PSAppDeployToolkit中终端服务器安装模式函数描述修正说明
在PSAppDeployToolkit项目中,关于终端服务器安装模式的相关函数描述存在一个需要修正的技术细节。本文将详细说明这个问题及其解决方案。
问题背景
PSAppDeployToolkit是一个强大的PowerShell应用程序部署工具包,其中包含多个用于管理远程桌面服务环境的实用函数。在3.10.2版本和4.x版本中,有两个相关函数:
- Disable-TerminalServerInstallMode
- Disable-ADTTerminalServerInstallMode
这两个函数当前的文档描述存在不准确之处,可能会对使用者造成误导。
问题描述
当前函数文档中将功能描述为"Changes to user install mode for Remote Desktop Session Host/Citrix servers"(更改为远程桌面会话主机/Citrix服务器的用户安装模式),但实际上正确的描述应该是"Changes to user execute mode"(更改为用户执行模式)。
技术解析
在远程桌面服务(RDS)或Citrix环境中,存在两种不同的操作模式:
-
安装模式(Install Mode):在这种模式下进行的软件安装会被系统记录,以便在所有用户会话中正确复制安装的文件和注册表项。
-
执行模式(Execute Mode):这是正常的应用程序运行模式,在这种模式下运行的程序不会对系统配置进行特殊处理。
这两个函数的作用实际上是将会话主机从安装模式切换回执行模式,而不是文档中描述的"更改为安装模式"。这种描述错误可能会导致管理员对函数功能产生误解。
影响范围
该文档错误存在于:
- 在线文档系统
- 工具包主脚本文件(toolkitmain.ps1)中的函数注释
解决方案
项目维护团队已经确认了这个问题,并在代码库中进行了修正。修正后的描述准确反映了函数的功能:"Changes to user execute mode for Remote Desktop Session Host/Citrix servers"(更改为远程桌面会话主机/Citrix服务器的用户执行模式)。
这个修正将包含在即将发布的4.1.0版本中,届时在线文档系统也会相应更新。
最佳实践建议
在使用这些函数时,管理员应当注意:
- 在安装需要多用户共享的应用程序时,应先使用对应的"Enable"函数进入安装模式
- 完成安装后,使用这些"Disable"函数返回执行模式
- 在Citrix或RDS环境中部署软件时,确保遵循正确的模式切换流程,以保证应用程序对所有用户可用
这个修正体现了开源项目持续改进的特点,也展示了社区参与在提升工具质量方面的重要性。
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-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