Scoop Extras 中 CherryTree 软件更新路径错误问题分析
问题背景
在 Windows 包管理工具 Scoop 的 extras 仓库中,CherryTree 笔记软件的 1.5.0 版本更新时出现了一个路径配置错误。该问题导致用户在通过 Scoop 更新 CherryTree 时,安装过程会部分失败。
错误现象
当用户执行 scoop update * 命令尝试更新所有已安装软件时,CherryTree 从 1.4.0.0 版本升级到 1.5.0.0 版本的过程中会出现以下错误:
- 下载和校验新版本压缩包顺利完成
- 卸载旧版本操作正常完成
- 新版本解压过程也正常
- 但在创建程序快捷方式(shim)时失败
具体错误信息显示系统无法找到 mingw64\bin\cherrytree.exe 文件路径,导致整个更新过程无法完成。
问题根源
经过分析,这个问题是由于 CherryTree 1.5.0.0 版本的 Scoop 清单文件(manifest)中配置了错误的二进制文件路径所致。新版本的 CherryTree 实际上将其可执行文件放在了 ucrt64\bin\ 目录下,但清单文件中仍然指向了旧的 mingw64\bin\ 路径。
解决方案
该问题已通过修改 Scoop extras 仓库中的 CherryTree 清单文件得到修复。修正后的清单文件将二进制文件路径从 mingw64\bin\cherrytree.exe 更新为正确的 ucrt64\bin\cherrytree.exe。
对于已经遇到此问题的用户,可以采取以下步骤修复:
- 确保 Scoop 和 extras 仓库更新到最新版本
- 手动删除 CherryTree 的残留安装文件
- 重新安装 CherryTree
技术细节
这个问题展示了 Scoop 包管理系统中清单文件配置的重要性。清单文件中的路径必须与实际软件包中的文件结构完全匹配,否则会导致安装或更新失败。特别是在软件更新时,如果软件的内部目录结构发生了变化,清单文件必须相应更新。
对于 CherryTree 这个案例,从 1.4.0 到 1.5.0 的更新中,开发团队似乎改变了其 Windows 版本的编译环境,从 MinGW-w64 切换到了 UCRT64 运行时环境,这导致了二进制文件存放路径的变化。
预防措施
为了避免类似问题,Scoop 维护者在更新软件包时应该:
- 仔细检查新版本软件的实际文件结构
- 对比新旧版本的目录差异
- 在本地测试清单文件的修改效果
- 确保路径配置与实际文件结构完全一致
对于用户来说,遇到类似更新问题时,可以:
- 检查错误信息中提到的路径是否存在于解压后的文件夹中
- 报告问题时提供完整的错误日志
- 暂时回滚到上一个可用版本等待修复
总结
Scoop extras 仓库中 CherryTree 的更新路径错误问题是一个典型的软件包配置与实际情况不匹配的案例。通过及时修正清单文件中的路径配置,可以确保用户能够顺利更新和使用最新版本的软件。这也提醒我们,在软件打包和分发过程中,对文件结构的任何变更都需要同步更新相关的配置信息。
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