Sparkle项目2.7.0版本发布:解压优化与本地化增强
项目简介
Sparkle是一个广泛应用于macOS平台的开源软件更新框架,它允许开发者轻松地为应用程序添加自动更新功能。作为macOS生态中最受欢迎的更新框架之一,Sparkle提供了完整的更新解决方案,包括版本检查、下载、验证和安装等全流程功能。
2.7.0版本核心改进
解压器与验证机制优化
本次更新对Sparkle的解压和验证子系统进行了多项重要改进:
-
DMG处理性能提升:移除了对DMG存档的旧校验和验证检查,显著提高了提取速度。同时优化了磁盘映像的提取进度显示,并跳过了辅助文件的提取过程。
-
安全性增强:引入了随机化下载存档名称的机制,增加了安装过程中执行文件的安全性。对于需要密码的DMG文件,改进了提取过程的健壮性。
-
新格式支持:新增了对Apple Archives(.aar文件)的支持,这需要启用SUVerifyUpdateBeforeExtraction选项,并且要求系统版本为macOS 10.15或更高。
-
兼容性修复:针对macOS 15之前的系统版本,增加了对ZIP文件提取失败的自动重试机制,解决了管道传输可能导致的提取问题。
二进制差异更新格式升级
2.7.0版本引入了全新的BinaryDelta格式(版本4),带来了以下改进:
-
元数据保留:在创建和应用差异更新时,现在能够保留bundle的创建日期信息。
-
性能优化:采用更快的crc32哈希算法,显著提升了差异更新的处理效率。
-
默认格式变更:版本4现已成为BinaryDelta的默认格式,开发者需要注意兼容性问题。
本地化与用户界面改进
-
多语言支持:更新了荷兰语、德语、希伯来语和日语的本地化内容,特别是为希伯来语添加了从右到左的字符支持。
-
布局优化:调整了匿名系统配置文件信息的布局,使其与面板其他UI元素更好地对齐。同时修复了状态文本字段的水平拥抱优先级问题。
-
错误修复:解决了当应用程序被转置或在只读挂载上时,恢复错误建议不显示的问题。
开发者注意事项
-
自定义版本比较器:2.7.0版本开始弃用自定义版本比较器功能,开发者应逐步迁移到标准版本比较方式。
-
安全增强:新增了SUVerifyUpdateBeforeExtraction选项,允许强制在提取前验证更新,提高了安全性但可能影响性能。
-
根用户处理:sparkle-cli工具现在会跳过root用户的预检更新检查,避免权限相关问题。
-
进程稳定性:修复了应用程序在更新提示显示前被移动时可能导致的断言/崩溃问题。
技术细节深入
对于使用generate_appcast工具的开发者,本次更新改进了私钥处理的相关错误消息,使其更加清晰易懂。同时明确了API文档中关于默认通道必须包含在允许通道集中的要求。
在网络请求方面,现在使用NSURLRequest的默认超时间隔(当前为60秒)作为下载器的超时设置,提供了更一致的网络行为。
总结
Sparkle 2.7.0版本通过解压器优化、新差异更新格式和本地化改进,为macOS应用程序的自动更新体验带来了显著提升。开发者应特别注意新BinaryDelta格式的兼容性要求,并根据项目需求评估是否启用新的验证选项。这些改进不仅提高了更新过程的可靠性和安全性,也为全球用户提供了更好的本地化体验。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00