Rocket.Chat React Native 项目在 Xcode 16 下的构建问题解决方案
问题背景
随着 macOS Sequoia 和 Xcode 16 的发布,Rocket.Chat React Native 项目在 iOS 平台上的构建遇到了多个技术障碍。这些问题主要涉及依赖库兼容性和构建配置方面,影响了开发者的正常开发流程。
核心问题分析
构建失败主要源于以下几个技术点:
-
WatermelonDB 头文件引用问题:Xcode 16 对头文件引用路径的处理更加严格,导致 WatermelonDB 的桥接头文件无法正确引用。
-
Bitcode 支持变更:Xcode 16 不再支持 Bitcode,而项目中某些依赖库仍包含 Bitcode 信息。
-
依赖库兼容性问题:特别是 react-native-image-crop-picker 和 expo-apple-authentication 这两个库存在与新 Xcode 版本的兼容性问题。
详细解决方案
WatermelonDB 头文件修复
需要修改 WatermelonDB 的 podspec 文件,调整头文件引用方式:
diff --git a/node_modules/@nozbe/watermelondb/WatermelonDB.podspec b/node_modules/@nozbe/watermelondb/WatermelonDB.podspec
index e9fea58..cfc33ee 100644
--- a/node_modules/@nozbe/watermelondb/WatermelonDB.podspec
+++ b/node_modules/@nozbe/watermelondb/WatermelonDB.podspec
@@ -14,7 +14,7 @@ Pod::Spec.new do |s|
s.source = { :git => "https://github.com/Nozbe/WatermelonDB.git", :tag => "v#{s.version}" }
s.source_files = "native/ios/**/*.{h,m,mm,swift,c,cpp}", "native/shared/**/*.{h,c,cpp}"
s.public_header_files = [
- 'native/ios/WatermelonDB/SupportingFiles/Bridging.h',
+ 'native/ios/**/*.h',
'native/ios/WatermelonDB/JSIInstaller.h',
]
s.requires_arc = true
Bitcode 处理方案
由于 Xcode 16 不再支持 Bitcode,需要手动移除依赖库中的 Bitcode 信息。在 Podfile 的 post_install 阶段添加以下脚本:
bitcode_strip_path = `xcrun --find bitcode_strip`.chop!
def strip_bitcode_from_framework(bitcode_strip_path, framework_relative_path)
framework_path = File.join(Dir.pwd, framework_relative_path)
command = "#{bitcode_strip_path} #{framework_path} -r -o #{framework_path}"
puts "Stripping bitcode: #{command}"
system(command)
end
framework_paths = [
"Pods/FBAEMKit/XCFrameworks/FBAEMKit.xcframework/ios-arm64/FBAEMKit.framework/FBAEMKit",
"Pods/FBSDKCoreKit/XCFrameworks/FBSDKCoreKit.xcframework/ios-arm64/FBSDKCoreKit.framework/FBSDKCoreKit",
"Pods/FBSDKCoreKit_Basics/XCFrameworks/FBSDKCoreKit_Basics.xcframework/ios-arm64/FBSDKCoreKit_Basics.framework/FBSDKCoreKit_Basics",
"Pods/FBSDKGamingServicesKit/XCFrameworks/FBSDKGamingServicesKit.xcframework/ios-arm64/FBSDKGamingServicesKit.framework/FBSDKGamingServicesKit",
"Pods/FBSDKLoginKit/XCFrameworks/FBSDKLoginKit.xcframework/ios-arm64/FBSDKLoginKit.framework/FBSDKLoginKit",
"Pods/FBSDKShareKit/XCFrameworks/FBSDKShareKit.xcframework/ios-arm64/FBSDKShareKit.framework/FBSDKShareKit",
"Pods/OpenSSL-Universal/Frameworks/OpenSSL.xcframework/ios-arm64_armv7/OpenSSL.framework/OpenSSL",
]
framework_paths.each do |framework_relative_path|
strip_bitcode_from_framework(bitcode_strip_path, framework_relative_path)
end
依赖库升级建议
将以下依赖库升级到最新版本:
- react-native-image-crop-picker 升级到 0.41.2 或更高版本
- expo-apple-authentication 升级到 6.4.2 或更高版本
临时兼容性修复
对于某些数据库操作函数,可能需要临时注释掉实现代码以避免编译错误:
// WatermelonDB+Extensions.swift
func query<T: Codable>(raw: SQL, _ args: QueryArgs = []) -> [T] {
return []
}
// Database.swift
func readRoomEncryptionKey(rid: String) -> String? {
return nil
}
func readRoomEncrypted(rid: String) -> Bool {
return false
}
实施步骤
- 应用上述所有修改
- 运行
pod install命令 - 处理可能出现的 TOCropViewController 相关错误
- 最后执行
yarn ios启动项目
技术原理
这些解决方案背后的技术原理包括:
-
头文件引用调整:通过扩大头文件搜索范围,确保编译器能找到所有必要的头文件。
-
Bitcode 移除:使用 Xcode 工具链中的 bitcode_strip 工具主动移除不再支持的 Bitcode 信息。
-
依赖升级:利用库作者针对新 Xcode 版本发布的兼容性更新。
注意事项
-
实施这些修改后,建议在团队内部进行充分测试,确保功能完整性。
-
数据库相关函数的临时修改可能会影响某些功能,应尽快寻找永久解决方案。
-
不同项目可能需要调整 framework_paths 中的路径列表,根据实际使用的依赖库进行调整。
-
建议关注 Rocket.Chat React Native 项目的官方更新,及时应用正式的兼容性修复。
通过以上技术方案,开发者可以在 Xcode 16 环境下顺利构建和运行 Rocket.Chat React Native 项目,同时为未来的正式兼容性更新做好准备。
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