1. 项目背景与环境准备
最近在折腾一个叫self_operating_computer的项目,说白了就是让电脑能自己操作自己。听起来挺酷的吧?但实际部署过程可没少踩坑。作为一个常年和Linux系统打交道的老手,这次的环境搭建还是让我掉了不少头发。
最开始我选的是CentOS 7.9系统,毕竟在企业环境里用得多,稳定性有保障。但很快就发现这是个错误的开始——Python版本只有3.6,GCC版本也老得不行。折腾了两天各种升级、编译,最后还是放弃了。这里给后来者一个血泪教训:新项目就别用老系统了,特别是涉及AI和现代Python生态的。
后来换了RedHat 9,世界顿时明亮了。系统自带的Python 3.9虽然还不够新,但至少能用了。不过项目要求Python 3.11,所以还得升级:
bash复制# 先安装Python 3.11
sudo dnf install python3.11
# 修改默认Python软链接
sudo ln -sf /usr/bin/python3.11 /usr/bin/python3
sudo ln -sf /usr/bin/python3.11 /usr/bin/python
注意:修改系统默认Python版本要谨慎,可能会影响其他依赖特定Python版本的系统工具。建议在虚拟环境中操作。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 项目安装与配置
2.1 离线安装方案
由于项目需要在内网环境运行,所以得先在外网准备好所有依赖。这里用到了一个很实用的pip技巧:
bash复制# 下载所有依赖包到本地目录
pip download ./self_operating_computer -d ./soc_download
这个命令会把项目本身和所有依赖的wheel包都下载到soc_download目录。然后我们就可以把这些文件打包,带到内网环境安装:
bash复制pip install --find-links ./soc_download --no-index self_operating_computer
2.2 开发模式安装
调试阶段频繁修改代码,如果每次都重新安装太麻烦了。这时候可以用开发模式安装:
bash复制# 先清理旧安装
rm -f /usr/local/bin/
