KernelBypassSharp 项目下载及安装教程
1. 项目介绍
KernelBypassSharp 是一个使用 C# 编写的内核模式驱动程序,它能够读取和写入受保护进程的内存。该项目基于作者之前开源的 KernelSharp 项目,并使用公开的钩子函数。请注意,该项目可能会被一些反作弊解决方案检测到。
2. 项目下载位置
您可以在 GitHub 上找到 KernelBypassSharp 项目,项目地址为:https://github.com/VollRagm/KernelBypassSharp.git
3. 项目安装环境配置
环境要求
- Windows 操作系统
- Visual Studio 2019 或更高版本
- Windows Driver Kit (WDK)
以下为环境配置的步骤及示例图片:
步骤 1:安装 Visual Studio
确保您安装了 Visual Studio 2019 或更高版本,并包含了 C++ 和 UWP 的开发组件。

步骤 2:安装 Windows Driver Kit (WDK)
您需要从 Microsoft 官方网站下载并安装 WDK。

步骤 3:配置环境变量
确保您的系统环境变量中包含了 WDK 的路径。

4. 项目安装方式
克隆项目
使用 Git 命令行工具,执行以下命令克隆项目:
git clone https://github.com/VollRagm/KernelBypassSharp.git
恢复 NuGet 包
进入项目目录,运行以下命令恢复所需的 NuGet 包:
cd KernelBypassSharp
nuget restore
修正文件路径
打开 build.bat 文件,并修正文件路径。确保 ILCPATH 变量指向正确的位置,通常类似以下路径:
C:\Users\username\nuget\packages\runtime\win-x64\microsoft.dotnet.ilcompiler\7.0.0-alpha.1.21430.2\tools
确保 ntoskrnl.lib 位于 WDK 安装路径下。
编译项目
在 Visual Studio 中打开项目,或从命令行使用 build.bat 脚本编译项目。
build.bat
5. 项目处理脚本
运行 UsermodeApp 来测试驱动程序。如果需要构建自己的 API,可以复制 UsermodeApp 示例中的结构体和逻辑。
cd UsermodeApp
# 运行 UsermodeApp.exe 或相应的可执行文件
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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