Windows-RS 项目第63版发布:COM互操作与类型系统的重大升级
Windows-RS是微软官方维护的Rust语言Windows API绑定库,它为Rust开发者提供了直接调用Windows系统API的能力。该项目通过自动生成的绑定代码,让Rust程序能够无缝地与Windows平台的各种功能进行交互,包括COM组件、系统服务、UI框架等核心功能。
COM实现的跨语言互操作支持
本次发布的第63版中,最引人注目的改进是对COM组件实现的全面支持。Windows-RS现在能够自动处理COM对象的跨语言边界调用,这在Rust生态中是一个重大突破。具体来说:
-
自动参数处理:当Rust实现的COM对象被其他语言(如C++或C#)调用时,系统会自动处理参数和返回值的转换。这包括基本类型、字符串、数组以及更复杂的结构体。
-
委托支持:COM回调机制现在得到了原生支持,Rust代码可以接收并处理来自其他语言的回调通知。
-
弱引用支持:新增了对COM弱引用的处理能力,这对于资源管理和循环引用预防非常重要。
这些改进使得Rust不仅能够调用COM接口,还能作为COM服务器被其他语言调用,大大扩展了Rust在Windows生态系统中的集成能力。
类型系统与数值处理的增强
Windows-RS在此版本中对类型系统进行了多项优化:
-
数值类型统一:将常用的数值类型重新映射到专门的
windows-numericscrate中,提供了更一致的数学运算体验。特别是为Matrix3x2结构体新增了scale和skew变换函数,这对于图形编程非常有用。 -
结构体布局检测:新增了对嵌套结构体布局差异的自动检测能力。当结构体内部包含具有不同内存对齐或打包要求的子结构时,系统会发出警告,防止潜在的内存访问错误。
-
默认实现扩展:为更多结构体自动派生
Defaulttrait,简化了这些类型的初始化过程。
宏与语法兼容性改进
考虑到即将到来的Rust 2024版,Windows-RS提前进行了语法兼容性调整:
-
HSTRING字面量宏:修改了
h!宏的语法以符合新版Rust规范,确保代码在未来版本中仍然能够正常工作。 -
宏简化:对
implement宏进行了重构,移除了不必要的cast功能,使宏定义更加简洁和高效。
测试与质量保证
-
Miri测试覆盖:引入了Miri( Rust的内存检查工具)来检测未定义行为,提高了内存安全性。
-
工作流自动化:改进了持续集成系统,自动生成MSRV(最小支持Rust版本)检查的工作流文件。
-
专用测试crate:为
windows-numerics创建了专门的测试crate,确保数值运算的正确性。
开发者体验优化
-
文档改进:隐藏了内部vtables的实现细节,使公共API文档更加清晰。
-
依赖管理简化:改进了workspace的依赖管理方式,使项目配置更加简洁。
-
不安全代码限制:在
windows-version等crate中减少了unsafe代码的使用量,提高了安全性。
总结
Windows-RS第63版标志着该项目在Windows平台深度集成方面迈出了重要一步。特别是COM实现的完整支持,使得Rust能够真正成为Windows生态系统的一等公民。同时,类型系统的改进和测试覆盖的增强,也显著提升了库的稳定性和可靠性。这些变化使得Rust在系统编程、驱动开发、多媒体处理等Windows传统优势领域更具竞争力。
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