GetStoreApp 6.1.616.0版本发布:增强应用管理与跨平台支持
GetStoreApp是一款专注于Windows应用管理的实用工具,它为用户提供了便捷的应用获取、安装和管理功能。最新发布的6.1.616.0版本带来了多项重要更新,特别是在应用包存储管理和跨平台支持方面有了显著提升。
核心功能更新
应用包存储卷自定义操作
新版本引入了对PackageVolume的自定义操作支持。PackageVolume是Windows管理部署命名空间中的重要概念,它代表了应用包的存储卷。通过这一更新,GetStoreApp现在能够更灵活地管理分布在多个存储卷上的应用包,为用户提供了更精细的存储空间控制能力。
这项功能特别适合那些需要在不同存储设备上部署应用的高级用户,或者需要管理大量应用的企业环境。用户现在可以直接通过GetStoreApp界面执行针对特定存储卷的操作,而无需借助复杂的PowerShell命令。
ARM64平台全面支持
6.1.616.0版本实现了对ARM64架构的完整支持,这标志着GetStoreApp正式成为跨平台应用管理工具。随着越来越多的Windows设备采用ARM架构处理器,这一更新确保了GetStoreApp能够在各种硬件平台上提供一致的用户体验。
特别值得一提的是,本次更新不仅包含了应用本身的ARM64支持,还解决了WinGet依赖库在ARM64平台上的兼容性问题。这使得WinGet应用管理功能现在可以在所有支持的架构上无缝运行。
技术架构升级
本次发布将Windows App SDK更新至1.7.250606001(1.7.3)版本。这一基础框架的升级带来了性能优化和稳定性提升,同时也为未来功能的扩展奠定了基础。
Windows App SDK 1.7.3版本包含多项底层改进,特别是在资源管理和UI渲染方面。这些改进使得GetStoreApp能够更高效地运行,同时减少系统资源占用。
问题修复与稳定性提升
开发团队针对用户反馈的几个关键问题进行了修复:
-
解决了当未配置WinGet数据源时,检查更新操作可能导致应用异常退出的问题。现在,应用会优雅地处理这种情况,并提供明确的错误提示。
-
修复了多个影响用户体验的界面问题,包括布局错位和响应迟缓等情况。
-
优化了后台任务的执行逻辑,减少了不必要的资源消耗。
安装与部署指南
GetStoreApp 6.1.616.0提供了两种安装方式:MSIXBundle安装包和压缩包。对于大多数用户,推荐使用MSIXBundle安装包,它能提供更简单的安装体验和自动更新功能。
安装过程中需要注意以下几点:
-
虽然开发者模式可以简化侧载安装过程,但对于普通用户并非必需。系统会提供足够的安全提示来指导安装过程。
-
证书安装是确保应用可信运行的关键步骤,需要将提供的证书安装到本地计算机的受信任根证书颁发机构存储中。
-
对于使用PowerShell脚本安装的用户,如果遇到执行策略限制,可以通过调整执行策略或使用特定命令来绕过限制。
未来发展方向
根据用户反馈和市场需求,GetStoreApp的开发团队已经规划了未来的更新路线:
-
将重新引入对Windows 10 19041版本的支持,确保更多用户能够使用这款工具。
-
计划集成在线翻译功能,这将极大提升非英语用户的使用体验,特别是在处理应用描述和用户评论时。
-
进一步优化WinGet集成,提供更强大的应用管理能力。
GetStoreApp 6.1.616.0版本的发布,标志着这款工具在功能完整性和跨平台支持方面又迈出了重要一步。无论是普通用户还是IT专业人员,都能从这个版本中获得更流畅、更强大的应用管理体验。
kernelopenEuler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。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00