AIOS项目在Python 3.12环境下安装依赖包的问题分析
问题背景
在AIOS项目的开发过程中,我们发现当使用Python 3.12.3虚拟环境时,通过requirements.txt文件安装项目依赖包会遇到安装失败的问题。这个问题主要出现在Ubuntu 24.04.1 LTS系统环境下,使用6.8.0-48-generic内核时。
错误现象
当执行pip install -r requirements.txt命令时,安装过程会在处理numpy包时失败。错误日志显示系统无法找到distutils模块,具体报错为ModuleNotFoundError: No module named 'distutils'。这个错误发生在setuptools尝试导入distutils.core模块时。
根本原因
经过分析,我们发现这个问题的根本原因在于Python 3.12版本中distutils模块的移除。在Python 3.12中,distutils模块已被标记为废弃并最终被移除,这是Python核心开发团队做出的决定。然而,许多传统的Python包(包括setuptools和一些科学计算包)仍然依赖于这个模块。
解决方案
针对这个问题,我们推荐以下几种解决方案:
-
使用兼容的Python版本:目前AIOS项目官方支持Python 3.10和Python 3.11版本,这些版本仍然包含distutils模块,可以正常安装所有依赖包。
-
手动安装distutils:对于必须使用Python 3.12的用户,可以尝试通过系统包管理器安装distutils。在Ubuntu/Debian系统上,可以运行:
sudo apt-get install python3-distutils -
等待依赖包更新:长期解决方案是等待各个依赖包(特别是setuptools和numpy)完全迁移到不依赖distutils的新版本。
项目支持情况
AIOS项目团队已经确认这个问题,并在即将发布的v0.2.0版本中更新了文档说明,明确指出项目目前仅支持Python 3.10和3.11版本。这是项目开发过程中的一个临时限制,团队会持续关注依赖包的更新情况,在未来版本中增加对Python 3.12的支持。
最佳实践建议
对于AIOS项目的用户和开发者,我们建议:
- 在开发环境中使用Python 3.10或3.11版本,这是目前最稳定的选择
- 定期检查项目文档,了解最新支持的Python版本信息
- 在升级Python版本前,先测试所有依赖包的兼容性
- 考虑使用虚拟环境隔离不同项目的Python版本需求
总结
Python生态系统的演进过程中,这种核心模块的变更并不罕见。AIOS项目团队正在积极应对这一变化,同时为用户提供了明确的版本兼容性指导。理解这类兼容性问题的本质有助于开发者更好地管理项目依赖和环境配置。
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-1.5暂无简介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