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。
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