mas-cli项目v2.2.2版本发布:增强应用目录安全限制
mas-cli是一个用于在macOS终端中管理Mac App Store应用的开源命令行工具。它允许开发者通过简单的命令完成应用的搜索、安装、更新等操作,极大提升了工作效率。最新发布的v2.2.2版本主要针对应用交互目录进行了安全限制,同时包含多项内部优化改进。
核心安全改进:限制应用交互目录范围
本次更新的核心改进是对应用交互目录进行了严格限制。现在mas-cli只会处理位于以下两个目录中的应用:
- 标准的/Applications目录
- Mac App Store(MAS)指定的大容量应用驱动器
这项改进有效防止了潜在的安全风险,避免了工具可能对系统其他位置应用的误操作。对于企业级用户或需要管理多台设备的开发者而言,这一改变显著提升了工具使用的安全性。
内部架构优化
除了安全限制外,v2.2.2版本还包含多项内部架构优化:
-
构建系统调整:现在明确要求所有依赖项必须通过Brewfile安装,且仅支持在macOS 13及以上版本构建,这简化了开发环境配置流程。
-
时间显示优化:info命令现在会使用本地时区显示日期信息,提高了时间相关信息的可读性。
-
错误提示改进:对MASError.notSupported错误的描述进行了优化,使开发者能更清晰地理解错误原因。
-
代码风格统一:项目全面采用tab缩进替代空格缩进,统一了代码风格,提升了代码可维护性。
-
缓存处理简化:移除了自2021年起就不再使用的缓存文件夹相关逻辑,简化了代码结构。
-
包标识符更新:将包标识符从com.mphys.mas-cli更新为io.github.mas-cli,更符合当前项目托管位置。
-
网络模块重构:简化了网络相关代码,提高了网络请求的稳定性和效率。
开发者体验提升
这些改进虽然大多是内部调整,但对开发者体验有显著提升:
- 更清晰的错误提示减少了调试时间
- 统一的代码风格便于贡献者参与开发
- 简化的网络模块降低了维护成本
- 明确的构建要求避免了环境配置问题
对于终端用户而言,最直接的感受将是工具运行更加稳定,特别是在处理Mac App Store应用时的安全性得到了增强。
mas-cli项目团队持续关注工具的安全性和可用性,v2.2.2版本的发布再次体现了这一点。开发者可以放心升级到这个版本,享受更安全、更稳定的命令行应用管理体验。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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