Windows App SDK 1.6 中 Bcp47Langs.dll 的 C++ 异常问题解析
在 Windows App SDK 1.6 版本中,开发者报告了一个关于 Bcp47Langs.dll 组件产生大量 C++ 异常的问题。这个问题主要影响使用调试器运行的应用程序,会导致调试器频繁中断并产生大量调试输出信息。
问题背景
当应用程序使用 Windows App SDK 1.6 版本运行时,系统会在启动过程中产生多个 C++ 异常。这些异常虽然被上层代码捕获处理,但在调试环境下会造成显著的干扰。特别是当调试器设置为在抛出 C++ 异常时中断,这些问题会严重影响开发者的调试体验。
技术分析
问题的根源在于 Windows.Globalization.ApplicationLanguages.PrimaryLanguageOverride 属性的实现机制。该属性依赖于一个内部 API,当没有设置语言覆盖时,这个内部 API 会抛出异常。虽然这个异常在调用栈的上层被捕获和处理,但它仍然会在调试环境中产生大量噪音。
值得注意的是,这个问题在 Windows App SDK 1.6 预览版 2 (1.6.240821007-preview2) 中尤为明显。开发团队在后续调查中发现,这个问题与之前的一个优化有关——该优化试图让 Microsoft.Globalization.ApplicationLanguages.PrimaryLanguageOverride 属性反映 Windows.Globalization.ApplicationLanguages.PrimaryLanguageOverride 属性的值。
解决方案
开发团队通过以下方式解决了这个问题:
- 回滚了导致问题的优化代码,不再让两个属性直接关联
- 移除了对内部 API 的依赖,从而避免了异常的产生
- 在 1.6.1 版本中发布了修复
这个解决方案虽然牺牲了某些功能上的关联性,但显著改善了开发体验,消除了调试环境中的异常噪音。
对开发者的影响
对于使用 Windows App SDK 的开发人员来说,这个修复意味着:
- 调试体验更加流畅,不再被无关的异常中断
- 应用程序启动过程更加干净,调试输出更加清晰
- 需要升级到 1.6.1 或更高版本才能获得修复
最佳实践建议
为了避免类似问题,开发者可以考虑:
- 及时更新到最新的 SDK 稳定版本
- 在开发环境中合理配置异常捕获设置
- 关注官方发布说明,了解已知问题和修复情况
- 对于国际化功能,考虑使用更稳定的 API 替代方案
这个问题的解决过程展示了微软开发团队对开发者体验的重视,以及他们快速响应和修复问题的能力。
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-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
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
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