在Ubuntu 22.04上安装sshx时遇到的protobuf版本问题解决方案
sshx是一个基于Rust开发的SSH终端共享工具,它使用了Protocol Buffers(protobuf)作为其内部通信协议。在安装过程中,用户可能会遇到protobuf版本不兼容的问题,特别是当系统自带的protobuf编译器版本较旧时。
问题现象
当在Ubuntu 22.04系统上通过cargo install sshx命令安装sshx时,会出现编译错误,提示信息为:
protoc failed: sshx.proto: This file contains proto3 optional fields, but --experimental_allow_proto3_optional was not set.
这个错误表明sshx使用了proto3的可选字段特性,但系统安装的protobuf编译器版本过低,不支持这一特性。
问题原因
Ubuntu 22.04默认仓库中的protobuf编译器版本为3.12.x,而proto3的可选字段特性是在protobuf 3.15版本中引入的。sshx项目使用了这一新特性,因此需要更高版本的protobuf编译器才能成功编译。
解决方案
方法一:手动安装新版protobuf编译器
- 创建临时目录并下载最新版protobuf编译器:
mkdir /protoc
wget -qO- https://github.com/protocolbuffers/protobuf/releases/download/v29.2/protoc-29.2-linux-x86_64.zip | bsdtar -xvf- -C /protoc
- 安装protobuf编译器到系统路径:
mv -v /protoc/bin/protoc /usr/local/bin && chmod +x /usr/local/bin/protoc
- 安装protobuf头文件:
mkdir -p /usr/local/include/google/protobuf/
mv -v /protoc/include/google/protobuf/* /usr/local/include/google/protobuf/
- 清理临时文件:
rm -rf /protoc
方法二:使用版本管理工具
如果你使用mise这样的版本管理工具,可以更方便地管理不同版本的protobuf编译器:
mise use -g protoc
mise use -g cargo:sshx
方法三:升级操作系统
Ubuntu 24.04及更高版本已经包含了支持proto3可选字段特性的protobuf编译器版本。如果可行,升级操作系统也是一个简单的解决方案。
技术背景
Protocol Buffers是Google开发的一种高效的数据序列化格式。在proto3语法中,最初移除了"optional"关键字,所有字段都是可选的。但在实际使用中,开发者发现需要明确区分"未设置"和"设置为默认值"的情况,因此在protobuf 3.15版本中重新引入了optional关键字。
sshx项目使用了这一特性来提高协议的灵活性和表达能力,因此需要较新版本的protobuf编译器支持。
总结
在Ubuntu 22.04上安装sshx时遇到的protobuf版本问题,主要是由于系统自带的protobuf编译器版本过低导致的。通过手动安装新版protobuf编译器或使用版本管理工具,可以轻松解决这个问题。理解proto3可选字段特性的发展历史,也有助于开发者更好地处理类似的依赖问题。
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
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
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