解决go-nunu/nunu项目在Mac上构建Docker镜像时的COPY路径问题
在使用go-nunu/nunu项目时,开发者在Mac电脑上执行Docker镜像构建时遇到了"COPY failed: forbidden path outside the build context: .. ()"的错误。这个问题主要与Docker的构建上下文和Mac环境下Docker Engine的配置有关。
问题现象
当执行make docker或直接运行docker build命令时,构建过程会在COPY步骤失败,报错信息明确指出Docker不允许在构建上下文之外复制文件。具体表现为:
- 在
deploy/build/Dockerfile中尝试使用COPY .. /data/app命令 - 构建过程报错"forbidden path outside the build context"
- 无论使用make命令还是直接运行docker build都会出现相同错误
问题根源
这个问题的根本原因有两个方面:
-
Docker构建上下文限制:Docker出于安全考虑,不允许在构建上下文之外复制文件。当Dockerfile中使用
COPY ..这样的相对路径时,Docker会拒绝执行,因为这会尝试访问构建上下文之外的目录。 -
Mac环境下Docker Engine配置问题:在Mac上,Docker Engine默认使用buildkit作为构建工具,但如果配置中
features.buildkit被设置为false,可能会导致一些路径解析问题。
解决方案
1. 修改Docker Engine配置
对于Mac用户,最简单的解决方案是确保Docker Engine的配置中启用了buildkit:
{
"features": {
"buildkit": true
}
}
这个配置可以在Docker Desktop的Preferences > Docker Engine中找到并修改。
2. 调整Dockerfile中的COPY命令
如果不想修改Docker Engine配置,也可以调整Dockerfile中的COPY命令:
- 将
COPY .. /data/app改为从当前构建上下文中复制特定目录 - 确保所有需要复制的文件都在构建上下文内
3. 使用项目推荐的构建方式
go-nunu/nunu项目推荐使用make docker命令来构建镜像,这个命令已经考虑了构建上下文的问题:
make docker
该命令会自动设置正确的构建参数和上下文路径。
技术细节
在Docker构建过程中,构建上下文是指Docker客户端发送给Docker守护进程的文件集合。默认情况下,构建上下文是Dockerfile所在目录及其子目录。当尝试访问构建上下文之外的路径时,Docker会拒绝执行以防止潜在的安全风险。
在go-nunu/nunu项目中,构建过程需要访问项目根目录下的文件,因此需要确保:
- 构建命令在项目根目录执行
- 构建上下文包含所有必要的文件
- Docker Engine配置正确
最佳实践
- 始终在项目根目录执行构建命令
- 使用项目提供的Makefile而不是直接运行docker build
- 保持Docker Desktop和Docker Engine为最新版本
- 在Mac上确保启用了buildkit功能
通过以上方法,可以顺利解决在Mac上构建go-nunu/nunu项目Docker镜像时的路径问题。
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