Notes项目解决macOS构建中随机失败的DMG创建问题
在Notes项目的持续集成过程中,开发团队遇到了一个棘手的问题:macOS构建经常随机失败,特别是在使用create-dmg工具创建磁盘映像(DMG)文件时。这个问题不仅影响了开发效率,还增加了维护成本,因为需要频繁手动触发重建。
问题根源分析
经过深入调查,团队发现问题的根源在于macOS 13及以上版本中的XProtectBehaviorService服务。当create-dmg工具内部调用hdiutil命令时,可能会遇到"Resource busy"错误,导致构建失败。这种现象是随机的,因为XProtectBehaviorService的行为具有不确定性。
解决方案评估
团队考虑了三种可能的解决方案:
-
终止XProtectBehaviorService服务:在调用create-dmg或hdiutil前尝试终止该服务。然而,这种方法被证明不够可靠,因为服务可能随时重启。
-
以root权限运行:让hdiutil或create-dmg以管理员权限执行。这种方法在社区反馈中表现较好,没有明显的负面评价。
-
放弃DMG分发:改为分发压缩的.app文件夹。虽然技术上可行,但这会降低用户体验,因为DMG提供了更直观的安装方式(拖拽安装)。
最终实施方案
基于用户体验优先的原则,团队决定采用第二种方案——以root权限运行相关命令。这种方法既保持了现有的用户友好的DMG安装体验,又解决了构建过程中的随机失败问题。
技术实现细节
在GitHub Actions的workflow中,团队修改了构建脚本,使用sudo提升create-dmg的执行权限。关键修改包括:
- 确保构建环境中有足够的权限执行sudo命令
- 在调用create-dmg前添加sudo前缀
- 处理可能出现的权限相关问题
经验总结
这个案例展示了在持续集成环境中处理平台特定问题时的典型思考过程:
- 首先识别和确认问题的根本原因
- 评估各种解决方案的优缺点
- 选择对用户体验影响最小的方案
- 实施并验证解决方案的有效性
通过这种方法,Notes项目成功解决了macOS构建中的随机失败问题,同时保持了良好的用户体验。这个经验也为其他面临类似问题的项目提供了有价值的参考。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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