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。
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-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
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
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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