有轻微性能损失,但对于大多数CI/CD场景来说,这种差异可以忽略不计。
-
版本选择:建议使用
2.10.x这样的通配符版本号,让Action自动选择该分支下的最新补丁版本,而不是固定到特定的小版本。
最佳实践
-
长期维护项目:如果项目需要长期维护,建议考虑升级到Flutter 3.0+版本以获得更好的性能和原生支持。
-
明确架构指定:即使在Intel芯片上,明确指定架构也是个好习惯,可以避免未来环境变化带来的意外问题。
-
版本锁定:对于关键项目,建议锁定具体的Flutter版本号,而不是使用通配符,以确保构建一致性。
通过以上方法,开发者可以顺利在最新的Apple Silicon GitHub运行环境中继续使用Flutter 2.x版本进行项目构建和测试。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00