Modly如何自动修复扩展缺失依赖自动重装机制原理解析【免费下载链接】modlyDesktop app to generate 3D models from images or prompt using local AI — runs entirely on your GPU项目地址: https://gitcode.com/GitHub_Trending/mo/modlyModly 是一款在本机 GPU 上运行的 3D 生成桌面应用能通过图片或提示词生成 3D 模型。它的扩展生态里每个扩展都跑在独立的 Python 虚拟环境venv中一旦某个扩展的 venv 缺了依赖包Modly 内置的自动修复机制会在启动子进程时自动识别缺失模块、自动 pip 重装、最多重试 3 次——全程无需用户动手。本文带你从就绪握手讲起完整解析这套扩展依赖自动重装机制的原理。一、为什么每个扩展都要一个独立 venvModly 的扩展分三类模型扩展、JS 流程扩展和 Python 流程扩展。其中 Python 扩展各自携带一份venv/目录启动时由 api/services/extension_process.py 里的ExtensionProcess拉起一个子进程用扩展自己环境里的 Python 解释器去执行通用的 api/runner.pyWindows 下解释器位于venv\Scripts\python.exemacOS/Linux 下位于venv/bin/python隔离的好处是依赖互不干扰代价是 venv 里的包一旦缺失比如升级后PIL没装进环境扩展就会在启动时报No module named PIL。这正是自动修复机制要解决的问题。二、修复的触发时机一次就绪握手子进程启动后Modly 会等待子进程发回一条ready消息见 api/runner.py 的启动流程。_start()方法用for attempt in range(3)构建了最多 3 次的启动循环第 1 次启动等待ready。如果收到的却是错误消息例如导入失败进入修复判断。诊断从错误消息中提取缺失的模块名查白名单确认能否安全自动安装。重装并重试安装成功后continue循环用同一个 venv 重新启动子进程再次等待ready。兜底如果模块不在白名单内或重试后仍失败抛出RuntimeError并附上原始错误信息交由上层UI 的 Repair 按钮处理。整个过程对用户是透明的——点一下生成背后可能已经完成了一轮检测→安装→重试。三、三步修复流水线提取、映射、重装自动修复的核心逻辑集中在 api/services/extension_process.py可以拆成三步。1️⃣ 精准提取缺失模块名正则No module named []同时扫描错误消息和完整 traceback把 Python 抛出的ModuleNotFoundError中的模块名原样抽出来。单元测试见 api/tests/test_extension_process.py覆盖了从 message 提取和从 traceback 提取两种场景。2️⃣ 白名单映射宁缺毋滥提取到模块名后_resolve_auto_repair_package()会在一张硬编码的映射表里查找对应的 pip 包名目前映射为PIL → Pillow因为这两个名字不一致纯靠猜会装错包。这里有个关键的安全设计源码注释写得很直白不对任意未知模块猜测包名。totally_unknown_pkg这样的模块返回None触发不了自动安装宁可报错让人工介入也不盲目pip install一个可能装错名字的包把环境搞坏。这个只认白名单的行为由 api/tests/test_extension_process.py 的三组用例锁定。3️⃣ 用扩展自己的解释器执行 pip install确认包名后_install_missing_package()直接用该扩展 venv 里的 Python 执行python -m pip install 包名。这样装进去的包严格落在扩展自己的环境中不污染系统 Python也不影响其他扩展。安装失败会抛出携带 pip 原始输出的错误方便排障。四、手动修复按钮一键重跑 setup.py自动修复只处理白名单内的已知小包。如果 venv 本身损坏或缺的是大包如 torchModly 提供了手动兜底UI 层扩展详情抽屉里的Repair按钮src/areas/models/components/ExtensionDrawer.tsx主进程IPC 通道extensions:repairelectron/main/ipc-handlers.ts点击后Modly 会重新检测 GPU 与 CUDA 版本重跑扩展目录下的setup.pyvenv 缺失时会自动重建完成后调用/extensions/reload热加载 Python 服务。若扩展目录里连setup.py都没有会直接提示安装不完整请卸载后重装避免无意义的空转。五、两道加固安装回滚与共享 pip 缓存自动重装机制之外Modly 还有两处设计让依赖损坏这件事更难发生安装失败自动回滚新扩展安装时先备份旧版本setup.py失败后丢弃半成品目录并恢复上一版electron/main/ipc-handlers.ts目录被占用时保留损坏标记下次启动由对账逻辑恢复备份。共享 pip wheel 缓存所有扩展的 setup 共用dependencies/pip-cache目录electron/main/ipc-handlers.ts重试时直接复用已下载的数 GB torch 轮子还会自动剥离扩展脚本里硬编码的--no-cache-dir避免每次重试都重新下载。六、核心源码路径速查环节位置子进程生命周期与自动修复api/services/extension_process.py缺失模块提取与包名映射api/services/extension_process.py扩展通用运行入口api/runner.py自动修复行为测试api/tests/test_extension_process.py手动 Repair 的 IPC 处理electron/main/ipc-handlers.tsRepair 按钮 UIsrc/areas/models/components/ExtensionDrawer.tsx扩展 manifest 校验electron/main/extension-install-utils.ts总结Modly 的扩展依赖自动修复遵循一个非常克制的思路能自动的先自动不能确定的交给人。子进程启动即握手握手失败就正则提取模块名、白名单映射包名、用扩展自己的 venv 执行 pip install、最多重试 3 次装不了的就落到 Repair 按钮重跑setup.py再由安装回滚与共享 pip 缓存兜底。整套机制既让新手在装扩展→点生成的路径上几乎感知不到依赖问题也通过白名单策略保证了自动化不会把环境越修越乱。【免费下载链接】modlyDesktop app to generate 3D models from images or prompt using local AI — runs entirely on your GPU项目地址: https://gitcode.com/GitHub_Trending/mo/modly创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考