DevHome项目中关于开发环境创建选项重复显示的技术解析
2025-06-18 04:25:31作者:余洋婵Anita
在Windows开发工具DevHome的使用过程中,部分用户可能会遇到一个有趣的现象:当点击"创建环境"按钮时,界面中会意外出现两个创建Dev Box的选项。这种现象虽然不会影响功能使用,但可能会引起用户的困惑。
问题现象
用户在使用DevHome 0.1401.500.0版本时发现,在创建开发环境的界面中,系统显示了两个看似相同的Dev Box创建选项。这种情况通常出现在同时安装了多个版本DevHome扩展的环境中。
技术原因分析
经过深入分析,这种现象的根本原因是系统中同时安装了多个版本的Azure扩展组件。具体表现为:
- 开发版(Canary)扩展:Microsoft.Windows.DevHomeAzureExtension.Canary
- 预览版(Preview)扩展:Microsoft.Windows.DevHomeAzureExtension
这两个扩展虽然功能相似,但由于版本通道不同,被系统识别为独立的组件,因此在创建环境界面中各自注册了自己的选项入口,导致用户看到重复的选项。
解决方案
针对这一问题,开发者提供了两种简单的解决方法:
- 卸载冗余扩展:通过Windows的应用管理功能,移除其中一个版本的Azure扩展
- 禁用扩展:在DevHome的扩展管理页面中,选择性地禁用其中一个扩展
这两种方法都能有效解决选项重复显示的问题,用户可以根据自己的使用需求选择保留哪个版本的扩展。
最佳实践建议
为了避免类似情况发生,建议开发者:
- 定期检查已安装的扩展版本,保持开发环境的整洁
- 根据实际需求选择稳定版或开发版扩展,避免同时安装多个通道的版本
- 在测试新版本扩展时,考虑使用独立的测试环境
这种设计实际上反映了微软对扩展系统的灵活性考虑,允许不同版本的扩展共存,为开发者提供了更多选择空间。理解这一机制后,用户就能更好地管理自己的开发环境配置。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
deepin linux kernel
C
28
15
Ascend Extension for PyTorch
Python
506
612
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
941
868
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
394
292
暂无简介
Dart
911
219
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
894
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
124
198
昇腾LLM分布式训练框架
Python
142
168
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
557