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。
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