Shorebird项目iOS通知服务扩展构建失败问题分析与解决
问题背景
在使用Shorebird构建工具进行iOS应用发布时,开发人员遇到了一个与Firebase通知服务扩展(NotificationService Extension)相关的构建问题。当应用包含Firebase云消息通知服务扩展时,使用Shorebird release命令构建的IPA文件在上传到App Store时会失败,而普通的Flutter构建则能成功上传。
错误现象
构建过程中出现的错误信息表明,应用扩展包(NotificationService.appex)的Info.plist文件中缺少必需的CFBundleVersion键值。具体错误包括:
- 资产验证失败:通知服务扩展包无效,Info.plist文件缺少CFBundleVersion键
- 缺少Info.plist值:通知服务扩展包中必须提供CFBundleVersion键的值
问题根源分析
经过深入调查,发现这个问题主要由以下几个因素共同导致:
-
版本号继承问题:通知服务扩展没有正确继承主应用的版本号和构建号。在Xcode项目中,扩展目标需要显式设置MARKETING_VERSION和CURRENT_PROJECT_VERSION,或者通过xcconfig文件继承这些值。
-
构建工具差异:使用Xcode直接构建时,Xcode会自动处理扩展的版本号设置;而通过Shorebird命令行工具构建时,这部分逻辑需要手动配置。
-
Fastlane工具变更:从gym工具切换到altool工具后,不再自动处理扩展版本号的更新。
解决方案
要解决这个问题,需要采取以下步骤:
1. 移除错误的flavor配置
在shorebird.yaml文件中,不应将NotificationService列为flavor。这是早期版本的一个错误配置,正确的shorebird.yaml文件不应包含通知服务扩展作为flavor。
2. 配置xcconfig文件
确保通知服务扩展目标的xcconfig文件正确包含必要的配置。扩展的xcconfig文件应该包含以下内容:
#include "Pods/Target Support Files/Pods-NotificationService/Pods-NotificationService.debug.xcconfig"
#include "Flutter/Generated.xcconfig"
3. 显式设置版本信息
在扩展的Info.plist文件中,需要显式设置CFBundleVersion和CFBundleShortVersionString,确保它们的值与主应用的Info.plist中的值一致。
4. 使用正确的构建变量
在Xcode中,将扩展的MARKETING_VERSION设置为$(FLUTTER_BUILD_NAME),确保它能正确获取Flutter构建时传入的版本号。
实施建议
-
对于新项目,建议在创建通知服务扩展时就按照上述方案进行配置。
-
对于已有项目出现此问题,建议:
- 检查并修正shorebird.yaml文件
- 验证扩展的xcconfig文件配置
- 确保Info.plist中的版本信息设置正确
- 测试构建流程是否恢复正常
总结
Shorebird构建工具与iOS通知服务扩展的集成问题主要源于版本号配置的继承和传递机制。通过正确配置xcconfig文件和显式设置版本信息,可以确保扩展包在构建过程中获得正确的版本号,从而解决上传失败的问题。这一解决方案不仅适用于Firebase通知服务扩展,也适用于其他类型的应用扩展。
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 StartedRust0201
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 Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07