Windows App SDK 1.6 Preview 1 中 weak_from_this 编译错误问题解析
在 Windows App SDK 1.6 Preview 1 版本中,开发者在使用 XAML 代码生成功能时可能会遇到一个特定的编译错误。这个错误表现为编译器无法识别 weak_from_this 标识符,导致项目构建失败。
问题现象
当开发者升级到 Windows App SDK 1.6 Preview 1 并创建 WinUI 项目后,如果在代码中添加属性并尝试编译,会在自动生成的 XAML 代码文件(.xaml.g.hpp)中遇到以下错误:
error C3861: 'weak_from_this': identifier not found
这个错误通常出现在自动生成的代码中,特别是当代码尝试使用 weak_from_this 来创建弱引用时。对比两种代码实现方式,可以看到第一种使用了 make_weak 显式创建弱引用,而第二种则直接尝试使用 weak_from_this,后者在特定编译条件下会失败。
问题原因
此问题的根本原因与编译器的严格模式设置有关。当项目使用 /permissive- 编译器标志(即严格符合模式)时,编译器会严格执行C++标准,而 weak_from_this 在这种情况下可能无法被正确识别。
临时解决方案
作为临时解决方案,开发者可以采取以下措施之一:
- 将编译器标志从
/permissive-改为/permissive,这将放宽编译器的标准符合性检查 - 手动修改生成的代码,使用
make_weak替代weak_from_this的调用方式
长期解决方案
微软团队已经确认这是一个bug,并将在下一个1.6版本中修复这个问题。届时开发者将无需采取任何临时措施即可正常编译项目。
技术背景
在C++中,weak_from_this 是 std::enable_shared_from_this 的一个成员函数,用于获取当前对象的弱引用。在Windows App SDK的代码生成器中,这个功能被用来安全地处理事件回调,确保在回调执行时对象仍然存在。
当使用严格模式(/permissive-)时,编译器对标准库的实现要求更加严格,可能导致某些扩展功能不可用。微软团队需要调整代码生成器,使其生成的代码在所有编译模式下都能正常工作。
最佳实践建议
对于遇到此问题的开发者,建议:
- 优先考虑使用临时解决方案中的第一种方法(修改编译器标志)
- 如果必须保持严格模式,可以暂时手动编辑生成的代码文件
- 关注Windows App SDK的更新,及时升级到修复此问题的版本
这个问题虽然影响开发体验,但通过上述方法可以有效规避,不会对应用程序的功能产生实质性影响。
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