WindowsAppSDK 1.7 版本中 Microsoft.Windows.AI.Generative 命名空间的探索与解析
微软在 WindowsAppSDK 1.7 版本中引入了一系列令人期待的 AI API,特别是围绕 Phi-3 模型的应用开发接口。这些新功能为 Windows 开发者提供了强大的 AI 能力,但同时也带来了一些部署和使用上的疑问。
核心问题背景
许多开发者注意到微软官方文档中提到了 Microsoft.Windows.AI.Generative 命名空间,该命名空间被描述为 Windows Application SDK 的一部分,主要用于 Phi-3 模型的 API 调用。然而,在实际开发环境中,即使安装了 Windows Application SDK 的各种版本(包括实验版、稳定版和预览版),开发者仍然无法找到这个关键的命名空间。
技术发展历程
根据 WindowsAppSDK 开发团队的沟通,这一现象的原因在于:
-
版本发布节奏:Microsoft.Windows.AI.Generative 命名空间及相关 AI API 最初计划在 WindowsAppSDK 1.7 Experimental-2 版本中发布,但实际发布时间有所延迟。
-
最终实现:这些 AI API 最终在 WindowsAppSDK 1.7 Experimental-3 版本中正式亮相,包括 Phi 3.5 Silica API 和光学字符识别(OCR) API 等功能。
技术解决方案
对于希望使用这些 AI 功能的开发者,建议采取以下步骤:
-
更新 SDK 版本:确保安装 WindowsAppSDK 1.7 Experimental-3 或更高版本。
-
项目配置:在 Visual Studio 中创建 WinUI 3 应用程序或 .NET Forms 应用程序后,通过 NuGet 包管理器安装最新版本的 Windows Application SDK。
-
API 使用:成功安装后,开发者可以在代码中使用 Microsoft.Windows.AI.Generative 命名空间下的各类 AI 功能。
技术前瞻
这一系列 AI API 的引入标志着 Windows 平台 AI 开发能力的重要提升。Phi-3 模型的应用接口特别值得关注,它为开发者提供了在本地设备上运行先进生成式 AI 的能力,无需依赖云端服务。光学字符识别 API 的加入也为图像处理应用开发提供了新的可能性。
随着 WindowsAppSDK 的持续更新,我们可以期待更多 AI 相关功能将被集成到 Windows 开发生态系统中,为开发者创造更多创新机会。
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
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