setuptools v70.0.0版本中pkg_resources.packaging移除问题解析
问题背景
在setuptools项目升级到v70.0.0版本后,许多开发者发现原先可用的from pkg_resources import packaging语句突然无法正常工作,导致大量项目构建失败。这个问题影响范围较广,包括PyTorch等知名项目都受到了影响。
技术分析
变更本质
setuptools v70.0.0版本中移除了pkg_resources模块中的packaging子模块。这实际上是一个内部实现细节的清理工作,而非公共API的变更。在Python生态中,模块内部导入的内容并不自动成为公共API的一部分,除非明确在__all__列表中声明或文档中明确说明。
正确的依赖方式
packaging模块实际上是Python生态中一个独立的包,应该直接作为依赖安装和使用。正确的做法是:
- 在项目依赖中明确添加packaging包
- 直接使用
import packaging或from packaging import ...来导入
问题根源
这个问题暴露了Python生态中一个常见的反模式:依赖其他库的内部实现细节而非公共API。许多项目错误地将pkg_resources中临时包含的packaging模块当作稳定API使用,而没有意识到这是一个实现细节。
解决方案
对于受影响的用户,有以下几种解决方案:
-
最佳实践:将项目依赖改为直接使用packaging包
# 替换前 from pkg_resources import packaging # 替换后 import packaging -
临时方案:如果无法立即修改代码,可以暂时锁定setuptools版本
setuptools<70.0.0 -
长期方案:检查项目中所有依赖关系,确保只使用各库的公共API
开发者建议
-
API使用原则:始终优先使用库文档中明确说明的公共API,避免依赖内部实现
-
依赖管理:对于功能性的依赖(如packaging),应该直接声明依赖而非间接通过其他库获取
-
版本兼容:在项目中使用较新的setuptools版本时,应该全面测试兼容性
-
代码审查:定期审查项目中的导入语句,确保没有依赖其他库的内部实现
总结
setuptools v70.0.0移除pkg_resources.packaging是一个合理的内部清理工作,虽然短期内造成了一些兼容性问题,但从长期来看有助于维护Python生态的健康。开发者应该借此机会检查并规范自己项目的依赖关系,遵循"显式优于隐式"的原则,直接声明和使用所需的依赖项。
这个问题也提醒我们,在Python开发中需要特别注意API边界,避免过度依赖其他库的实现细节,这样才能构建出更加健壮和可维护的软件系统。
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