GetStoreApp 6.2.625.0 版本发布:Windows 应用商店管理工具升级
项目简介
GetStoreApp 是一款专注于 Windows 应用商店管理的实用工具,它为用户提供了比系统自带商店更灵活的应用管理方式。该项目通过调用 Windows 原生 API,实现了应用搜索、安装、更新和卸载等核心功能,特别适合需要批量管理商店应用的 IT 管理员和开发者使用。
版本更新亮点
最新发布的 6.2.625.0 版本带来了多项重要改进:
-
WinGet API 升级:将底层依赖的 WinGet API 更新至 1.11.400 版本,这一更新显著提升了应用管理的稳定性和兼容性。WinGet 作为微软官方的包管理器,其 API 的升级意味着 GetStoreApp 能够更好地处理复杂的应用依赖关系。
-
问题修复:开发团队修复了多个已知问题,包括但不限于特定环境下应用安装失败、界面显示异常等情况。这些修复使得工具在各种 Windows 系统配置下都能更加可靠地运行。
技术实现解析
GetStoreApp 采用了现代化的 UWP 应用架构,同时巧妙地集成了 WinGet 的强大功能。这种设计带来了几个显著优势:
-
跨架构支持:虽然当前版本暂时无法支持 ARM64 平台(由于 WinGet 依赖库的限制),但应用本身已经为 x86 和 x64 架构提供了完整的支持。
-
安全机制:应用安装过程采用了数字证书验证机制,确保用户获取的是经过认证的版本。安装时需要将证书导入到受信任的根证书颁发机构,这一设计既保证了安全性,又避免了恶意软件的潜在威胁。
-
灵活的部署选项:项目提供了两种安装方式 - 标准的 MSIX 安装包和 PowerShell 脚本安装,满足不同用户群体的需求。特别是 PowerShell 安装方式,为自动化部署提供了可能。
安装指南与最佳实践
对于希望体验新版本的用户,以下是推荐的安装流程:
-
环境准备:
- 确保系统版本符合要求(建议 Windows 10 1903 或更高版本)
- 根据实际需要开启开发者模式(非必须,但建议)
-
证书安装:
- 将提供的证书文件安装到"本地计算机"的"受信任的根证书颁发机构"
- 这一步骤需要管理员权限,确保系统安全
-
依赖项处理:
- 仔细检查并安装所有必要的运行时依赖
- 特别注意不同系统架构(x86/x64)对应的依赖版本
-
安装方式选择:
- 普通用户推荐使用 MSIX 安装包,操作简单直观
- 高级用户或需要批量部署的场景可使用 PowerShell 脚本
对于可能遇到的 PowerShell 执行策略限制问题,可以通过调整执行策略或使用特定命令绕过限制,但要注意安全风险。
未来发展方向
根据开发团队的规划,GetStoreApp 将在后续版本中引入更多实用功能:
-
系统兼容性扩展:重新支持 Windows 10 19041 系统版本,扩大工具的使用范围。
-
国际化支持:计划添加在线翻译功能,使工具能够更好地服务于全球用户。
-
性能优化:持续改进应用管理效率,特别是在批量操作场景下的响应速度。
总结
GetStoreApp 6.2.625.0 版本标志着这个实用工具在稳定性和功能性上的又一次提升。通过紧密跟随微软生态系统的技术演进,特别是 WinGet API 的更新,该项目为 Windows 应用管理提供了专业级的解决方案。无论是个人用户还是企业环境,都能从中获得比原生商店更强大的管理能力。随着后续功能的不断完善,GetStoreApp 有望成为 Windows 平台上不可或缺的应用管理工具之一。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-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-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
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