Raycast脚本命令在macOS Sequoia中清除通知失效问题分析
2025-06-03 11:19:49作者:滕妙奇
问题背景
在macOS Sequoia 15.1系统中,用户报告使用Raycast的"dismiss-notifications"脚本命令时出现错误。该脚本原本设计用于快速清除系统通知,但在新系统版本中无法正常工作,返回错误提示无法获取通知中心窗口中的特定UI元素。
错误现象
执行脚本时系统返回以下错误信息:
System Events got an error: Can't get scroll area 1 of group 1 of window "Notification Center" of process "NotificationCenter". Invalid index. (-1719)
经过检查发现,在Sequoia系统中:
- 通知中心窗口确实存在
- 窗口内包含1个组元素
- 该组元素内仅有1个UI元素
- 该UI元素中没有任何可用操作
技术分析
1. 系统版本差异
从用户反馈来看,该脚本在升级到Sequoia系统前可以正常工作。这表明苹果在新系统中可能修改了通知中心的UI结构或访问方式。
2. 本地化问题
虽然最初怀疑可能是本地化问题(如英式英语中的"NotificationCentre"拼写差异),但实际测试发现即使使用正确的窗口名称,脚本仍然无法找到预期的UI元素进行操作。
3. UI交互变化
更可能的原因是Sequoia系统中:
- 通知中心的"清除所有"按钮现在只在鼠标悬停时显示
- 苹果可能限制了自动化脚本对这些UI元素的访问权限
- 通知中心的内部结构发生了改变,导致原有脚本定位元素的方式失效
解决方案探索
1. 替代脚本方案
研究发现,通过模拟点击每个通知的关闭按钮仍可实现清除功能。一个可行的替代方案是:
tell application "System Events"
tell process "NotificationCenter"
repeat with theItem in every UI element of group 1 of window "Notification Center"
try
click (first button of theItem whose description is "close")
end try
end repeat
end tell
end tell
注意:此方法需要逐个关闭通知,速度较慢但可靠性较高。
2. 系统版本适配建议
对于不同macOS版本,建议:
- 为脚本添加版本检测逻辑
- 针对不同系统版本使用不同的UI元素定位方式
- 在脚本注释中明确说明兼容性范围
最佳实践建议
- 测试环境:开发此类系统交互脚本时,应在多个macOS版本上进行测试
- 错误处理:添加完善的错误捕获和处理逻辑
- 用户提示:当脚本检测到不兼容环境时,应给出明确的提示而非技术性错误
- 性能优化:对于需要逐个操作UI元素的脚本,考虑添加进度反馈
结论
macOS系统更新经常带来API和UI结构的变化,这要求自动化脚本需要定期维护更新。对于通知中心这类系统组件,开发者应关注苹果每年的WWDC更新内容,提前做好适配准备。目前阶段,用户可考虑使用逐个关闭通知的替代方案,或等待官方更新兼容Sequoia系统的脚本版本。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218