MSEdgeRedirect 0.8.0.0版本发布:Windows浏览器重定向工具的重大更新
MSEdgeRedirect是一款针对Windows系统的实用工具,它能够智能地将Microsoft Edge浏览器的各种调用请求重定向到用户指定的默认浏览器。这个工具特别适合那些希望保持系统稳定性但又不想使用Edge浏览器的用户。
项目背景与核心功能
在Windows 10/11系统中,许多内置功能和应用程序会强制调用Microsoft Edge浏览器,即使用户已经设置了其他浏览器作为默认选项。MSEdgeRedirect通过拦截这些系统调用,将它们重定向到用户真正偏爱的浏览器,从而提供更加一致的用户体验。
0.8.0.0版本的主要改进
功能增强与新增特性
-
AI-Free Google搜索结果支持:新增了绕过AI生成的Google搜索结果选项,让用户能够获取更传统的搜索结果。
-
命令行参数支持扩展:
- 新增对
--user-data-dir参数的支持 - 新增对
--from-ie-to-edge调用的处理(特别针对Nirsoft工具) - 新增对
--win-session-start参数的支持
- 新增对
-
URL处理改进:新增了对
bing.com/WS/redirect这类特殊URL的支持,完善了重定向覆盖范围。
问题修复与稳定性提升
-
Windows 11 24H2兼容性:修复了在Windows 11 24H2版本中无法访问快速设置的问题。
-
UWP应用支持:解决了某些UWP应用在服务模式下无法正常工作的问题。
-
PDF处理优化:修复了PDF文件处理的相关问题,提升了文件类型关联的可靠性。
-
Windows Spotlight修复:解决了Windows Spotlight功能相关的问题。
-
错误处理改进:优化了默认浏览器递归错误的提示信息,使其更加清晰易懂。
系统兼容性调整
-
Windows 8.1支持移除:由于使用率极低,移除了对Windows 8.1系统的支持。
-
欧洲模式增强:新增了对UCPD的检测和禁用功能,确保欧洲模式能够正常工作。
用户体验优化
-
安装程序改进:修复了安装程序中的拼写错误,提升了安装体验。
-
新闻处理器优化:改进了新闻内容的处理机制。
-
捐赠系统更新:更新了捐赠链接,捐赠者将不再收到"物品已发货"的邮件通知。
技术实现要点
MSEdgeRedirect通过系统级的调用拦截和重定向机制工作,主要技术特点包括:
-
多模式支持:提供主动模式(需要管理员权限)和服务模式两种运行方式,满足不同用户需求。
-
轻量级设计:程序体积小巧(仅约1MB),内存占用低(最低只需40MB),对系统资源影响极小。
-
智能URL处理:能够识别并正确处理各种特殊格式的URL和调用请求。
使用建议与注意事项
-
系统要求:
- 最低要求:Windows 10系统,32位单核CPU,40MB可用内存,5MB存储空间
- 推荐配置:最新版Windows 11,64位双核或更高CPU,100MB可用内存和存储空间
-
使用提示:
- 首次使用主动模式需要管理员权限
- 建议定期检查更新以获取最新功能和修复
- 遇到问题时可以尝试切换运行模式
-
注意事项:
- 该工具仍处于Beta阶段,可能会有功能调整和性能优化
- 某些深度集成的Edge功能可能无法完全重定向
总结
MSEdgeRedirect 0.8.0.0版本带来了多项实质性改进,特别是在兼容性、稳定性和功能覆盖范围方面。这个版本移除了对老旧系统的支持,专注于提升在现代Windows系统上的表现,同时增加了对更多特殊调用场景的支持。对于希望摆脱Edge强制调用困扰的用户来说,这是一个值得升级的版本。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00