RDPWrap项目中Windows 11打印机重定向问题的分析与解决
问题背景
在Windows 11系统环境下,使用RDPWrap进行远程桌面连接时,用户遇到了打印机重定向功能失效的问题。具体表现为:只有使用客户端/服务器驱动程序的打印机能够正常工作,而使用"简易打印"原生驱动程序的打印机则无法正常重定向。
技术分析
这个问题并非Windows 11特有,在Windows 10系统中也曾出现过类似情况。根本原因在于远程桌面服务(TermService)的某些组件在系统更新后发生了改变,影响了打印机重定向功能的正常运作。
通过技术分析,我们发现这个问题与RDPWrap的配置参数密切相关,特别是其中的SLInitHook.x64参数设置。这个参数控制着远程桌面服务初始化时的某些关键行为。
解决方案
经过多次测试和验证,我们找到了有效的解决方案:
-
修改RDPWrap配置参数: 在RDPWrap的配置文件中,将
SLInitHook.x64参数的值从默认的1改为0。这个修改可以绕过导致打印机重定向失效的初始化过程。 -
完整的参数配置示例:
[10.0.22621.3447] LocalOnlyPatch.x64=1 LocalOnlyOffset.x64=9D661 LocalOnlyCode.x64=jmpshort SingleUserPatch.x64=1 SingleUserOffset.x64=181AC SingleUserCode.x64=Zero DefPolicyPatch.x64=1 DefPolicyOffset.x64=1C2E5 DefPolicyCode.x64=CDefPolicy_Query_eax_rcx SLInitHook.x64=0 SLInitOffset.x64=29ED0 SLInitFunc.x64=New_CSLQuery_Initialize -
服务配置调整: 虽然单独执行
sc config TermService type= own命令并重启系统在本案例中没有直接解决问题,但在某些情况下,这个操作可能有助于重置远程桌面服务的配置状态。
注意事项
-
功能完整性:修改
SLInitHook.x64参数可能会影响远程桌面的其他功能。建议在测试环境中验证所有关键功能是否正常工作后再部署到生产环境。 -
版本兼容性:不同版本的Windows 11可能需要不同的参数配置。建议根据实际系统版本调整配置。
-
替代方案:如果打印机支持,可以考虑使用客户端/服务器驱动程序作为临时解决方案,这类打印机通常不受此问题影响。
结论
通过调整RDPWrap的配置参数,特别是禁用特定的初始化钩子(SLInitHook.x64=0),可以有效解决Windows 11环境下打印机重定向失效的问题。这一解决方案已经在实际环境中得到验证,但用户仍需注意可能的功能影响,并根据具体环境进行适当调整。
对于需要稳定打印机重定向功能的用户,建议在应用此解决方案前进行全面测试,确保所有业务需求都能得到满足。同时,关注RDPWrap项目的更新,以获取更完善的官方解决方案。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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