Windows On Reins 使用教程
项目介绍
Windows On Reins 是一个专为 Windows 10 和 Windows 11 设计的 PowerShell 脚本项目。它通过自动化一系列优化步骤,致力于精简系统、强化安全、提升性能及增强隐私保护。该项目使得普通用户也能轻松享受定制化的操作系统体验,去除冗余应用,阻止潜在的网络安全风险,并优化系统设置以获得更佳的运行效率。
项目快速启动
安装准备
首先,确保您的系统已安装 PowerShell 5.1 或更高版本。可以通过以下命令检查 PowerShell 版本:
$PSVersionTable.PSVersion
下载与执行
-
克隆项目:打开 PowerShell(以管理员身份运行),然后输入以下命令下载此项目到本地:
git clone https://github.com/gordonbay/Windows-On-Reins.git -
运行脚本:进入项目目录,并执行主脚本来开始优化过程:
cd Windows-On-Reins .\Run-WOR.ps1
注意:执行脚本前建议备份重要数据,因为某些优化可能涉及系统级更改。
应用案例和最佳实践
-
企业部署:利用本脚本可统一管理工作站,增强安全配置,防止企业内部资料泄露。
-
游戏环境优化:禁用不影响游戏的后台服务,如Xbox服务,以减少延迟,提升游戏性能。
-
隐私保护:自动关闭位置跟踪、广告ID等功能,使用DNS-over-HTTPS增强网络通讯隐私。
-
个人用户定制:根据自己的需要,挑选优化项,比如选择性移除预装应用而不影响必要功能。
典型生态项目
虽然Windows On Reins本身是个独立项目,但它与技术社区的其他工具相辅相成,例如结合Hosts文件或第三方隐私滤镜列表,进一步加强浏览器隐私保护。此外,对于追求系统极致纯净的用户,可以探索与系统清理工具(如CCleaner)结合使用,或是与其他PowerShell脚本搭配,实现更加个性化的系统配置。
以上就是关于Windows On Reins的基本介绍、快速启动指南以及一些应用实例。正确使用本项目将极大地提升您的Windows操作系统体验,确保其既高效又安全。记得,在执行任何优化之前做好数据备份,以防止不可预见的问题。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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