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!
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