Pixie项目macOS CLI版本签名问题分析与解决
在Pixie项目的持续集成过程中,开发团队遇到了一个关于macOS平台命令行工具(CLI)版本签名的问题。这个问题直接影响了项目的发布流程,需要技术团队深入理解macOS应用签名机制的变化并找到合适的解决方案。
问题背景
Pixie项目在构建macOS平台的CLI工具时,使用了名为gon的工具进行代码签名和公证(notarization)流程。然而在最近的构建过程中,系统报错显示:"Notarization of MacOS applications using altool has been decommissioned. Please use notarytool"。
这个错误表明Apple已经弃用了原有的altool公证工具,转而推荐使用新的notarytool工具。这一变化是Apple对开发者工具链进行现代化改造的一部分,旨在提供更高效、更安全的代码签名和公证流程。
技术分析
macOS应用签名和公证是确保应用安全性的重要环节。签名验证应用的来源和完整性,而公证则是Apple对应用进行额外安全检查的过程。在macOS生态中,这一流程经历了几个阶段的演变:
- 传统签名工具:早期使用codesign进行签名,配合altool进行公证
- 过渡阶段:Apple开始推荐使用notarytool替代altool
- 当前阶段:altool已被完全弃用,强制使用notarytool
notarytool相比altool有几个显著优势:
- 更快的公证速度
- 更简洁的命令行接口
- 更好的错误报告
- 支持更现代的认证方式
解决方案
针对这一问题,Pixie团队采取了以下解决方案:
-
移除对gon工具的依赖:由于gon工具已不再维护,且其内部仍使用已被弃用的altool,团队决定完全迁移到Apple官方推荐的notarytool
-
重构构建脚本:
- 使用xcrun notarytool代替原有的公证流程
- 保持codesign进行基础签名
- 实现新的zip打包逻辑
-
自动化流程优化:
- 简化证书管理
- 改进错误处理机制
- 增加公证状态检查
实施细节
在实际实施过程中,团队需要注意以下几个技术要点:
-
证书配置:确保在CI环境中正确配置了开发者证书和公证凭证
-
时间戳服务:签名时需要指定合适的时间戳服务URL,确保签名长期有效
-
公证提交:正确构造提交包,包含所有必要的元数据
-
结果查询:实现自动化的公证结果查询机制,避免阻塞构建流程
经验总结
通过解决这一问题,Pixie团队获得了以下宝贵经验:
-
及时跟进平台变化:Apple开发者工具链更新频繁,需要保持对官方文档的关注
-
工具链简化:直接使用平台原生工具往往比第三方封装更可靠
-
构建流程弹性:CI/CD流程应该能够适应工具链的变化,避免过度依赖特定工具
-
安全实践:代码签名和公证流程是应用安全的基础,需要认真对待
这一问题的解决不仅恢复了Pixie项目的正常发布流程,也为团队未来处理类似平台迁移问题积累了经验。同时,新的公证流程更加高效可靠,为项目的持续交付提供了更好的基础。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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