EntityFrameworkCore 9.0.1 升级导致 Windows Forms 兼容性问题分析
问题背景
在将 WPF 应用程序从 .NET 8 升级到 .NET 9 的过程中,开发人员遇到了一个奇怪的现象:当将 EntityFrameworkCore.SqlServer 从 8.0.10 升级到 9.0.1 版本后,应用程序中所有使用 System.Windows.Forms 命名空间的代码突然失效。这包括 MessageBoxButtons、FolderBrowserDialog、Cursor.Position 等常用功能。
问题表现
具体表现为以下功能无法正常工作:
- 屏幕坐标获取功能失效:
Screen.FromPoint(System.Windows.Forms.Cursor.Position) - 文件夹选择对话框无法使用:
new FolderBrowserDialog() - 消息框按钮无响应:
MessageBox.Show()及相关按钮枚举
有趣的是,当回退到 EF Core 8.0.10 版本时,这些问题就消失了。而使用 EF Core SQLite 提供程序时则完全没有问题。
问题根源
经过深入分析,发现问题的真正原因并非 EntityFrameworkCore 本身的缺陷,而是项目依赖关系的微妙变化:
-
隐藏的依赖关系:在 EF Core 8.0.10 版本中,间接包含了 System.Windows.Forms 命名空间的引用,这使得开发人员可以在 WPF 项目中直接使用 Windows Forms 的功能而不需要显式添加引用。
-
依赖项变更:从 EF Core 8.0.11 版本开始,Microsoft.Data.SqlClient 从 5.1.5 升级到 5.1.6,这导致间接依赖关系链发生了变化,移除了对 System.Windows.Forms 的隐式引用。
-
WPF 的本质:WPF 框架本身并不包含 System.Windows.Forms 命名空间,开发人员之前能够使用这些功能完全依赖于 EF Core 的间接引用。
解决方案
正确的解决方法是显式地在 WPF 项目中添加对 System.Windows.Forms 的引用,或者将代码迁移到 WPF 原生组件:
-
添加显式引用:
- 在项目中明确添加 System.Windows.Forms 程序集引用
- 这保持了现有代码不变,是最直接的解决方案
-
迁移到 WPF 原生组件:
- 将 MessageBox 替换为
System.Windows.MessageBox - 使用
Microsoft.Win32.OpenFileDialog替代 Windows Forms 的文件对话框 - 使用 WPF 原生的
System.Windows.Input命名空间处理光标位置
- 将 MessageBox 替换为
经验教训
这个案例给我们带来了几个重要的启示:
-
不要依赖隐式引用:项目应该显式声明所有需要的依赖,而不是依赖第三方库的间接引用。
-
理解框架边界:WPF 和 Windows Forms 虽然都是 Windows 桌面技术,但它们是不同的框架,应该明确区分使用。
-
升级注意事项:在升级核心依赖时,应该全面测试所有功能,特别是那些看似不相关的功能。
-
依赖关系管理:使用诸如 NuGet 依赖关系图等工具,可以帮助理解项目的完整依赖链。
结论
这个问题表面上看起来是 EntityFrameworkCore 升级导致的兼容性问题,实际上揭示了项目中对隐式依赖的不当使用。通过正确管理项目依赖关系,并理解不同技术栈之间的界限,可以避免类似问题的发生。对于需要同时使用 WPF 和 Windows Forms 功能的项目,最佳实践是显式添加所有必要的引用,而不是依赖间接的依赖关系。
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