如何在Windows 10/11上一键安装安卓子系统?WSABuilds完整配置指南
WSABuilds是一个开源项目,旨在帮助用户在Windows 10和Windows 11系统上快速部署带有Google Play商店、Magisk或KernelSU的Windows Subsystem for Android (WSA),让你的电脑无缝运行安卓应用!
📋 为什么选择WSABuilds?三大核心优势解析
✅ 预装Google Play商店,应用即点即用
告别繁琐的手动配置,WSABuilds预集成MindTheGapps组件,安装完成即可通过Google Play商店下载百万安卓应用,无需额外操作。
✅ 可选Root权限,深度定制系统
根据需求灵活选择Magisk或KernelSU root方案,轻松实现系统级功能扩展,满足高级用户定制需求。相关脚本位于MagiskOnWSA/scripts/目录。
✅ 全自动化部署,小白也能轻松上手
从WSA基础包下载到Google服务配置,全程脚本自动化处理,无需手动修改系统文件,5分钟即可完成安装。
🔧 安装前必看!系统环境检测清单
最低配置要求
- 操作系统:Windows 10 22H2 (19045.2311+) 或 Windows 11任意版本
- 处理器:支持虚拟化技术的x86_64/arm64架构CPU(Intel i3 8代+/AMD Ryzen 3000+)
- 内存:8GB RAM(推荐16GB)
- 存储:10GB可用空间(SSD最佳)
- 显卡:兼容DirectX 12的Intel/AMD/Nvidia显卡
必须启用的Windows功能
- 打开控制面板→程序→程序和功能→启用或关闭Windows功能
- 勾选以下选项:
- 虚拟机平台
- Windows Hypervisor平台
- 适用于Linux的Windows子系统(可选)
⚠️ 注意:需在BIOS/UEFI中启用虚拟化技术(Intel VT-x/AMD SVM),具体方法请参考主板说明书
🚀 超简单安装步骤,5分钟搞定
1. 克隆项目仓库
打开PowerShell或命令提示符,执行以下命令:
git clone https://gitcode.com/gh_mirrors/ws/WSABuilds
cd WSABuilds
2. 运行一键安装脚本
根据系统架构选择对应脚本:
- 64位系统:双击运行
MagiskOnWSA/installer/x64/Install.ps1 - ARM64系统:双击运行
MagiskOnWSA/installer/arm64/Install.ps1
3. 配置安装选项
在弹出的配置界面中按需选择:
- [ ] 集成Google Play商店(推荐勾选)
- [ ] 安装Magisk(获取Root权限)
- [ ] 安装KernelSU(替代Magisk的Root方案)
- [ ] 启用houdini(支持ARM应用)
4. 等待安装完成
脚本将自动下载所需文件(约500MB-1GB),全过程无需人工干预。安装成功后会显示"WSA安装完成"提示。
5. 启动WSA
在开始菜单搜索"Windows Subsystem for Android",首次启动需等待2-3分钟初始化。
📱 首次使用指南:从安装到运行应用
登录Google账号
打开开始菜单中的"Play商店",使用你的Google账号登录(若无账号可直接注册)。登录后即可像在手机上一样浏览和下载应用。
安装常用应用
推荐首批安装的必备应用:
- 社交类:微信、QQ、抖音
- 工具类:ES文件浏览器、Screen Mirroring
- 办公类:Microsoft Office、WPS Office
调整性能设置
进入WSA设置界面(开始菜单搜索"WSA设置"):
- 内存分配:建议设置为4GB(4096MB)
- GPU加速:选择性能较好的显卡
- 文件共享:开启后可访问电脑文件系统
❌ 常见问题解决方法
安装失败提示"0x80073CF9"错误
这是由于系统缺少必要组件,解决方案:
- 下载并安装Microsoft Visual C++ Redistributable
- 重启电脑后重新运行安装脚本
WSA启动后应用闪退
可能是GPU兼容性问题,尝试:
- 打开WSA设置 → 图形 → 切换GPU
- 若使用核显,建议更新显卡驱动至最新版本
Play商店无法联网
检查Windows防火墙设置:
- 允许"WsaClient"和"WsaService"通过防火墙
- 重启WSA服务(设置 → 系统 → 重置)
📚 进阶使用技巧
启用ADB调试
- 打开WSA设置 → 开发者选项 → 启用"USB调试"
- 在PowerShell中执行:
adb connect localhost:58526
相关工具位于[Documentation/Usage Guides/ADB-Sideloading.md](https://gitcode.com/gh_mirrors/ws/WSABuilds/blob/75999f01bf8334cade411403f3c127dfb41b3e76/Documentation/Usage Guides/Sideloading Guides/ADB-Sideloading.md?utm_source=gitcode_repo_files)
迁移WSA到外接硬盘
对于存储不足的用户,可参考官方迁移指南[Documentation/Usage Guides/MoveToExtDrive.md](https://gitcode.com/gh_mirrors/ws/WSABuilds/blob/75999f01bf8334cade411403f3c127dfb41b3e76/Documentation/Usage Guides/General Usage Guides/MoveToExtDrive.md?utm_source=gitcode_repo_files),支持将WSA完整迁移到USB硬盘或SD卡。
安装自定义模块
通过Magisk Manager安装模块扩展功能:
- 下载模块ZIP文件到电脑
- 在WSA中启用"通过ADB安装"
- 执行命令:
adb push 模块文件 /sdcard/Download - 在Magisk Manager中选择安装模块
📄 官方资源与支持
- 完整文档:Documentation/WSABuilds/
- 故障排除:[Documentation/Fix Guides/Troubleshooting.md](https://gitcode.com/gh_mirrors/ws/WSABuilds/blob/75999f01bf8334cade411403f3c127dfb41b3e76/Documentation/Fix Guides/Troubleshooting.md?utm_source=gitcode_repo_files)
- 更新检查:[MagiskOnWSA/Update Check/](https://gitcode.com/gh_mirrors/ws/WSABuilds/blob/75999f01bf8334cade411403f3c127dfb41b3e76/MagiskOnWSA/Update Check/?utm_source=gitcode_repo_files)
通过WSABuilds,你可以充分发挥Windows电脑的性能优势,流畅运行安卓应用和游戏。无论是办公、娱乐还是开发测试,这款工具都能为你带来无缝的跨系统体验!如有任何问题,欢迎查阅项目文档或参与社区讨论。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00