原因拆解 #

1. 直接pip install onnxruntime-gpu成功的原因 #

PyPI仓库中提供了适配Python 3.12 + Linux x86_64的onnxruntime-gpu==1.22.0二进制包，pip默认从PyPI拉取，无需额外限制平台，因此能正常找到并安装。

2. npx install motia失败的原因 #

Motia的安装脚本在调用pip时添加了强制参数：--platform manylinux2014_x86_64 --only-binary=:all:。而onnxruntime-gpu==1.22.0的PyPI二进制包对应的是更高版本的manylinux标准（如manylinux_2_28_x86_64），并不兼容manylinux2014_x86_64，导致pip找不到匹配的包。此外，Python 3.12属于较新版本，1.22.0版本的onnxruntime-gpu未针对manylinux2014_x86_64做Python 3.12的适配打包。

3. conda install onnxruntime-gpu失败的原因 #

conda-forge源的包维护与PyPI独立，onnxruntime-gpu==1.22.0并未上传至conda-forge，或没有适配Python 3.12的conda包，因此无法找到。

解决办法 #

针对npx install motia失败的方案 #

方案1：放宽requirements.txt版本限制

修改requirements.txt中的onnxruntime-gpu条目，允许安装兼容manylinux2014_x86_64的版本：

pydantic>=2.6.1
httpx>=0.28.1
pydantic==2.9.0
uvloop==0.20.0
qdrant-client==1.11.2
tqdm>=4.67.1
onnxruntime-gpu>=1.22.0  # 替换原有的==1.22.0

再重新运行npx install motia。

方案2：手动安装依赖后跳过Motia的自动安装

先在激活的conda虚拟环境中手动安装所有依赖：

pip install -r requirements.txt

之后克隆Motia仓库到本地，直接使用源码启动，绕过其自动安装Python依赖的流程。

方案3：调整Motia安装脚本的pip参数

找到Motia安装逻辑中调用pip的代码（可通过克隆仓库查看），移除--platform manylinux2014_x86_64参数，或替换为onnxruntime-gpu==1.22.0支持的平台标签（如manylinux_2_28_x86_64），再本地执行安装。

针对conda安装失败的方案 #

方案1：直接在conda环境中用pip安装

conda虚拟环境激活后，环境内的pip会将包安装到当前conda环境中，完全满足使用需求：

conda activate fast_embedding
pip install onnxruntime-gpu==1.22.0

方案2：添加微软官方conda源

尝试添加onnxruntime官方维护的conda源，再执行安装：

conda config --add channels https://aiinfra.pkgs.visualstudio.com/PublicPackages/_packaging/onnxruntime-conda/pypi/simple/
conda install onnxruntime-gpu==1.22.0

注意：需确认该源是否提供适配Python 3.12与Ubuntu 20.04的包。

方案3：源码编译并打包conda包（进阶）

若必须使用conda包，可下载onnxruntime-gpu==1.22.0的源码，在本地编译GPU版本后，用conda-build工具打包到本地conda仓库，再进行安装。此步骤需配置CUDA编译环境，操作复杂度较高。

内容的提问来源于stack exchange，提问作者user824624