解决Lightning Network项目中Python 3.12兼容性问题
在Lightning Network项目(特别是c-lightning实现)中,用户在使用Python 3.12环境时可能会遇到一个常见的兼容性问题。这个问题主要影响依赖于pyln-client库的插件功能,特别是当尝试安装clnrest等插件时。
问题的根源在于pyln-client库的一个关键依赖项coincurve。在Python 3.12版本中,由于Python内部的一些变更,导致所有已发布的pyln-client版本都无法正常工作。这是因为coincurve这个加密库的旧版本与Python 3.12存在兼容性问题。
当用户尝试在Python 3.12环境下安装相关依赖时,系统会抛出"TypeError: 'NoneType' object is not callable"的错误。这个错误信息表明元数据生成过程失败,实际上是由于底层依赖不兼容导致的。
对于遇到此问题的用户,目前有三种可行的解决方案:
-
降级Python环境到3.11版本,这是最直接的解决方法,可以立即恢复所有功能。
-
从项目的主分支(master)构建pyln-client,因为主分支已经更新了coincurve依赖,解决了兼容性问题。
-
手动更新旧版本pyln-client中的coincurve依赖,这需要一定的技术能力,但也是一个有效的解决方案。
这个问题特别影响那些需要使用REST API接口的用户,因为clnrest插件依赖于pyln-client库。当插件无法正常加载时,会在日志中显示"Killing plugin: disabled itself: No module named 'pyln'"的错误信息。
对于开发者而言,这个问题也提醒我们在维护Python项目时需要密切关注新版本Python的兼容性变化,特别是当项目依赖一些涉及底层操作的加密库时。Python 3.12引入的一些变更可能会破坏现有的依赖关系链。
在实际应用中,建议用户根据自身的技术能力选择最适合的解决方案。对于大多数用户来说,从主分支构建pyln-client可能是最平衡的选择,既能解决问题,又不需要降级Python环境。
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