Liger-Kernel项目从setup.py迁移到pyproject.toml的技术实践
2025-06-10 11:29:20作者:凤尚柏Louis
在Python项目打包领域,近年来出现了一个重要的演进趋势:从传统的setup.py方式向更现代的pyproject.toml格式迁移。Liger-Kernel项目作为LinkedIn开源的技术项目,也顺应这一趋势进行了改造。本文将深入分析这一技术迁移的背景、实施要点以及带来的优势。
传统打包方式的局限性
setup.py作为Python项目打包的传统方式,长期以来是Python生态中的标准配置。它本质上是一个Python脚本,通过调用setuptools等工具来完成项目的打包和分发工作。然而,这种设计存在几个明显缺陷:
- 执行依赖问题:setup.py本身需要setuptools等依赖才能运行,但安装这些依赖又需要setup.py
- 配置与代码混杂:项目配置信息被嵌入在Python代码中,不利于静态分析
- 缺乏标准化:不同项目可能采用不同的打包方式和工具链
pyproject.toml的革新优势
pyproject.toml作为PEP 518引入的新标准,解决了上述痛点。它采用TOML格式(一种易于阅读的配置文件格式),将项目配置与执行逻辑分离。主要优势包括:
- 声明式配置:所有打包信息以声明方式呈现,不再需要执行代码
- 构建系统隔离:明确指定构建依赖,避免环境污染
- 工具兼容性:支持多种构建后端(如setuptools、poetry等)
- 统一标准:逐渐成为Python生态中的事实标准
Liger-Kernel的迁移实践
Liger-Kernel项目的迁移工作主要涉及以下技术要点:
- 构建系统声明:在pyproject.toml中明确指定构建工具和最低版本要求
- 项目元数据转移:将原setup.py中的项目名称、版本、作者等信息转换为TOML格式
- 依赖管理重构:将安装依赖和开发依赖分别声明
- 构建配置调整:确保构建过程与新的配置方式兼容
迁移后的收益
完成迁移后,Liger-Kernel项目获得了多方面的改进:
- 更可靠的构建过程:避免了潜在的循环依赖问题
- 更好的工具支持:现代IDE和工具能更好地解析项目配置
- 更清晰的维护性:配置与代码分离,降低维护复杂度
- 面向未来的兼容性:符合Python打包生态系统的最新发展方向
总结
Liger-Kernel项目从setup.py到pyproject.toml的迁移,反映了Python打包生态系统的现代化进程。这种迁移不仅解决了传统打包方式的技术债务,还为项目未来的维护和发展奠定了更好的基础。对于其他Python项目而言,这一实践提供了有价值的参考案例,展示了如何平稳地将项目配置体系过渡到更现代、更标准化的解决方案。
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