Winget CLI 中 msstore 源更新失败的解决方案
在 Windows 包管理器 Winget CLI 的使用过程中,部分用户遇到了无法通过 winget update 或 winget upgrade 命令批量更新软件包的问题。系统会返回错误代码 0x8a150044,提示 REST API 端点未找到。本文将深入分析这一问题的成因,并提供有效的解决方案。
问题现象
当用户执行批量更新命令时,Winget 会尝试从微软商店源(msstore)获取软件包信息。日志显示,系统首先成功查询了 Google Chrome Dev 版本的信息,但在尝试获取 ID 为 9NZSG2H7MS6B 的软件包时返回了 404 状态码,导致整个更新过程中断。
技术分析
该问题涉及 Winget 的多源更新机制。Winget 在批量更新时会依次检查所有已启用的源,包括微软商店源。当某个源中的特定软件包信息不可达时,系统会抛出异常并终止整个更新流程,而不是跳过该软件包继续执行。
从技术实现来看,Winget 通过 HTTP GET 请求访问微软商店的 REST API 端点来获取软件包清单。当端点返回 404 状态码时,表明请求的资源不存在,这可能是由于:
- 软件包已从商店下架
- 软件包 ID 发生变更
- 区域限制导致某些软件包不可用
- 临时的服务器端问题
解决方案
对于遇到此问题的用户,可以尝试以下解决方法:
-
重置微软商店源
在提升权限的 PowerShell 中执行:
winget source reset msstore
此命令会重置与微软商店源的连接,清除可能存在的缓存问题。 -
单独更新软件包
虽然批量更新失败,但可以尝试单独更新每个软件包:
winget upgrade <package_id> -
临时禁用微软商店源
如果问题持续存在,可以暂时禁用该源:
winget source disable msstore -
检查系统代理设置
某些网络环境下可能需要检查代理配置,确保能够正常访问微软商店服务。
预防措施
为避免类似问题影响工作流程,建议:
- 定期执行
winget source update保持源信息最新 - 关注 Winget 的版本更新,及时升级到最新稳定版
- 对于关键软件更新,考虑建立备份更新方案
微软开发团队已经注意到此类问题,预计在未来的 Winget 版本中会改进多源更新的容错机制,使其能够更优雅地处理部分源或软件包不可用的情况。
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
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