解决Periphery工具在Xcode构建脚本中的权限问题
Periphery是一款优秀的Swift代码静态分析工具,能够帮助开发者检测项目中未使用的代码。然而在实际使用过程中,很多开发者会遇到在Xcode构建脚本中运行Periphery时出现权限问题的困扰。
常见问题表现
当开发者通过Homebrew安装Periphery后,在终端直接运行periphery --scan命令时一切正常,但在Xcode的构建脚本中执行periphery scan --format xcode时,通常会遇到以下两种错误:
- 简单的"Command PhaseScriptExecution failed with a nonzero exit code"错误
- 更详细的权限错误,提示无法读取.periphery.yml配置文件
问题根源分析
这些问题的根本原因在于Xcode的沙盒安全机制。Xcode在运行构建脚本时会启用沙盒环境,严格限制脚本对文件系统的访问权限,特别是对用户主目录下的文件访问。
当Periphery尝试读取用户主目录下的配置文件(~/.periphery.yml)时,由于沙盒限制而无法访问,导致扫描失败。
解决方案
解决这个问题的关键在于让Periphery能够在Xcode的沙盒环境中正常运行。以下是具体解决方案:
-
修改构建脚本:在Xcode的构建脚本中,首先需要明确指定Periphery的完整路径
-
处理配置文件:将.periphery.yml配置文件从用户主目录移动到项目目录中,这样Xcode的沙盒环境就能正常访问
-
调整Xcode设置:在Xcode的Scheme设置中,为构建脚本添加适当的权限
具体实施步骤
-
将.periphery.yml配置文件从用户主目录(~/)复制到项目根目录
-
修改Xcode构建脚本内容如下:
cd "${SRCROOT}"
/opt/homebrew/bin/periphery scan --format xcode --config .periphery.yml
- 在Xcode中,选择Product > Scheme > Edit Scheme,找到Build阶段的Pre-actions,确保脚本有足够的执行权限
注意事项
-
确保项目目录中的.periphery.yml文件具有正确的读写权限
-
如果使用自定义配置文件路径,需要在scan命令中明确指定
-
对于团队项目,建议将配置文件纳入版本控制,确保所有成员使用相同的配置
通过以上步骤,Periphery就能在Xcode的构建脚本中正常运行,帮助开发者持续监控项目中的无用代码,保持代码库的整洁。
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-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
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