.NET MAUI 9.0.201 SDK 工作负载更新问题分析与解决方案
问题背景
在升级到 .NET SDK 9.0.201 版本后,开发人员在使用 dotnet workload update 命令更新工作负载时遇到了安装失败的问题。该问题主要影响 Android 平台的开发环境配置,错误信息显示系统无法找到特定版本的 Microsoft.Android.Sdk.Windows.Msi.x64 (35.0.50) 安装包。
错误现象
当开发人员尝试更新工作负载时,系统会输出以下错误信息:
Downloading Microsoft.Android.Sdk.Windows.Msi.x64 (35.0.50)
Workload installation failed. Rolling back installed packs...
Workload update failed: One or more errors occurred. (Version 35.0.50 of package microsoft.android.sdk.windows.msi.x64 is not found in NuGet feeds...)
类似的问题也出现在直接安装 MAUI 工作负载的场景中,即使系统提示工作负载已经安装,仍然会出现相同的错误。
问题原因
经过分析,这个问题是由于以下原因导致的:
-
NuGet 包同步延迟:新发布的 .NET SDK 9.0.201 版本需要对应版本的 Android SDK 组件(35.0.50),但这些组件尚未及时同步到公共 NuGet 源中。
-
版本依赖严格匹配:.NET 工作负载管理系统对组件版本有严格的依赖要求,当无法找到精确匹配的版本时,会直接导致安装失败。
-
回滚机制触发:由于安装失败,系统自动触发了回滚机制,导致所有已下载的包都被撤销。
解决方案
该问题已经得到解决,以下是解决方案的详细信息:
-
等待自动修复:微软团队已经将缺失的 35.0.50 版本 Android SDK 组件上传到了 NuGet 源。大约在问题报告后30分钟内完成了上传。
-
重新尝试操作:开发人员可以再次运行
dotnet workload update或dotnet workload install maui命令,系统现在应该能够正常下载和安装所需组件。 -
忽略后续警告:在成功安装后,可能会看到关于工作负载垃圾收集的警告信息,这属于无害提示,不会影响实际开发功能。
技术建议
对于遇到类似问题的开发人员,建议:
-
检查官方状态:在遇到工作负载安装问题时,可以先查看官方仓库的状态更新,确认是否是已知问题。
-
合理规划升级:对于生产环境,建议在新版本发布后观察一段时间再执行升级,避免遇到类似的同步延迟问题。
-
理解错误信息:学会解读工作负载管理系统的错误信息,能够快速判断问题是源于本地环境还是服务器端。
总结
这个案例展示了 .NET 生态系统组件间严格的版本依赖关系,以及微软团队对开发者反馈的快速响应能力。虽然短暂的同步延迟给部分开发者带来了不便,但整体解决过程体现了开源协作的优势。开发者在遇到类似问题时,可以耐心等待官方修复或寻求社区支持。
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