Windows App SDK 1.5实验版中缺失投影DLL的问题分析
在Windows App SDK 1.5实验版2(1.5.240124002-experimental2)中,开发团队新增了两个重要的Windows元数据文件(WinMD):Microsoft.Windows.System.Workloads.winmd和Microsoft.Windows.Management.Deployment.winmd。然而,配套的投影DLL(Projection DLL)文件却意外缺失,这影响了C#/.NET 6+开发者对这些新功能的调用。
问题背景
Windows App SDK作为微软推出的现代化Windows应用开发框架,其核心功能通过WinMD文件提供接口定义,而投影DLL则是将这些接口转换为.NET开发者可以直接使用的托管代码形式。在1.5实验版2中,虽然新增了两个重要的WinMD文件,但相应的投影DLL未能生成,这直接导致开发者无法在C#项目中访问这些新API。
影响范围
这一疏忽主要影响以下两个新组件:
- 系统工作负载管理功能(Microsoft.Windows.System.Workloads)
- 部署管理功能(Microsoft.Windows.Management.Deployment)
对于使用C#/.NET 6+进行Windows应用开发的开发者来说,这意味着他们暂时无法在项目中利用这些新功能,直到问题得到修复。
技术分析
WinMD文件和投影DLL之间的关系是Windows运行时(Windows Runtime)与.NET互操作的关键部分。WinMD文件包含了类型定义和接口描述,而投影DLL则负责将这些定义转换为.NET友好的形式,包括:
- 将Windows运行时类型映射到.NET类型
- 处理异步操作的模式转换
- 提供事件处理的包装
缺少投影DLL会导致虽然元数据存在,但开发者无法在代码中实际引用和使用这些类型。
解决方案
开发团队已经确认了这个问题,并在内部进行了修复。修复工作主要涉及构建系统的调整,确保在生成WinMD文件的同时,也会自动生成对应的投影DLL。这一修复将包含在后续的预览版本中。
开发者建议
对于急于使用这些新功能的开发者,建议:
- 关注Windows App SDK的更新日志
- 等待包含修复的下一实验版本发布
- 避免手动尝试创建投影DLL,因为这可能导致兼容性问题
对于大多数开发者而言,等待官方修复是最稳妥的做法,因为投影DLL的生成需要精确匹配WinMD文件的版本和内容。
总结
这个案例展示了Windows App SDK开发过程中可能出现的小疏忽,也反映了微软对开发者反馈的快速响应。随着1.5版本的正式发布临近,这类问题将得到彻底解决,届时开发者将能够充分利用这些新的系统管理功能来构建更强大的Windows应用程序。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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