Hammerspoon在macOS Sonoma中获取WiFi网络信息异常问题解析
问题背景
近期有用户反馈在升级到macOS Sonoma 14.2.1系统后,Hammerspoon的WiFi模块功能出现异常。具体表现为hs.wifi.currentNetwork()方法始终返回nil,无法正确获取当前连接的WiFi网络信息。经过技术分析,这实际上是macOS Sonoma系统权限机制变更导致的兼容性问题。
技术分析
在macOS Sonoma系统中,苹果对系统隐私权限管理进行了重要调整。特别是对于网络位置信息的访问,现在需要明确授权才能获取。这一变更影响了包括Hammerspoon在内的多个应用程序获取WiFi网络信息的能力。
具体表现为:
hs.wifi.currentNetwork()方法始终返回nil- 虽然
hs.wifi.availableNetworks()可以列出可用网络 hs.wifi.interfaces()也能正确显示网络接口
解决方案
要解决此问题,需要为Hammerspoon授予位置服务权限:
- 打开系统设置中的"隐私与安全性"面板
- 选择"定位服务"选项
- 在应用列表中找到Hammerspoon
- 勾选允许访问位置信息的选项
授权完成后,Hammerspoon的WiFi模块功能将恢复正常,hs.wifi.currentNetwork()方法可以正确返回当前连接的WiFi网络名称。
技术原理
macOS Sonoma加强了对用户隐私的保护,将WiFi网络信息归类为位置数据。这是因为WiFi网络SSID和BSSID等信息可以用于设备定位。因此,任何需要访问这些信息的应用程序都必须获得用户的明确授权。
Hammerspoon作为系统增强工具,其WiFi模块功能依赖于这些底层API。当权限不足时,系统会返回空值而不是真实数据,这是macOS的隐私保护机制在起作用。
最佳实践建议
对于开发者而言,在使用Hammerspoon开发涉及网络信息的脚本时,应该:
- 提前检查权限状态
- 在权限不足时给出明确的提示
- 考虑添加自动跳转到系统设置的功能
- 在文档中明确说明权限需求
对于普通用户,如果发现WiFi相关功能异常,首先应该检查应用程序的权限设置,确保Hammerspoon获得了必要的位置服务授权。
总结
macOS系统的每次重大更新都可能带来API行为的变化,开发者需要及时关注这些变更。Hammerspoon社区已经确认了此问题的解决方案,用户只需按照上述步骤授予权限即可恢复正常使用。这体现了现代操作系统在用户体验和隐私保护之间的平衡,也提醒开发者需要适应不断变化的安全环境。
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