VirtualKD-Redux 使用教程
1. 项目介绍
VirtualKD-Redux 是 VirtualKD 的复兴和现代化版本,旨在提高 Windows 内核调试性能,特别是在虚拟机环境中。它支持最新的 VMware Workstation Pro 和 VirtualBox,并且兼容从 Windows XP 到 Windows 11 的操作系统。VirtualKD-Redux 还支持 ReactOS,并使用 Visual Studio 2022 进行构建,简化了构建系统,无需额外的库。
2. 项目快速启动
2.1 下载与安装
首先,从 GitHub 仓库下载最新的 VirtualKD-Redux 版本:
git clone https://github.com/4d61726b/VirtualKD-Redux.git
2.2 构建项目
确保你已经安装了 Visual Studio 2022 和 Windows Driver Kit 7.1.0。然后按照以下步骤进行构建:
- 设置环境变量
WDK7_PATH指向 WDK 7.1.0 的安装路径。 - 编辑
make.bat文件,修改VS170COMNTOOLS路径(如果需要)。 - 运行
make.bat脚本。
构建完成后,生成的二进制文件将位于 Bundle 目录中。
2.3 配置虚拟机
- 将
target64文件夹拷贝到虚拟机中。 - 在虚拟机中运行
vminstall.exe进行安装。
2.4 启动调试
-
在主机上打开
vmmon64.exe。 -
设置
DbgX.Shell.exe路径,例如:D:\安装\WinDbg Preview1.1910.3003.0\Microsoft\WinDbg_1.1910.3003.0_neutral__8wekyb3d8bbwe\DbgX.Shell.exe -
点击
Run Debugger。 -
重启虚拟机,在启动界面按
F8,选择禁用驱动程序强制签名命令。
3. 应用案例和最佳实践
3.1 内核调试
VirtualKD-Redux 主要用于内核调试,特别是在虚拟机环境中。通过它,开发者可以显著提高调试效率,减少调试延迟。例如,在开发和测试驱动程序时,VirtualKD-Redux 可以帮助开发者快速定位和修复内核级别的问题。
3.2 系统开发
对于系统开发者来说,VirtualKD-Redux 是一个不可或缺的工具。它支持从 Windows XP 到 Windows 11 的所有版本,使得开发者可以在不同版本的 Windows 上进行一致的调试体验。
4. 典型生态项目
4.1 WinDbg Preview
WinDbg Preview 是微软推出的新一代调试工具,与 VirtualKD-Redux 无缝集成,提供了强大的调试功能。通过 VirtualKD-Redux,开发者可以快速启动 WinDbg Preview 并开始调试。
4.2 VMware Workstation Pro
VirtualKD-Redux 支持最新的 VMware Workstation Pro,使得在 VMware 环境中进行内核调试变得更加高效和便捷。
4.3 VirtualBox
对于使用 VirtualBox 的开发者,VirtualKD-Redux 提供了同样的支持,确保在 VirtualBox 环境中也能获得高效的调试体验。
通过以上步骤和案例,开发者可以充分利用 VirtualKD-Redux 进行高效的内核调试和系统开发。
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