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。
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