Xournal++在macOS ARM64架构下的应用损坏问题解决方案
问题背景
Xournal++是一款优秀的开源手写笔记和PDF注释软件,近期发布了针对Apple Silicon芯片(M1/M2/M4)的原生ARM64版本。然而,部分用户在macOS系统上安装1.2.5及1.2.5+dev版本的ARM64架构应用时,遇到了系统提示"Xournal++.app已损坏,应移至废纸篓"的错误信息,导致无法正常启动应用。值得注意的是,使用Rosetta转译的x86_64版本则能正常运行。
问题根源分析
这个问题源于macOS的安全机制——Gatekeeper的隔离属性(quarantine)。当用户从互联网下载应用时,macOS会自动为文件添加com.apple.quarantine扩展属性,这是一种安全防护措施。有趣的是,这个问题在Intel架构的Mac上不会出现,仅在Apple Silicon设备上触发。
解决方案详解
要解决这个问题,用户需要在将Xournal++.app拖入Applications文件夹后,执行以下终端命令:
xattr -c /Applications/Xournal++.app
这条命令的作用是清除应用的隔离属性标记,其中:
xattr是macOS的扩展属性管理工具-c参数表示清除所有扩展属性- 路径指向已安装的Xournal++应用
技术原理深入
-
macOS安全机制:Gatekeeper会检查应用的开发者签名和公证状态。对于未通过App Store分发的应用,特别是开源软件,常会遇到此类问题。
-
架构差异:为什么Intel版本不受影响而ARM版本需要此操作?这可能与Apple Silicon芯片引入了更严格的安全检查机制有关,也可能是构建过程中的签名差异导致的。
-
扩展属性:macOS使用扩展属性存储文件元数据,包括下载来源信息。清除这些属性相当于告诉系统"我信任这个应用"。
最佳实践建议
-
安装流程优化:
- 下载DMG文件
- 挂载并拖拽Xournal++.app到Applications文件夹
- 立即执行清除扩展属性的命令
- 然后正常启动应用
-
安全考虑:
- 确保只从官方渠道下载软件
- 了解清除扩展属性的安全含义
- 如有疑虑,可先检查应用的数字签名
-
未来版本改进:建议开发团队在构建流程中加入适当的代码签名步骤,或者考虑通过Homebrew等渠道分发,以避免此类问题。
结语
虽然这个小问题给用户带来了不便,但它反映了macOS强大的安全机制。通过理解其工作原理,用户不仅能解决Xournal++的安装问题,也能更好地理解macOS的安全体系。随着Xournal++对Apple Silicon原生支持的不断完善,相信未来版本会提供更顺畅的安装体验。
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-1.5暂无简介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