CEF项目Alloy引导程序的移除与迁移指南
背景介绍
CEF(Chromium Embedded Framework)项目在M125版本中对其Alloy运行时进行了重大重构,将其拆分为样式和引导程序两个独立组件。这一变化使得开发者现在可以在使用Chrome引导程序的同时创建Alloy样式的浏览器窗口。随着M128版本的发布,Alloy引导程序已被正式标记为废弃并最终移除。
技术演进
在M125版本之前,CEF支持两种引导程序:Chrome引导程序和Alloy引导程序。Alloy引导程序主要用于外部(原生)父窗口和无窗口(离屏)渲染等场景。从M125开始,开发者可以在使用Chrome引导程序的情况下创建Alloy样式的浏览器,这为最终移除Alloy引导程序代码铺平了道路。
迁移路径
窗口化应用迁移
对于使用Alloy样式的窗口化应用,建议迁移到Chrome样式,因为它提供了更丰富的默认功能。迁移方法很简单,只需在调用CefInitialize之前设置CefSettings.chrome_runtime = true即可。
保持Alloy样式的迁移
如果需要在保持Alloy样式的同时迁移到Chrome引导程序,则需要以下步骤:
- 在调用CefInitialize之前设置CefSettings.chrome_runtime = true
- 根据具体使用场景进行额外配置:
- 外部父窗口:在调用CefBrowserHost::CreateBrowser之前设置CefWindowInfo.runtime_style = CEF_RUNTIME_STYLE_ALLOY
- 无窗口渲染:Alloy样式为默认选项
- Views框架:在CefWindowDelegate::GetWindowRuntimeStyle和CefBrowserViewDelegate::GetBrowserRuntimeStyle中返回CEF_RUNTIME_STYLE_ALLOY
行为差异
Chrome引导程序+Alloy样式的组合与原来的Alloy引导程序在以下方面存在显著差异:
- 默认支持Chrome错误页面
- DevTools弹出窗口仅支持Chrome样式(不支持无窗口模式)
- 不再支持Alloy扩展API(M128版本已移除),Chrome样式浏览器/窗口支持Chrome扩展API
已知问题
在Chrome引导程序+Alloy样式的组合中,开发者需要注意以下已知问题:
- 文档画中画API无法针对单个浏览器禁用,开发者可以选择让API调用失败或使用默认Alloy样式打开窗口
- 某些资源路径设置可能需要额外处理
- 无窗口渲染模式下,主方法需要运行在TID_UI线程上
测试建议
开发者可以使用CEF示例应用程序(Windows/MacOS上的cefclient,Linux上的cefsimple)来测试不同配置组合。通过添加各种命令行标志可以启用或禁用特定功能,例如:
- --enable-chrome-runtime:启用Chrome引导程序
- --disable-chrome-runtime:禁用Chrome引导程序(使用Alloy引导程序)
- --use-alloy-style:启用Alloy样式
- --off-screen-rendering-enabled:启用无窗口渲染
- --use-native:使用外部(原生)父窗口
总结
CEF项目移除Alloy引导程序是框架演进的重要一步,这一变化使得架构更加清晰,同时保持了向后兼容性。开发者需要根据自身应用的特点选择合适的迁移路径,特别注意不同样式和引导程序组合的行为差异。对于遇到的特定问题,可以通过命令行参数或API调用来进行针对性处理。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01