PrismLauncher构建过程中Qt6NetworkAuth缺失问题分析
2025-06-01 06:20:58作者:郁楠烈Hubert
问题背景
在Linux系统上从源代码构建PrismLauncher时,开发者可能会遇到一个常见的构建错误:CMake无法找到Qt6NetworkAuth组件。这个问题通常表现为构建过程中CMake报错,提示找不到Qt6NetworkAuthConfig.cmake文件。
错误现象
当执行构建命令时,系统会输出类似以下错误信息:
CMake Error at CMakeLists.txt:312 (find_package):
Found package configuration file:
/usr/lib/aarch64-linux-gnu/cmake/Qt6/Qt6Config.cmake
but it set Qt6_FOUND to FALSE so package "Qt6" is considered to be NOT
FOUND. Reason given by package:
Failed to find required Qt component "NetworkAuth".
Expected Config file at
"/usr/lib/aarch64-linux-gnu/cmake/Qt6NetworkAuth/Qt6NetworkAuthConfig.cmake"
does NOT exist
问题原因
这个问题的根本原因是系统缺少Qt6的NetworkAuth开发组件。PrismLauncher的最新开发版本已经将Qt6NetworkAuth添加为必需依赖项,但相关文档可能尚未及时更新。
解决方案
对于基于Debian/Ubuntu的系统
需要安装以下两个关键包:
- 运行时库:
libqt6networkauth6 - 开发文件:
qt6-networkauth-dev
安装命令为:
sudo apt install libqt6networkauth6 qt6-networkauth-dev
对于其他Linux发行版
需要查找并安装对应的Qt6 NetworkAuth开发包,包名可能略有不同。例如:
- Fedora/RHEL系:
qt6-qtnetworkauth-devel - Arch Linux:
qt6-networkauth
验证安装
安装完成后,可以检查以下路径确认组件已正确安装:
/usr/lib/<架构>/cmake/Qt6NetworkAuth/Qt6NetworkAuthConfig.cmake
其中<架构>可能是x86_64、aarch64等,取决于系统架构。
注意事项
- 确保安装的Qt6NetworkAuth版本与系统中其他Qt6组件版本一致
- 如果使用自定义Qt安装路径,可能需要手动设置
Qt6NetworkAuth_DIR环境变量 - 在ARM架构(如aarch64)上同样适用,架构不影响此问题的解决方案
总结
Qt6NetworkAuth是PrismLauncher开发版本的新增依赖项。遇到此类构建错误时,开发者应首先检查并安装对应的Qt开发组件。这个问题与系统架构无关,解决方案在各种架构上都适用。通过正确安装开发包,可以顺利解决构建过程中的依赖问题。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
421
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
685
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869