Electron Builder v25.0.0 在打包 macOS 通用应用时的架构冲突问题解析
问题背景
Electron Builder 是一个流行的 Electron 应用打包工具,在最新发布的 25.0.0 版本中,开发者在尝试打包 macOS 通用应用(Universal App,即同时支持 x64 和 arm64 架构)时遇到了一个关键问题。当应用包含原生依赖(如 node-pty 模块)时,打包过程会失败,并显示错误信息:"the same architectures can't be in the same fat output file"。
问题现象
具体表现为:
- 使用 electron-builder 25.0.0 版本
- 打包目标设置为 universal
- 应用包含原生依赖(如 node-pty)
- 打包过程中出现 lipo 工具错误,提示两个文件具有相同的 arm64 架构,无法合并
技术分析
这个问题源于 electron-builder 与 @electron/rebuild 的集成方式变更。在 macOS 通用应用的打包过程中,electron-builder 需要:
- 分别构建 x64 和 arm64 架构的应用
- 使用 macOS 的 lipo 工具将两个架构的二进制文件合并为通用二进制文件
问题的核心在于 @electron/rebuild 在处理原生依赖时的行为。在 25.0.0 版本中,缺少了关键的 disablePreGypCopy 配置选项,导致:
- 在构建 x64 架构时,错误地将 arm64 架构的二进制文件也复制过来
- 当尝试合并两个架构时,lipo 工具发现两个文件都包含 arm64 架构,无法完成合并
解决方案
Electron Builder 团队在 25.0.1 版本中修复了这个问题,主要变更包括:
- 在 @electron/rebuild 的配置中强制设置了 disablePreGypCopy: true
- 确保在构建不同架构时,原生依赖能够正确地为每个架构单独构建
- 更新了相关测试用例,确保类似问题不会再次出现
开发者应对建议
对于遇到此问题的开发者,可以采取以下措施:
- 升级到 electron-builder 25.0.1 或更高版本
- 如果暂时无法升级,可以使用 nativeRebuilder: "legacy" 配置回退到旧版重建器
- 检查项目中的原生依赖是否都支持多架构构建
技术深度解析
macOS 通用二进制文件(Universal Binary)是苹果公司引入的一种特殊格式,允许单个二进制文件包含多个架构的代码。electron-builder 利用这一特性实现了一次打包同时支持 Intel 和 Apple Silicon 处理器的应用。
在底层实现上,electron-builder 使用 lipo 工具来合并不同架构的二进制文件。当原生依赖处理不当时,会导致架构信息混乱,这正是本次问题的根源。
总结
Electron Builder 25.0.1 版本修复了 macOS 通用应用打包时的架构冲突问题,确保了包含原生依赖的应用能够正确构建。这一改进对于需要支持多种 macOS 架构的 Electron 应用开发者尤为重要,保证了应用的兼容性和性能表现。
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