Winget-cli 安装软件包时出现"Data required by the source is missing"错误解析
在使用Windows包管理器Winget-cli安装fnm(Node版本管理器)时,用户遇到了"0x8a15000f : Data required by the source is missing"的错误提示。这个错误通常与Winget源数据获取问题有关,特别是在新安装的Windows系统上。
错误背景分析
当用户执行winget install Schniz.fnm命令时,系统无法从配置的源获取必要的软件包数据。检查源列表显示有两个默认源:
- msstore源:指向Microsoft Store的API端点
- winget源:指向微软的CDN缓存
根本原因
经过技术分析,该问题主要由以下因素导致:
-
过时的Winget版本:新安装的Windows系统可能预装的是较老版本的Winget(如1.2.x),这些旧版本已不再被支持。
-
源数据格式不兼容:微软对Winget源的数据格式进行了更新,旧版本客户端无法正确解析新格式的数据。
-
自动更新失败:Microsoft Store未能成功自动更新Winget到最新版本。
解决方案
要解决此问题,可以采取以下步骤:
-
手动更新Winget: 通过Microsoft Store手动检查并安装Winget的最新更新,确保版本至少为1.6.3842或更高。
-
重置源配置: 执行
winget source reset --force命令强制重置源配置,然后再次尝试安装。 -
验证源可用性: 使用
winget source list检查源状态,确保所有配置的源都能正常访问。 -
检查网络连接: 确保系统能够正常访问微软的CDN和Store服务端点,没有防火墙或代理阻挡。
技术细节
Winget的源机制依赖于预索引的软件包清单文件。当客户端版本过旧时,它可能无法正确解析新格式的清单数据,导致"Data required by the source is missing"错误。微软已停止对旧版本客户端的支持,强制要求用户更新到较新版本才能继续使用服务。
对于系统管理员而言,建议在企业环境中通过组策略或系统镜像预部署最新版Winget,避免用户首次使用时遇到此类问题。同时,在自动化脚本中应加入版本检查逻辑,确保Winget客户端版本符合最低要求。
通过以上措施,用户可以顺利解决源数据缺失的问题,正常使用Winget安装管理软件包。
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