Electron Forge 构建 macOS PKG 文件时遇到的验证错误及解决方案
在使用 Electron Forge 7.6.0 构建 macOS 应用程序的 PKG 安装包时,开发者可能会遇到一个特定的验证错误问题。当通过 Apple 的 Transporter 工具上传构建好的 PKG 文件时,系统会报告两个关键验证失败信息。
第一个错误指出产品存档元数据存在问题,具体表现为 product-identifier 键路径下的值无效。错误提示建议开发者使用最新版本的 Xcode 重新构建存档。第二个错误则指出产品存档的最低系统版本设置不一致,要求产品定义属性列表中的最低系统版本必须与 LSMinimumSystemVersion 值相匹配。
经过技术分析,这个问题实际上源于 Electron 生态系统中 osx-sign 模块的一个已知问题。该模块负责对 macOS 应用程序进行签名和打包处理,在较新版本中引入了这个验证兼容性问题。
对于遇到此问题的开发者,目前有一个有效的临时解决方案:将项目中使用的 @electron/osx-sign 模块降级到 1.3.0 版本。这个特定版本尚未包含导致验证错误的变更,因此可以绕过当前的验证问题。开发者可以通过修改项目中的 lock 文件来实现这一降级操作。
这个问题特别影响使用 Electron 33.2.1 版本在 macOS 14.6.1 系统上进行开发的用户。虽然降级依赖项是一个有效的临时解决方案,但长期来看,开发者应关注 Electron 和 osx-sign 模块的更新,以便在问题修复后及时升级到稳定版本。
对于 Electron 应用开发者来说,理解这类打包验证问题非常重要,因为它们直接影响应用的分发流程。在 macOS 平台上,Apple 对安装包有严格的验证要求,任何元数据或系统版本兼容性设置的不一致都可能导致上传失败。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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