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!
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00