Search by Image扩展在Safari 18中的兼容性问题分析与解决方案
背景介绍
Search by Image是一款优秀的浏览器扩展程序，它允许用户通过图片进行搜索。然而随着Safari 18的发布，许多用户发现该扩展在最新版本的Safari浏览器中无法正常工作。这并非个例，而是反映了Safari浏览器在Web扩展支持方面存在的一系列系统性问题。
问题根源分析
经过开发者深入调查，发现Safari 18在Web扩展API实现上存在多个严重缺陷，这些问题直接影响了Search by Image等扩展的正常运行：
-
后台页面无响应问题
使用非持久性后台页面的Manifest v2扩展在Safari 18中运行30秒后就会变得无响应。后台脚本无法唤醒，导致扩展功能完全失效，必须重启浏览器才能恢复。这个问题在Safari 17.4版本首次出现，虽然在17.6.1中有所修复，但在18版本中又再次出现。 -
消息传递API损坏
扩展页面通过iframe加载时，无法再通过tabs.connect与顶层文档的内容脚本建立连接。runtime.onConnect注册的事件处理程序在这种情况下不会被调用。这破坏了扩展内部组件间的通信机制。 -
标签页ID变更问题
Safari 18改变了标签页ID的生成规则，当网站重定向到扩展页面或扩展页面重定向到网站时，标签页ID会发生变化。这一行为与其他浏览器不一致，且未在官方文档中说明，导致基于标签页ID的功能出现异常。
技术影响评估
这些API层面的问题对扩展开发者造成了严重影响：
- 开发者不得不投入大量时间寻找变通方案，而非专注于功能开发
- 用户体验受到严重影响，导致用户投诉和负面评价增加
- 商业扩展面临退款和收入损失的风险
- 扩展在App Store的搜索排名可能因此下降
解决方案与应对措施
Search by Image开发团队采取了以下措施来解决兼容性问题：
-
通信机制重构
放弃了直接通过tabs.connect建立连接的方式，改为使用contentWindow.postMessage进行iframe与内容脚本间的通信，再通过runtime.sendMessage通知扩展页面获取新消息。 -
后台页面保活策略
实现了多种技术手段来保持后台页面活跃，防止其意外终止。 -
及时发布更新
快速发布了Search by Image 8.0.1版本，专门针对Safari 18的兼容性问题进行了修复。
对开发者的建议
针对Safari扩展开发，建议开发者：
- 密切关注Safari每个版本的发布说明和已知问题
- 建立完善的自动化测试体系，尽早发现兼容性问题
- 考虑实现多种通信机制作为后备方案
- 对关键功能进行多浏览器兼容性测试
- 保持与用户社区的沟通，及时获取问题反馈
未来展望
虽然目前Search by Image已经通过8.0.1版本解决了Safari 18的兼容性问题，但Safari浏览器在Web扩展支持方面的稳定性问题仍然令人担忧。开发者需要持续关注Safari的更新动态，并为可能的新问题做好准备。同时，也期待浏览器厂商能够更加重视扩展生态的稳定性，减少破坏性更新的频率。
对于普通用户而言，及时更新扩展程序到最新版本是确保功能正常使用的最佳方式。Search by Image团队承诺将继续维护产品，为用户提供稳定可靠的图片搜索体验。
相关内容推荐
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
unified-cache-managementUnified Cache Manager（推理记忆数据管理器），是一款以KV Cache为中心的推理加速套件，其融合了多类型缓存加速算法工具，分级管理并持久化推理过程中产生的KV Cache记忆数据，扩大推理上下文窗口，以实现高吞吐、低时延的推理体验，降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
- Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型，并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型，它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色，旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
项目优选
docs
kernel
pytorch
ops-math
openHiTLS
flutter_flutter
ohos_react_native
RuoYi-Vue3
cangjie_compilerCangjie-Examples