WinUI 3 中导航返回功能的迁移与实现
在从 UWP 迁移到 WinUI 3 的过程中,开发者可能会遇到系统导航功能无法直接使用的问题。本文将详细介绍这一问题的背景、原因以及解决方案。
问题背景
在 UWP 应用程序开发中,开发者通常使用 SystemNavigationManager 类来处理系统级别的返回导航请求。这个功能特别适用于平板设备,可以通过设备自带的返回按钮触发应用程序内的页面返回操作。
典型的 UWP 实现方式是在页面代码中注册 BackRequested 事件:
protected override void OnNavigatedTo(NavigationEventArgs e)
{
Windows.UI.Core.SystemNavigationManager.GetForCurrentView().BackRequested += BackRequested;
// 其他初始化代码
}
private void BackRequested(object sender, Windows.UI.Core.BackRequestedEventArgs e)
{
e.Handled = true;
// 实现返回逻辑
}
迁移到 WinUI 3 时的问题
当开发者将这段代码迁移到 WinUI 3 时,会在运行时遇到 System.AccessViolationException 异常。这是因为 SystemNavigationManager 类在 WinUI 3 中尚未实现。
原因分析
WinUI 3 作为 UWP 的演进版本,虽然保留了大部分 API,但某些系统集成功能仍在开发中。SystemNavigationManager 就是其中之一,它目前还没有被移植到 WinUI 3 的架构中。
解决方案
目前,开发者可以采用以下替代方案:
-
自定义标题栏按钮:在应用程序的标题栏中添加自定义的返回按钮,这是目前最直接的解决方案。
-
键盘和鼠标事件处理:可以监听键盘的 Back 键或鼠标的返回按钮事件来实现类似功能。
-
等待官方支持:微软正在考虑在未来版本中实现这一功能。
实现建议
对于需要立即实现的开发者,建议采用自定义按钮方案。这虽然需要修改界面,但可以确保功能的可用性。同时,建议将导航逻辑封装在独立的服务中,这样在未来 SystemNavigationManager 可用时可以轻松切换实现方式。
总结
WinUI 3 作为新一代的 Windows UI 框架,仍在不断完善中。开发者在迁移过程中可能会遇到某些 UWP 功能暂时缺失的情况。了解这些差异并掌握替代方案,有助于更顺利地完成迁移工作。
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-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00