Electron-Builder在macOS Sonoma上应用无法启动的解决方案
问题背景
在使用Electron-Builder构建macOS应用时,开发者可能会遇到应用在macOS Sonoma系统上无法启动的问题。具体表现为尝试打开应用时出现"Launch failed"错误,错误代码153。这种情况通常发生在使用最新版本的macOS系统(如Sonoma 14.3.1)和较新版本的Electron框架时。
核心问题分析
导致应用无法启动的主要原因通常与macOS的安全机制有关,特别是以下几个方面:
-
签名和公证问题:macOS对应用的签名和公证要求越来越严格,任何签名不完整或公证不通过都会导致应用无法运行。
-
权限配置不当:应用的entitlements文件配置不正确,特别是当应用需要访问麦克风、摄像头或屏幕录制等敏感权限时。
-
运行时保护机制:Hardened Runtime的配置不当可能导致应用被系统阻止运行。
解决方案
1. 更新构建工具
确保使用最新版本的electron-builder(至少v24.13.0或更高),因为新版本包含了针对macOS Sonoma系统的特定修复和改进,特别是在处理extendInfo与应用权限合并方面。
2. 完善权限配置
仔细检查entitlements文件配置,确保所有需要的权限都已正确声明。对于需要访问麦克风、摄像头或屏幕录制的应用,必须包含以下权限声明:
<key>com.apple.security.device.audio-input</key>
<true/>
<key>com.apple.security.device.camera</key>
<true/>
<key>com.apple.security.screen-recording</key>
<true/>
3. 签名和公证流程
确保完整的签名和公证流程:
- 使用有效的开发者证书进行签名
- 配置正确的entitlements文件
- 完成苹果的公证流程
- 在构建配置中启用Hardened Runtime
4. 构建配置优化
在package.json的mac配置部分,确保包含以下关键设置:
"hardenedRuntime": true,
"gatekeeperAssess": false,
"entitlements": "build/entitlements.mac.plist",
"entitlementsInherit": "build/entitlements.mac.plist"
5. 多架构支持
对于Apple Silicon和Intel芯片的兼容性,确保正确配置target.arch:
"target": {
"target": "default",
"arch": ["x64", "arm64"]
}
调试建议
如果应用仍然无法启动,可以尝试以下调试方法:
- 检查控制台日志获取更详细的错误信息
- 尝试在终端中直接运行应用可执行文件
- 使用
codesign命令验证应用签名 - 检查公证状态
总结
Electron应用在macOS Sonoma上无法启动的问题通常与系统安全机制的增强有关。通过更新构建工具、完善权限配置、确保正确的签名和公证流程,大多数情况下可以解决这类问题。开发者应该密切关注macOS系统更新和Electron生态的工具更新,及时调整构建配置以适应新的安全要求。
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