3分钟上手Dism++:系统维护从入门到精通
2026-02-04 04:22:17作者:薛曦旖Francesca
Dism++是一款基于CBS(Component Based Servicing Reference)技术的系统维护工具,提供图形化界面管理Windows系统组件、更新、驱动和备份功能。相比微软Dism工具,Dism++无需依赖系统组件,兼容Vista至Windows 10全版本系统,支持WIM/ESD映像处理、系统清理优化等高级功能。
核心功能概览
Dism++的主要功能模块包括:
- 空间回收:清理系统垃圾、更新缓存和冗余组件
- 系统备份:创建WIM/ESD格式系统映像,支持增量备份
- 映像管理:释放、捕获、转换WIM/ESD/ISO映像文件
- 驱动管理:安装、卸载、导出硬件驱动程序
- 更新管理:扫描、安装、卸载Windows更新
- 系统修复:验证并修复系统受损文件
项目官方文档:start.md
快速入门指南
界面布局
Dism++采用简洁的标签式界面设计,顶部标签切换不同系统,左侧为功能列表,右侧为操作区域。对于普通用户,"空间回收"是最常用的功能入口。
系统清理步骤
- 启动Dism++后点击左侧"空间回收"功能
- 勾选需要清理的项目(橙色标识为风险项目)
- 点击"扫描"预估可释放空间,或直接点击"清理"执行操作
建议每月清理一次,过度清理可能影响系统稳定性。风险项目清理前会显示警告提示,需仔细确认。
系统备份与还原
备份系统:
- 选择当前系统标签,点击"恢复功能"→"系统备份"
- 设置WIM文件保存路径
- 点击确定开始备份(支持增量备份)
还原系统:
- 点击"恢复功能"→"系统还原"
- 选择之前创建的WIM备份文件
- 点击确定开始还原
系统备份与还原详细教程:Quickstart.md
高级功能应用
映像文件处理
Dism++支持WIM/ESD/ISO等多种映像格式操作:
- 释放映像:文件→释放映像,支持选择压缩类型
- 捕获映像:文件→另存为映像,可自定义压缩级别
- 格式转换:文件→WIM <--> ESD/SWM,支持拆分大型映像
映像操作指南:Dism2Dism++.md
驱动管理
在"驱动管理"功能中,可完成:
- 查看已安装驱动详细信息
- 批量导出驱动程序
- 卸载不需要的驱动
操作步骤:左侧导航→"驱动管理",选择相应操作。
更新管理
"更新管理"功能提供:
- 扫描系统缺少的更新
- 离线安装本地更新包(CAB/MSU格式)
- 卸载问题更新
系统要求与文件说明
运行环境要求
- 最低配置:Windows Vista/2008,512MB内存
- 推荐配置:Windows 7/10 64位系统,8GB内存
核心文件说明
| 文件名称 | 功能说明 |
|---|---|
| Dism++x64.exe | 64位系统主程序 |
| Dism++x86.exe | 32位系统主程序 |
| Config\Languages | 语言文件目录,如zh-Hans.xml |
| Config\Data.zip | 清理规则和ESD解密密钥 |
完整文件列表:start.md
扩展资源
- 项目源码仓库:https://gitcode.com/gh_mirrors/di/Dism-Multi-language
- 高级使用教程:Best/
- 隐藏功能说明:Dism++Library/隐藏功能.md
- 自定义规则参考:Dism++Library/规则结构参考.md
通过本文档的指导,您已掌握Dism++的基本操作和核心功能。如需深入了解高级应用,请参考官方文档或探索"选项"菜单中的专家模式功能。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0120
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
766
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
685
1.34 K
Ascend Extension for PyTorch
Python
720
884
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++
1.08 K
1.1 K
deepin linux kernel
C
32
16
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
457
440
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
610



