Electron-Builder 中为 macOS 子进程配置独立权限的解决方案
在基于 Electron 开发跨平台应用时,开发者经常会遇到需要集成原生模块或子进程的情况。本文针对 Electron-Builder 项目中一个典型场景展开讨论:当主 Electron 应用需要调用一个 Go 编写的子进程时,如何为这个子进程单独配置 macOS 特有的权限(entitlements),而不影响主应用的权限配置。
问题背景
在 macOS 系统中,某些敏感功能需要应用声明特定的权限(entitlements)才能使用。例如,com.apple.developer.endpoint-security.client 权限就是端点安全相关功能所需的特殊权限。当 Electron 应用需要调用一个具有特殊权限需求的 Go 子进程时,直接为整个 Electron 应用配置这些权限可能会带来不必要的安全风险。
技术挑战
Electron-Builder 默认会将相同的权限配置应用到整个应用包(包括所有二进制文件)。这导致以下技术难点:
- 主 Electron 进程和 Go 子进程需要不同的权限配置
 - 需要确保权限配置只应用于特定二进制文件
 - 需要保持签名过程的完整性
 
解决方案
Electron-Builder 从 24.12.0 版本开始引入了 sign 钩子功能,允许开发者为不同的文件指定不同的签名选项。这是解决上述问题的关键技术点。
实现步骤
- 
创建自定义签名脚本:在项目中创建一个 JavaScript 文件(如
customSign.js) - 
实现文件区分逻辑:在脚本中检查文件路径,为特定文件返回不同的权限配置
 - 
配置 Electron-Builder:在配置文件中指定使用自定义签名脚本
 
示例代码
以下是经过验证的实现方案:
const path = require('path');
const { sign } = require('app-builder-lib/out/codeSign/macCodeSign');
module.exports = async function signHook(config, packager) {
  const originalOptionsForFile = config.optionsForFile;
  
  config.optionsForFile = (filePath) => {
    if (filePath.endsWith('/your-go-binary')) {
      return {
        entitlements: path.resolve('./path/to/special.entitlements'),
        hardenedRuntime: true
      };
    }
    return originalOptionsForFile ? originalOptionsForFile(filePath) : undefined;
  };
  await sign(config, packager);
};
配置说明
在 electron-builder.yml 中配置:
mac:
  sign: ./customSign.js
  hardenedRuntime: true
  entitlements: ./path/to/default.entitlements
注意事项
- 
权限文件路径:确保权限文件路径正确,建议使用绝对路径或相对于项目根目录的路径
 - 
签名顺序:Electron-Builder 会先签名主应用,然后处理额外文件
 - 
测试验证:使用
codesign -dv --entitlements :- <path-to-binary>命令验证权限是否应用正确 - 
版本兼容性:此方案需要 Electron-Builder 24.12.0 或更高版本
 
最佳实践
- 
最小权限原则:只为必要的二进制文件配置最小必需的权限
 - 
权限文件管理:将不同权限需求的文件分类存放,便于管理
 - 
文档记录:详细记录每个权限的用途和配置原因
 - 
自动化测试:在 CI/CD 流程中加入权限验证步骤
 
通过这种方案,开发者可以灵活地为 Electron 应用中的不同组件配置适当的 macOS 权限,既满足了功能需求,又遵循了安全最佳实践。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
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
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).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00