PowerShell Standard 项目教程
1. 项目介绍
PowerShell Standard 是一个参考程序集,旨在帮助开发者创建能够在不同版本的 PowerShell 上运行的模块和 PowerShell 主机。该项目的主要目标是确保开发者编写的 PowerShell 模块和主机能够在 PowerShell Core 和 Windows PowerShell 上兼容运行。
PowerShell Standard 提供了两个版本的库:
- PowerShell Standard Library Version 3: 支持 PowerShell 3.0 及更高版本,包括 PowerShell Core。
- PowerShell Standard Library Version 5.1: 支持 PowerShell 5.1 及更高版本,包括 PowerShell Core。
这些库可以在 NuGet 上获取,开发者可以通过安装这些库来确保他们的模块在不同版本的 PowerShell 上具有良好的兼容性。
2. 项目快速启动
2.1 安装 PowerShell Standard Library
首先,确保你已经安装了 NuGet 包管理器。然后,在 Visual Studio 的 Package Manager Console 中运行以下命令来安装 PowerShell Standard Library:
Install-Package -Id PowerShellStandard.Library
2.2 创建一个简单的 PowerShell 模块
- 在 Visual Studio 中创建一个新的项目。
- 在项目中添加一个 PowerShell 模块文件(例如
MyModule.psm1)。 - 在模块文件中编写你的 PowerShell 代码。例如:
function Invoke-Demo {
param (
[string[]]$Names
)
foreach ($name in $Names) {
Write-Output "Hello '$name'"
}
}
- 在项目中添加对
PowerShellStandard.Library的引用,并确保将Copy Local设置为False。
2.3 测试模块
在 PowerShell 控制台中导入并测试你的模块:
Import-Module .\MyModule.psm1
"joe", "jane" | Invoke-Demo
你应该会看到输出:
Hello 'joe'
Hello 'jane'
3. 应用案例和最佳实践
3.1 跨平台模块开发
PowerShell Standard 的主要应用场景是开发跨平台的 PowerShell 模块。通过使用 PowerShell Standard Library,开发者可以确保他们的模块在 Windows PowerShell 和 PowerShell Core 上都能正常运行。这对于需要在不同操作系统上部署的自动化脚本和工具非常有用。
3.2 模块兼容性测试
在开发过程中,建议在多个版本的 PowerShell 上测试你的模块,以确保其兼容性。你可以使用 Docker 容器来测试 PowerShell Core 在 Linux 上的运行情况。
3.3 最佳实践
- 使用 PowerShell Standard Library: 确保你的模块依赖于 PowerShell Standard Library,而不是特定版本的 PowerShell 库。
- 避免硬编码路径: 在模块中避免使用硬编码的路径,以确保模块在不同环境中都能正常工作。
- 模块文档: 为你的模块编写详细的文档,包括安装说明、使用示例和常见问题解答。
4. 典型生态项目
4.1 PowerShell Core
PowerShell Core 是一个跨平台的自动化和配置工具,支持 Windows、Linux 和 macOS。它是 PowerShell Standard 的主要目标运行时之一。
4.2 Windows PowerShell
Windows PowerShell 是 Windows 上的命令行 shell,专门为系统管理员设计。PowerShell Standard 确保模块在 Windows PowerShell 上也能正常运行。
4.3 NuGet
NuGet 是一个包管理器,用于在 .NET 项目中分发和安装库。PowerShell Standard Library 可以通过 NuGet 进行安装和分发。
4.4 Docker
Docker 是一个容器化平台,可以用于在不同操作系统上运行 PowerShell Core。通过 Docker,开发者可以轻松测试他们的模块在 Linux 上的兼容性。
通过以上步骤和最佳实践,你可以充分利用 PowerShell Standard 来开发跨平台的 PowerShell 模块,并确保它们在不同版本的 PowerShell 上都能正常运行。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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