Carthage项目在Xcode 16 Beta中遇到的构建问题解析
在Xcode 16.0 Beta版本中,Carthage项目遇到了一个与iOS平台构建相关的特殊问题。当开发者尝试构建Alamofire等依赖库时,系统会报出"no shared framework schemes"错误,同时EFFECTIVE_PLATFORM_NAME构建设置中包含了-maccatalyst参数。
问题本质
这个问题的根源在于Xcode 16 Beta版本的构建系统行为发生了变化。在查询项目构建设置时,EFFECTIVE_PLATFORM_NAME参数意外地包含了Mac Catalyst相关的标识符,而实际上Carthage并不需要也不支持Mac Catalyst构建。
技术背景
EFFECTIVE_PLATFORM_NAME是Xcode构建系统中的一个重要参数,它标识了当前构建的目标平台。正常情况下,对于纯iOS构建,这个参数应该只包含iOS相关标识。但在Xcode 16 Beta中,即使明确指定了iOS scheme,这个参数仍然会包含Mac Catalyst的标识符-maccatalyst。
解决方案
Carthage团队通过添加SUPPORTS_MACCATALYST=NO构建参数来明确告知构建系统不需要支持Mac Catalyst。这个解决方案虽然看起来像是绕过问题,但实际上非常合理,因为:
- Carthage的设计本身就不处理Mac Catalyst构建
- 这个参数不会影响正常的iOS构建过程
- 避免了构建系统错误地尝试Mac Catalyst相关配置
实施细节
修复方案是在构建命令中显式添加SUPPORTS_MACCATALYST=NO参数,位置在CARTHAGE=YES参数之前。这个修改确保了构建系统不会尝试任何Mac Catalyst相关的配置,从而避免了因平台标识混淆导致的构建失败。
注意事项
虽然这个修复已经验证有效,但开发者需要注意:
- 这仍然是针对Xcode Beta版本的临时解决方案
- Apple可能会在后续Xcode 16版本中修复这个构建系统问题
- 如果发现其他框架因此修改出现异常行为,应当及时报告
总结
这个问题展示了构建工具与Xcode新版本之间的兼容性挑战。Carthage团队通过深入分析构建系统行为,找到了既不影响现有功能又能解决问题的方案。对于开发者来说,理解这类问题的本质有助于更好地应对未来可能出现的类似兼容性问题。
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
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
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Python00
HunyuanVideo-1.5暂无简介00
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-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
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