Requests项目面临Setuptools更新导致的安装问题分析
背景介绍
Python生态中著名的HTTP库Requests项目近期遇到了一个由Setuptools更新引发的安装问题。当用户尝试通过git方式安装Requests的最新开发版本时,安装过程会失败。这个问题源于Setuptools 72.0.0版本移除了一些旧功能,而Requests的setup.py文件中恰好使用了这些已被移除的功能。
问题本质
Setuptools作为Python生态中最重要的打包工具之一,在72.0.0版本中移除了setuptools.command.test模块,这是其长期计划中逐步淘汰旧功能的一部分。而Requests项目的setup.py文件中有一行代码from setuptools.command.test import test as TestCommand,这行代码在新版Setuptools中无法执行,导致安装失败。
技术细节分析
Setuptools的这一变更属于其现代化改造的一部分。传统的setup.py test命令已经被更现代的测试运行器如pytest所取代。Setuptools团队在做出这一变更前已经进行了充分的公告和过渡期,但像Requests这样的大型项目仍然可能受到影响。
Requests项目中的setup.py文件除了测试相关代码外,还承担了以下功能:
- 检查Python版本兼容性
- 提供发布快捷命令
- 动态读取版本信息
解决方案与进展
Setuptools团队已经意识到这一变更对生态的影响,在后续版本中暂时恢复了被移除的功能,为项目迁移提供了更长的过渡期。同时,Requests项目团队也早已在准备迁移到更现代的构建系统。
Requests项目在5月份的2.32.0版本变更日志中就已经预告了这一变更,表明团队已经为迁移做好了准备。现代Python项目应该使用pyproject.toml来配置构建系统,这可以避免类似问题。
对开发者的建议
对于依赖Requests的开发者,建议采取以下措施:
- 暂时固定Setuptools版本在72.0.0以下
- 考虑使用Requests的稳定版本而非开发版本
- 关注Requests项目的更新,及时升级到支持新版Setuptools的版本
对于项目维护者,这是一个提醒:应该逐步将项目迁移到基于pyproject.toml的现代构建系统,减少对setup.py的依赖,提高项目的未来兼容性。
总结
这个事件展示了Python生态系统中工具链更新可能带来的连锁反应。虽然Setuptools的变更是为了推动生态向更现代化的方向发展,但也凸显了大型项目迁移的复杂性。Requests项目团队已经采取了积极的应对措施,开发者只需稍作调整即可度过这一过渡期。
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