探秘Swift与Windows Runtime的无缝融合:Swift/WinRT
Swift/WinRT 是一个创新的开源项目,它基于微软的 cppwinrt 项目,为Swift开发者提供了无缝接入Windows Runtime(WinRT)的能力。这个项目不仅能生成C ABI定义,让你在Swift模块中导入,还能自动生成调用ABI的Swift绑定。
项目结构概览
项目主要分为四个部分:
- SwiftWinRT (C++):生成C ABI定义和Swift绑定的基础。
- TestComponent (C++):测试组件,用于验证Swift/WinRT的功能。
- Swift Bindings (Swift):实际的Swift绑定代码。
- Test app (Swift):测试应用程序,用于验证Swift与WinRT交互的实际效果。
所有C++代码通过CMake构建,而Swift代码则依赖于Swift Package Manager (SPM)。
开发者工作流
Swift 工具链要求
为了最佳效果,建议使用与GitHub Actions build workflow使用的相同标签的Swift工具链版本,可以从swift-build releases下载对应版本。
初始化和构建
首先,初始化子模块:
git submodule init
git submodule update --recursive
然后,安装所需的Windows SDK(当前为10.0.17763版),可以通过winget进行安装:
winget install --id Microsoft.WindowsSDK.10.0.17763
你可以使用CMake命令来编译项目:
cmake --preset debug
cmake --build --preset debug
cmake --build --preset debug --target install
或在PowerShell中使用单行命令:
cmake --build --preset debug; cmake --build --preset debug --target install
注意,对于调试模式,由于Swift-winrt会频繁触发脏文件检测,因此编译速度较慢。
在VS Code中调试
Swift测试代码可以在VS Code中轻松构建和调试。按 Ctrl+Shift+B 编译,然后通过常规的VS Code调试窗口(或按 F5)启动调试。
如果你需要调试测试,但不想每次重新运行swift-winrt,可以参考以下优化的工作流程:
- 在Visual Studio中打开swiftwinrt目录,并选择Release配置。
- 在VS Code中打开项目根目录并确保已选择“Debug”预设。
这种组合方式允许你在快速重跑swift-winrt的同时仅对测试进行调试,而且在需要时也能手动编辑API原型。
使用Visual Studio调试swift-winrt
调试swift-winrt的最佳方法是使用完整的Visual Studio,打开swiftwinrt的CMake文件,并以 Release 配置构建。设置调试器参数后,可以直接从VS中启动调试。
总的来说,Swift/WinRT 提供了强大的工具链,让Swift开发者能够充分利用Windows平台的功能,同时也保留了Swift语言的优雅与简洁。
项目特点
- 无缝集成: Swift/WinRT 将Swift与WinRT API完美结合,使开发者能够在Swift中直接调用Windows功能。
- 高效构建系统: 使用CMake和Swift Package Manager相结合的方式,提供灵活且高效的开发环境。
- 全面的测试支持: 通过TestComponent和Test app,确保了项目的稳定性和可靠性。
- 强大的调试工具: 支持VS Code和Visual Studio的调试,方便开发者定位和解决问题。
如果你想在Windows平台上发挥Swift的优势,Swift/WinRT无疑是一个值得尝试的优秀开源项目。不论是新手还是经验丰富的开发者,都能从中受益。现在就开始你的旅程,探索Swift在Windows生态中的无限可能!
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00