Setuptools 80.7版本中setup_requires依赖解析机制变更分析
问题背景
在Python包管理生态中,setuptools作为最核心的构建工具之一,其行为变更会对整个生态系统产生深远影响。近期setuptools 80.7版本的更新引入了一个重要变更:当使用setup_requires参数声明构建时依赖时,这些依赖包自身的依赖项将不再被自动安装。
技术细节解析
在setuptools 80.6及之前版本中,当项目通过setup_requires参数声明构建时依赖(如示例中的packit库)时,setuptools会递归安装这些依赖包及其所有依赖项(如pbr和glob2)。这种机制通过pkg_resources模块实现,能够确保构建环境具备完整的依赖链。
然而从80.7版本开始,setuptools移除了这一自动解析行为。现在只会安装直接声明的setup_requires包,而不会处理其依赖项。这一变更与setuptools逐步淘汰旧式构建流程、转向PEP 517标准构建系统的长期规划密切相关。
影响范围
这一变更主要影响以下场景:
- 直接使用python setup.py命令进行构建的项目
- 依赖setup_requires中包提供的扩展功能的项目
- 在系统级site-packages环境中进行构建的情况
值得注意的是,当使用现代构建工具链(如pip配合pyproject.toml)时,这一变更不会造成影响,因为PEP 517构建流程会正确处理所有层级的依赖关系。
解决方案
对于受此变更影响的项目,推荐采取以下升级路径:
-
强制使用PEP 517构建流程 在pip命令中添加--use-pep517参数,或设置环境变量PIP_USE_PEP517=1,强制使用标准化的构建流程。
-
迁移到pyproject.toml配置 在项目根目录添加pyproject.toml文件,将构建依赖声明在build-system.requires中。这种方式不仅更规范,还能确保依赖解析的正确性。
-
避免直接调用setup.py 逐步淘汰python setup.py ...的直接调用方式,改用pip install .等标准接口。
技术演进趋势
这一变更反映了Python打包生态向标准化、现代化演进的大趋势。传统的setup.py直接调用方式正在被逐步淘汰,取而代之的是基于PEP 517的标准构建系统。开发者应当关注以下关键时间节点:
- 2025年10月31日:setuptools将完全移除对旧式构建流程的支持
- 2026年3月3日:配置文件中下划线分隔的键名将成为强制要求
最佳实践建议
对于仍在使用setup_requires的遗留项目,建议采取分阶段迁移策略:
- 首先确保CI环境中设置PIP_USE_PEP517=1
- 为项目添加基本的pyproject.toml配置
- 逐步将setup_requires依赖迁移到build-system.requires
- 更新构建文档,使用现代构建命令替代setup.py直接调用
通过遵循这些建议,项目可以平稳过渡到现代构建系统,避免未来可能出现的兼容性问题。
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