如何规避长路径风险、不用Docker安装带Tensorflow依赖的RASA 3.X？

RASA 3.X是一款依赖Tensorflow的聊天机器人开发框架，在Windows系统或VS Code终端中使用pip安装时，常出现Tensorflow安装失败的问题，单独安装Tensorflow也会触发相同错误，具体报错信息如下：

ERROR: Could not install packages due to an OSError: [Errno 2] No such file or directory: 'C:\Users\DC\AppData\Local\Packages\PythonSoftwareFoundation.Python.3.10_qbz5n2kfra8p0\LocalCache\local-packages\Python310\site-packages\tensorflow\include\external\com_github_grpc_grpc\src\core\ext\filters\client_channel\lb_policy\grpclb\client_load_reporting_filter.h'

常见的解决方案是启用Windows长路径支持，但该功能存在文件损坏风险，不适用于敏感生产环境；而通过Docker安装RASA的方案，又可能受限于公司安全政策无法实施。这里提供一种无需修改系统设置的替代方案——通过Conda环境完成安装：

具体步骤 #

• 先确保已安装Anaconda或Miniconda，若未安装可前往官方渠道下载对应版本
• 创建独立的Conda环境，指定兼容的Python版本（RASA 3.X推荐使用Python 3.8-3.10）：

  conda create -n rasa_env python=3.9
  

• 激活创建好的环境：

  conda activate rasa_env
  

• 在激活的环境中安装RASA 3.X：

  pip install rasa==3.*
  

• 验证安装结果：

  rasa --version
  

  输出内容中应包含Tensorflow相关依赖信息，说明安装成功

原理说明 #

Conda环境会将所有依赖包安装到路径更短的目录下，从根源上避开了Windows系统的长路径限制，无需启用系统级的长路径支持，安全性更高，适合生产环境使用。

内容的提问来源于stack exchange，提问作者Usaid Rehan