Multi-Account Containers扩展在Firefox 136版本中的菜单项处理问题解析
问题背景
Mozilla Firefox的多账户容器扩展(Multi-Account Containers)是一个强大的工具,它允许用户在不同的容器中隔离浏览会话。然而,随着Firefox 136版本的发布,该扩展开始在控制台输出大量错误信息,影响了开发者和用户的体验。
技术细节分析
在Firefox 136版本中,Mozilla对浏览器扩展API进行了重要变更,特别是针对menus.remove和menus.update方法的行为进行了调整。在之前的版本中,尝试删除不存在的菜单项时会静默成功,而新版本则会明确抛出错误。
Multi-Account Containers扩展中的assignManager.js文件存在以下两个关键问题:
-
异步处理不足:代码直接调用
browser.contextMenus.remove(...)而没有使用await关键字,导致错误无法被正确捕获和处理。 -
前置检查缺失:代码在删除菜单项前没有验证这些菜单项是否存在,直接尝试删除,这在Firefox 136中会触发错误。
错误表现
在控制台中可以看到如下典型的错误信息:
Uncaught (in promise) Error: Cannot find menu item with id open-in-this-container
Uncaught (in promise) Error: Cannot find menu item with id remove-open-in-this-container
Uncaught (in promise) Error: Cannot find menu item with id separator
...
这些错误虽然不会影响扩展的核心功能,但会造成控制台的日志污染,可能干扰开发者调试其他问题。
解决方案建议
针对这个问题,开发者可以考虑以下改进方案:
-
错误捕获:在调用
contextMenus.remove时添加.catch(() => {})来静默处理不存在的菜单项错误。 -
存在性检查:在删除菜单项前,先使用
contextMenus.getAll方法检查菜单项是否存在。 -
异步处理改进:确保所有异步操作都正确使用
await关键字,避免未处理的Promise拒绝。
影响范围
这个问题主要影响:
- 开发者调试体验
- 浏览器控制台的整洁度
- 扩展的日志分析
值得注意的是,这个问题不会影响普通用户的日常使用体验,也不会影响扩展的核心功能。
总结
Firefox 136对扩展API行为的改变暴露了Multi-Account Containers扩展中菜单项处理的一些潜在问题。虽然这些问题不会造成功能上的缺陷,但良好的错误处理是高质量代码的重要标志。开发者应该考虑更新代码以适应新的API行为,同时提高代码的健壮性。
对于普通用户来说,这些控制台错误可以安全忽略,等待扩展的下一个版本更新即可解决这个问题。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C036
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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