ScriptCat项目中GM_notification与SVG图标兼容性问题分析
背景概述
在ScriptCat项目(一个用户脚本管理器)的v0.18.1版本中,开发者发现了一个与GM_notification API相关的兼容性问题。具体表现为:当后台脚本包含SVG格式的base64编码图标声明时,MV3版本的GM_notification功能无法正常工作,而MV2版本则运行正常。
问题现象
开发者在使用包含以下元数据的脚本时遇到了问题:
// @icon data:image/svg+xml;base64,...(SVG base64编码数据)
当执行GM_notification调用时,控制台会抛出错误:"Unchecked runtime.lastError: Unable to download all specified images"。而移除SVG图标声明后,通知功能恢复正常。
技术分析
MV2与MV3的差异
-
浏览器扩展架构变化:MV3(Manifest V3)是Chrome扩展平台的最新版本,对安全性有更高要求,其中一项重要变化就是限制了某些资源类型的使用。
-
图标处理机制:MV3版本对通知图标有更严格的验证机制,特别是对SVG格式的支持发生了变化。根据Chromium项目的问题追踪记录,MV3的notification API已不再支持SVG格式的图标。
-
Base64编码问题:测试表明,虽然PNG格式的base64编码图标可以正常工作,但SVG格式的base64编码会导致API调用失败。
解决方案
推荐做法
- 使用PNG格式图标:将SVG图标转换为PNG格式,并使用base64编码或直接引用URL:
// 使用PNG base64
// @icon data:image/png;base64,...
// 或使用URL引用
// @icon https://example.com/icon.png
- 避免SVG格式:在MV3环境下,应完全避免使用SVG格式作为通知图标。
兼容性处理
ScriptCat开发团队已针对此问题进行了修复,主要处理方式包括:
- 在MV3环境下自动检测并过滤不支持的图标格式
- 提供更明确的错误提示,帮助开发者快速定位问题
最佳实践建议
-
多版本兼容:如果脚本需要同时支持MV2和MV3环境,建议提供两种格式的图标资源。
-
图标优化:
- 优先使用PNG格式
- 控制图标尺寸(推荐128×128像素)
- 优化base64编码长度
-
错误处理:在使用GM_notification时添加适当的错误处理逻辑,以应对可能的兼容性问题。
总结
随着浏览器扩展平台向MV3迁移,开发者需要注意API行为的变化。ScriptCat项目中发现的GM_notification与SVG图标兼容性问题,反映了MV3在安全性和资源限制方面的改进。通过采用推荐的PNG格式图标和遵循最佳实践,开发者可以确保用户脚本在各种环境下都能可靠工作。
对于ScriptCat用户,建议及时更新到最新版本以获得最佳的兼容性支持,同时在开发过程中注意测试不同环境下的脚本行为。
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