Winget CLI 中列表命令过滤Side-by-Side安装包的问题分析
2025-05-08 10:21:41作者:董宙帆
在Windows包管理器Winget CLI的使用过程中,用户发现了一个关于winget list命令过滤Side-by-Side安装包的有趣现象。当用户同时安装了x64和x86架构的Microsoft.DotNet.DesktopRuntime.8时,使用特定包名过滤查询会返回空结果,而直接列出所有已安装包时却能正常显示。
问题现象重现
- 用户首先安装x64架构的.NET 8桌面运行时
- 使用
winget list Microsoft.DotNet.DesktopRuntime命令可以正常显示结果 - 随后强制安装x86架构的相同运行时
- 此时
winget list命令能正确列出两个架构的安装包 - 但当使用
winget list Microsoft.DotNet.DesktopRuntime.8过滤查询时,结果却为空
技术背景分析
这个问题涉及到Winget CLI的几个核心机制:
- Side-by-Side安装支持:允许同一软件包的不同版本或架构并行安装
- 包名匹配逻辑:CLI对包名的精确匹配和模糊匹配处理方式
- 架构感知查询:如何正确处理多架构安装包的查询
问题本质
问题的核心在于Winget CLI在过滤查询时没有正确处理Side-by-Side安装场景下的包名匹配。当用户指定完整包名(包含版本号)时,查询逻辑可能没有考虑到多架构安装的情况,导致无法返回正确结果。
解决方案
微软开发团队已经意识到这个问题,并在预览版本中提供了改进方案:
- 最新预览版(v1.8.924-preview)已经包含了对Side-by-Side场景的增强支持
- 用户需要启用实验性功能来使用这些改进
- 团队鼓励用户提供反馈以进一步完善功能
对开发者的启示
这个问题展示了包管理器在处理复杂安装场景时面临的挑战。对于开发者而言,需要注意:
- 包命名规范的重要性
- 多架构支持带来的查询复杂性
- 版本号在包管理中的特殊处理
总结
Winget CLI作为Windows平台的包管理工具,正在不断完善对复杂场景的支持。这个Side-by-Side安装包的查询问题只是发展过程中的一个小插曲,随着新版本的发布,用户体验将会持续改善。对于需要管理多架构软件包的用户,建议关注Winget CLI的最新进展,并及时升级到包含修复的版本。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
1.03 K
492