Path of Building 新构建保存失败的解决方案
问题现象
近期有用户反馈在使用 Path of Building(简称 PoB)时遇到了一个特殊问题:当尝试保存新创建的构建时,程序会弹出一个通用错误提示"无法保存构建",而保存已有构建则不受影响。即使用管理员权限运行程序或重新安装软件,问题依然存在。
问题分析
经过深入排查,发现该问题的根源在于 Windows 系统的安全防护机制。具体来说,是 Windows Defender 的"受控文件夹访问"功能(属于勒索软件防护的一部分)阻止了 PoB 创建新文件。
Windows 10/11 系统自带的这项安全功能,旨在防止未经授权的应用程序修改受保护文件夹中的重要文件。当 PoB 尝试在构建文件夹中创建新文件时,系统出于安全考虑会拦截这一操作,但由于 Windows 的安全机制设计,这种拦截并不会弹出明确的警告提示,导致用户只能看到一个模糊的错误信息。
解决方案
针对这一问题,有以下几种解决方法:
-
临时禁用勒索软件防护(最简单直接的方法):
- 打开 Windows 安全中心
- 进入"病毒和威胁防护"设置
- 找到"勒索软件防护"选项
- 关闭"受控文件夹访问"功能
- 保存设置后重新尝试保存 PoB 构建
-
将 PoB 添加为例外程序(更安全的长期方案):
- 在"受控文件夹访问"设置中
- 选择"通过受控文件夹访问允许应用"
- 添加 Path of Building 的可执行文件
- 这样可以在保持安全防护的同时允许 PoB 正常写入文件
-
更改 PoB 的构建保存路径:
- 在 PoB 设置中将构建保存目录更改为不受保护的文件夹
- 例如可以创建一个专门用于 PoB 构建的新文件夹
- 确保该文件夹不在 Windows 默认保护的目录中(如文档、图片等)
技术背景
Windows 的受控文件夹访问功能是微软为应对日益严重的勒索软件威胁而引入的安全机制。它会监控并保护系统关键文件夹,防止未经授权的修改。默认情况下,它会保护以下类型的文件夹:
- 系统文件夹
- 用户配置文件中的关键目录(如文档、图片等)
- 其他用户指定的重要文件夹
当应用程序尝试修改这些受保护文件夹时,系统会进行拦截。对于未被明确允许的应用程序,Windows 会静默阻止其写入操作,这正是 PoB 用户遇到问题的根本原因。
最佳实践建议
-
对于经常使用 PoB 的用户,建议采用第二种解决方案(添加例外程序),这样可以在保持系统安全性的同时确保软件正常使用。
-
定期检查 Windows 安全日志,了解哪些应用程序的访问被阻止,这有助于及时发现和解决类似问题。
-
考虑将 PoB 安装在非系统分区,并使用独立的文件夹存储构建数据,这样可以减少与系统安全功能的冲突。
-
保持 PoB 和 Windows 系统都更新到最新版本,开发者可能会在新版本中优化与系统安全功能的兼容性。
通过以上分析和解决方案,Path of Building 用户应该能够顺利解决新构建保存失败的问题,同时保持系统的安全性不受影响。
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