yabai 项目中关于窗口查询异常的技术分析
2025-05-07 07:56:08作者:咎竹峻Karen
问题背景
在 macOS 窗口管理工具 yabai 的使用过程中,发现了一个关于窗口查询的异常现象。当使用 yabai -m query --windows --space X 命令查询特定空间的窗口时,会返回一些实际上并不属于该空间的窗口对象。这种情况主要出现在 Microsoft Teams 和 Outlook 等微软系应用程序的某些特殊窗口上。
现象描述
通过命令行查询空间4的窗口时,返回的结果中包含了实际位于空间7的两个 Microsoft Teams 窗口。这两个窗口具有以下特征:
- 窗口标题分别为"Sharing Indicator"和"Sharing control bar | Microsoft Teams"
- 窗口子角色(subrole)为"AXSystemDialog"
- 窗口层级(level)异常高(2147483631和24)
- 窗口框架(frame)覆盖整个屏幕或部分区域
技术原因分析
这种现象的根本原因在于 macOS 系统本身的窗口管理机制。yabai 在查询窗口时,实际上是调用了 macOS 的原生 API:
CFArrayRef window_list_ref = SLSCopyWindowsWithOptionsAndTags(g_connection, cid, space_list_ref, options, &set_tags, &clear_tags);
微软应用程序的这些特殊窗口设置了特殊的集合行为(Collection Behavior)和窗口样式掩码(StyleMask)。具体表现为:
- 这些窗口可能设置了
NSWindowCollectionBehaviorCanJoinAllSpaces标志,使其能够出现在所有空间中 - 作为系统对话框(AXSystemDialog),它们具有特殊的显示优先级
- 异常高的窗口层级表明它们需要保持在最前端显示
解决方案
在 yabai 的最新主分支中,已经对这些窗口做了特殊处理,将它们标记为"粘性窗口"(is-sticky: true)。用户可以通过以下方式处理这些窗口:
- 使用 jq 工具进行二次过滤:
yabai -m query --windows --space 4 | jq -r ".[] | select (.space == 4)"
-
检查窗口的 is-sticky 属性并过滤掉粘性窗口
-
等待包含此修复的正式版本发布
最佳实践建议
对于开发者和高级用户,在处理窗口查询结果时,建议:
- 始终验证窗口的 space 属性是否与查询条件匹配
- 对特殊子角色(AXSystemDialog等)的窗口进行特别处理
- 注意检查窗口的 collection behavior 相关属性
- 考虑窗口的 level 和 sub-level 属性对显示行为的影响
这种设计实际上是 macOS 系统的一种特性而非缺陷,它允许某些需要全局可见的系统窗口(如屏幕共享指示器、输入法等)能够跨越空间边界显示。yabai 作为窗口管理工具,需要在这种系统特性和用户期望之间找到平衡点。
登录后查看全文
热门项目推荐
相关项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
137
169
React Native鸿蒙化仓库
JavaScript
234
309
暂无简介
Dart
598
130
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
630
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
681
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
615
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
197
74
仓颉编程语言测试用例。
Cangjie
36
680