Laravel Valet在macOS Sonoma 14.4.1下的HTTPS证书问题解决方案
问题背景
近期有开发者反馈,在将macOS系统升级至Sonoma 14.4.1版本后,使用Laravel Valet运行本地开发环境时遇到了HTTPS证书验证失败的问题。具体表现为运行npm run dev命令时,浏览器控制台出现Failed to load resource: net::ERR_CERT_COMMON_NAME_INVALID错误,而使用npm run build后访问则正常。
问题分析
这个问题主要出现在使用Vite作为前端构建工具的项目中,当开发服务器尝试通过HTTPS加载资源时,系统无法验证Valet生成的本地开发证书的有效性。错误信息中的ERR_CERT_COMMON_NAME_INVALID表明证书的通用名称(CN)与请求的主机名不匹配,或者证书链存在问题。
在macOS Sonoma 14.4.1中,系统对证书验证的规则可能变得更加严格,导致之前正常工作的本地开发证书现在被拒绝。这种情况在使用IPv6地址([::1])访问时尤为明显。
解决方案
经过验证,可以通过以下步骤解决此问题:
-
首先删除现有的所有Valet证书:
valet unsecure --all -
然后为你的开发域名重新生成并安装证书:
valet secure yourdomain.test
这个解决方案的核心原理是重新生成符合最新系统安全要求的开发证书。Valet会自动处理证书的创建和信任过程,确保新生成的证书能够被macOS Sonoma 14.4.1正确识别和信任。
深入理解
Valet在本地开发环境中使用自签名证书来模拟HTTPS连接。这些证书通常会被添加到系统的钥匙串中并被标记为受信任。系统升级后,特别是安全相关的更新,可能会重置或改变这些信任设置,或者引入新的证书验证规则。
当遇到此类问题时,开发者应该:
- 检查系统钥匙串中是否存在旧的Valet证书
- 验证这些证书是否仍然被标记为"始终信任"
- 考虑系统安全策略的变化可能影响本地开发环境
最佳实践
为了避免类似问题,建议开发者:
- 在系统重大更新后,主动检查本地开发环境的HTTPS配置
- 定期更新Valet到最新版本,确保兼容性
- 了解macOS系统安全策略的变化趋势
- 考虑在团队中统一开发环境的配置标准
总结
本地开发环境中的HTTPS问题虽然常见,但通常都有明确的解决方案。理解Valet如何管理证书以及macOS如何处理证书信任是关键。通过重新生成证书这一简单操作,开发者可以快速恢复正常的开发工作流程,同时确保开发环境的安全性。
对于使用Laravel Valet的团队来说,建立系统升级后的环境检查清单是一个值得考虑的做法,可以提前预防类似问题的发生。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00