新闻详情

新闻详情

首页 / 资讯中心 / 详情

Win11Debloat:5 分钟清理预装应用并调完 90 多项系统设置,全程不碰注册表

发布时间:2026/11/10 8:23:25来源:尧图网络
Win11Debloat:5 分钟清理预装应用并调完 90 多项系统设置,全程不碰注册表
Win11Debloat5 分钟清理预装应用并调完 90 多项系统设置全程不碰注册表【免费下载链接】Win11DebloatA simple, lightweight PowerShell script that allows you to remove pre-installed apps, disable telemetry, as well as perform various other changes to declutter and customize your Windows experience. Win11Debloat works for both Windows 10 and Windows 11.项目地址: https://gitcode.com/GitHub_Trending/wi/Win11Debloat刚装好的 Windows开始菜单里躺着一堆你从没点开过的应用锁屏不停弹小贴士后台还默默记录你的位置和使用习惯。Win11Debloat 是一个轻量的 PowerShell 脚本可以批量移除预装应用、关闭遥测跟踪并调整任务栏、开始菜单、文件资源管理器这些界面细节。它同时支持 Windows 10 和 Windows 11全程图形界面勾选不需要你懂注册表。先说清它是个什么东西 Win11Debloat 就是一个解压后直接跑的 PowerShell 脚本带一个勾选式的图形界面无需安装。它帮你省掉的是两件事在设置里一项项翻开关以及手动卸载几十个小应用。界面上所有改动按类别分组每项都有默认值你只动自己关心的部分就行。从下载到第一次跑起来 拿到脚本在任意目录打开 PowerShellWindows 11 的终端也可以执行git clone https://gitcode.com/GitHub_Trending/wi/Win11Debloat启动它进入Win11Debloat文件夹双击Run.bat。系统会弹出管理员授权UAC提示点是即可。你会看到一个按类别分组的勾选窗口顶部有加载默认设置按钮。第一次操作点Select Default Settings再点右下角 Next确认待应用的项目列表点 Apply。脚本执行完会提示是否重启资源管理器整个过程几分钟内结束。拆开看它做了什么 应用卸载按清单批量移除清单写在 Config/Apps.json 里共 141 个预装应用每个都能在界面上单独勾选比如 Candy Crush、Bing 新闻、Xbox Game Bar。移除走的是 Windows 自带的Remove-AppxPackage机制不会动系统文件。系统调整90 多项改动按类别分组界面分 17 类Privacy Suggested Content、AI、System、Windows Update、File Explorer、Start Menu Search、Taskbar 等。每一项改动实际是通过 Regfiles/ 目录下的 .reg 文件落地的共 90 多个文件你全程不需要手写或看懂任何注册表路径。备份与还原动手前先留后路脚本默认在改注册表前做备份改完可以用内置的 Restore Changes 界面逐项还原也可以加-CreateRestorePoint参数先建系统还原点。应用移除这一项是单向操作但绝大多数应用可以在 Microsoft Store 重新装回来。命令行模式给多机部署留了后门如果你更喜欢命令行可以跳过图形界面.\Win11Debloat.ps1 -CLI -DisableTelemetry -CreateRestorePoint加-Sysprep参数会把改动应用到 Windows 默认用户配置之后新创建的用户自动继承这套设置。你的勾选项也能导出成 JSON再导入到别的机器上复用。不同情况怎么勾 ⚖️新装系统想干净点直接跑默认配置移除大部分预装应用关掉锁屏提示和搜索推荐。跑完用两天发现缺什么再去商店装回来。主要在意隐私集中勾选 Privacy Suggested Content 和 AI 两组——遥测、位置服务、Find My Device、Copilot、Windows Recall 都在这里其余保持默认。多台电脑要保持一致第一台勾好导出配置 JSON其余机器用-Config参数或 Sysprep 模式导入同一套设置省去逐台点的麻烦。翻车了怎么办 回滚路径有三层单项或批量注册表改动用脚本内置的 Restore Changes 还原整台机器状态用还原点回退个别应用去 Microsoft Store 重装。唯一比较难撤销的是应用移除本身所以第一次跑之前建议把-CreateRestorePoint勾上。对某项拿不准的话先在虚拟机里跑一遍确认行为符合预期再上主力机。写在最后Win11Debloat 干的事说白了就一件把新系统里你不需要的部分一次勾掉且留了退路。建议先只跑默认配置用几天再决定要不要加选项别一次勾满。【免费下载链接】Win11DebloatA simple, lightweight PowerShell script that allows you to remove pre-installed apps, disable telemetry, as well as perform various other changes to declutter and customize your Windows experience. Win11Debloat works for both Windows 10 and Windows 11.项目地址: https://gitcode.com/GitHub_Trending/wi/Win11Debloat创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/10 4:49:37

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/9 8:37:19

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/9 8:37:19

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/10 1:10:29

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/9 8:37:18

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/9 8:37:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉