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。
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