mas-cli 2.0.0 发布:全面适配 macOS 15.4+ 的重大更新
mas-cli 是一个 macOS 上的命令行工具,用于管理 Mac App Store(MAS)应用程序。它允许用户通过命令行搜索、安装、更新和卸载 App Store 应用,为喜欢终端操作或需要自动化管理应用的用户提供了极大便利。
重大变更:最低系统要求提升至 macOS 10.15
mas-cli 2.0.0 版本最显著的变化是将最低系统要求从 macOS 10.13(High Sierra)提升到了 macOS 10.15(Catalina)。这一变更主要出于以下技术考量:
-
Swift 并发模型迁移:项目从第三方 PromiseKit 迁移到了原生的 Swift Concurrency(Swift 并发),这需要 macOS 10.15 及以上版本的支持。Swift Concurrency 是苹果在 Swift 5.5 中引入的现代并发编程模型,相比 PromiseKit 提供了更好的性能和更简洁的代码结构。
-
应用列表获取方式重构:新版本放弃了原先依赖的 Apple 私有框架 CommerceKit,转而使用公开的 Spotlight 元数据接口来获取已安装的 MAS 应用列表。这一变更不仅解决了在 macOS 15.4 及以上版本中应用列表为空的问题,还提高了工具的长期稳定性,因为 Spotlight 作为公开接口不太可能突然失效。
关键修复:macOS 15.4+ 兼容性问题
在 macOS 15.4 中,原先使用的 CKSoftwareMap.shared().allProducts() 方法开始返回空数组,导致 list、outdated 和 update 命令失效。2.0.0 版本通过以下方式解决了这个问题:
-
Spotlight 元数据替代方案:现在通过查询 Spotlight 的
kMDItemAppStoreHasReceipt属性来识别 MAS 安装的应用。这种方法虽然可靠,但目前存在一个小限制:应用名称是从应用文件夹名称派生而来(去除.app后缀),可能与实际应用名称略有差异。 -
应用排序优化:新版本对已安装应用列表进行了不区分大小写的按名称排序,提升了用户体验。
其他改进
-
版本检测优化:移除了从 MAS 网页抓取应用版本信息的逻辑,简化了版本检测流程。
-
开发工具链升级:包括测试框架 Quick 和 Nimble 的版本更新,以及 SwiftLint 配置的调整,提高了开发效率和代码质量。
-
构建系统改进:解决了多架构可执行文件构建的问题,并优化了版本命名策略。
技术影响与用户建议
对于开发者而言,这次更新展示了如何将项目从依赖私有 API 迁移到公开接口的最佳实践,同时也体现了采用现代 Swift 特性的优势。对于终端用户,建议所有使用 macOS 10.15 及以上系统的用户升级到此版本,特别是那些已经升级到 macOS 15.4 的用户,以确保所有功能正常工作。
需要注意的是,由于系统要求提高,仍在使用 macOS 10.13 或 10.14 的用户将无法使用此版本。这些用户可以考虑继续使用 1.x 版本,或者升级操作系统以获得更好的兼容性和安全性。
mas-cli 2.0.0 的发布标志着该项目向着更稳定、更可持续的方向迈出了重要一步,为未来的功能扩展奠定了坚实基础。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08