winget-install项目安装失败问题分析与解决方案
2026-02-04 04:37:06作者:咎岭娴Homer
问题背景
近期有用户在Windows 10 Pro x64 22H2系统上使用winget-install脚本(版本4.0.2)安装winget时遇到了注册步骤失败的问题。错误提示表明安装包Microsoft.DesktopAppInstaller依赖的Microsoft.UI.Xaml.2.8框架无法找到。
错误详情
在注册阶段,脚本执行Add-AppxPackage命令时返回了HRESULT: 0x80073CF3错误。具体错误信息指出:
- 安装包Microsoft.DesktopAppInstaller_1.22.10582.0_x64依赖Microsoft.UI.Xaml.2.8框架
- 系统当前没有安装该框架的任何版本
- 需要的最低版本为8.2310.30001.0
技术分析
这个问题实际上源于winget-cli项目本身的变更。winget的最新版本开始依赖较新版本的Microsoft.UI.Xaml框架(2.8版),而winget-install脚本当前下载的是2.7版本的框架包。
这种依赖关系变更在软件开发中很常见,特别是当上游项目(windows包管理器)更新其依赖项时,下游安装工具需要相应调整。
解决方案
对于遇到此问题的用户,可以采取以下步骤:
- 等待winget-install脚本更新版本(作者已确认将发布修复版本)
- 手动下载并安装Microsoft.UI.Xaml.2.8框架
- 使用系统自带的应用商店安装winget(如果可用)
预防措施
为避免类似问题,建议:
- 定期检查winget-install脚本的更新版本
- 在安装前查看项目的已知问题列表
- 确保系统满足所有先决条件,包括最新的Windows更新
总结
依赖管理是软件安装过程中的常见挑战。winget-install项目正在积极解决这个特定问题,用户只需保持关注官方更新即可。这类问题通常会在上游和下游项目协调后很快得到解决。
对于技术用户来说,理解这类依赖关系问题有助于更好地诊断和解决安装过程中遇到的各种挑战。这也提醒我们在自动化安装工具中,依赖项管理是一个需要持续关注和更新的重要方面。
登录后查看全文
热门项目推荐
相关项目推荐
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
deepin linux kernel
C
28
15
Ascend Extension for PyTorch
Python
506
612
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
941
868
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
394
292
暂无简介
Dart
911
219
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
894
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
124
198
昇腾LLM分布式训练框架
Python
142
168
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
557