GitHub Actions中setup-python项目处理Python 3.5证书验证失败的解决方案
问题背景
近期在使用GitHub Actions的setup-python项目安装Python 3.5版本时,许多用户遇到了SSL证书验证失败的问题。这个问题表现为在安装过程中,pip无法验证PyPI服务器的SSL证书,导致安装失败。错误信息通常显示为"SSL: CERTIFICATE_VERIFY_FAILED"。
技术原因分析
这个问题的根本原因在于Python 3.5已经停止维护,其内置的SSL模块无法正确验证PyPI服务器更新后的SSL证书。PyPI服务器近期可能更新了其SSL配置,采用了更现代的加密标准或证书链,而Python 3.5中的SSL实现无法处理这些新变化。
值得注意的是,这个问题不仅影响Python 3.5,同样会影响其他较旧的Python版本,如Python 3.4等。这主要是因为较旧版本的Python使用的OpenSSL库版本较低,无法识别新的证书颁发机构或加密算法。
解决方案
对于必须使用Python 3.5的开发环境,目前有以下几种解决方案:
1. 使用PIP_TRUSTED_HOST环境变量
这是目前最直接的解决方案。通过在GitHub Actions工作流中添加环境变量配置,可以绕过SSL证书验证:
- uses: actions/setup-python@v5
with:
python-version: 3.5
env:
PIP_TRUSTED_HOST: "pypi.python.org pypi.org files.pythonhosted.org"
这种方法告诉pip信任指定的主机,即使SSL证书验证失败也继续执行。需要注意的是,这会降低安全性,使系统容易受到中间人攻击。
2. 升级到支持的Python版本
从安全角度考虑,最佳解决方案是升级到仍在支持期的Python版本。Python 3.5已于2020年停止官方支持,继续使用会面临多种安全风险。
3. 手动安装证书
对于有特殊需求必须使用Python 3.5的情况,可以考虑手动更新系统的证书存储。这需要:
- 获取最新的CA证书包
- 配置Python使用这些证书
- 可能需要重新编译Python以支持新的SSL特性
这种方法技术难度较高,且不一定能完全解决问题。
安全考虑
使用PIP_TRUSTED_HOST解决方案时,开发者应当意识到这会降低系统的安全性。在生产环境中,特别是处理敏感数据时,应当尽量避免使用这种方案。如果必须使用,建议:
- 仅在CI/CD环境中临时使用
- 限制信任的主机范围
- 考虑增加额外的安全监控措施
长期建议
对于长期项目,建议制定Python版本升级计划。GitHub Actions支持从Python 3.6到最新版本的所有主流Python发行版,升级到较新版本不仅可以避免这类问题,还能获得性能改进和新特性。
对于维护遗留系统的团队,可以考虑使用容器技术将旧版Python环境隔离,而不是直接在CI/CD系统中使用过时的Python版本。这种方法可以在一定程度上平衡兼容性和安全性需求。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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