新闻详情

新闻详情

首页 / 资讯中心 / 详情

ccgui跨平台构建与部署:macOS/Windows/Linux安装包制作、自动更新与发布全流程指南

发布时间:2026/11/14 19:08:50来源:尧图网络
ccgui跨平台构建与部署:macOS/Windows/Linux安装包制作、自动更新与发布全流程指南
ccgui跨平台构建与部署macOS/Windows/Linux安装包制作、自动更新与发布全流程指南【免费下载链接】desktop-cc-guiMulti-engine AI coding desktop client (Tauri). Claude Code, Codex, Gemini, OpenCode, DeepSeek Harness and more in one GUI.项目地址: https://gitcode.com/gh_mirrors/co/desktop-cc-guiccgui桌面端多引擎 AI 编程客户端基于 Tauri 2 构建一套代码即可同时打包出 macOS 的 .dmg、Windows 的 NSIS 安装包和 Linux 的 AppImage/RPM并内置 Tauri v2 自动更新机制。本文带你走通从本地打签名包到 CI 一键发布 latest.json 的完整流程帮你零踩坑地完成跨平台部署 一、先认识构建体系Tauri pnpm 双栈整个项目的前端React Vite TypeScript与后端Rust由 Tauri CLI 统一编排前端配置package.json 中的build:mac、dev等脚本应用配置src-tauri/tauri.conf.json 定义了产品名CC GUI、版本号1.0.8、targets: all全平台打包以及createUpdaterArtifacts: true自动生成更新签名产物一条命令即可开始开发调试pnpm dev自动拉起 Vite Rust 热重载生产打包pnpm exec tauri build按平台产出对应安装包二、macOS 安装包制作签名 公证macOS 是门槛最高的一站核心是Developer ID 签名与notarization 公证两步。2.1 本地一键签名构建仓库自带脚本 scripts/build-signed-macos.sh本地构建与 CI 使用同一稳定签名身份保证 macOS TCC 权限如桌面文件夹访问在更新后不丢失准备Developer ID Application证书登录钥匙串用xcrun notarytool store-credentials建立公证凭据执行pnpm build:mac或加SKIP_NOTARIZE1仅签名不公证脚本最终调用tauri build --bundles app,dmg并对产出的 DMG 执行notarytool submitstapler staple完成公证装订。2.2 为什么签名身份必须稳定脚本头部注释明确指出稳定的 Developer ID 身份是「文件夹访问授权」在重建和自动更新后依然有效的前提。换证书 用户所有权限弹窗重来一次 ⚠️三、Windows 安装包NSIS WebView2 引导器Windows 侧通过 src-tauri/tauri.windows.conf.json 合并配置关键点是webviewInstallMode采用embedBootstrapper内嵌 WebView2 引导器老机器无需额外联网安装运行时。发布流水线 ​.github/workflows/release.yml 中 Windows 任务还会先跑cargo test内置的 agent 目录哈希校验会在 CRLF 换行漂移时直接拒绝构建确保发出的安装包不会带病上线。产物为*-setup.exe 对应的.exe.sig更新签名文件。四、Linux 双格式打包AppImage 与 RPMLinux 任务在ubuntu-24.04上依次产出两种格式AppImagetauri bundle --bundles appimage随后用 scripts/prune-appimage-wayland-libs.mjs 剔除内嵌 Wayland 库并重新签名避免不同发行版 libwayland 版本冲突导致崩溃RPMsrc-tauri/tauri.conf.json 中配置了 zstd 压缩并声明webkit2gtk4.1、gtk3等依赖打包命令带 3 次重试以规避已知的压缩卡死问题五、自动更新原理latest.json 是怎么工作的自动更新由 Tauri v2 updater 插件驱动客户端配置见 src-tauri/tauri.conf.json 的plugins.updaterpubkeyminisign 公钥用于校验下载包的签名endpoints指向 Release 页面中的latest.json清单每次发版时CI 会收集各平台的.tar.gz/.AppImage/-setup.exe及其.sig文件按平台三元组如darwin-aarch64、windows-x86_64组装出latest.json。客户端后台轮询该清单发现新版本即提示用户增量更新全程无需手动重装。踩坑提示GitHub 会把资产名中的空格替换为点号latest.json必须指向「消毒后」的文件名否则更新下载会 404 —— 这正是发布记录中修复过的经典问题见 src/version/changelog.ts 的版本说明。六、一键发布全流程CI Pipeline 拆解发布入口是手动触发的 ​.github/workflows/release.yml只需输入一个版本号流水线会自动完成以下 5 步步骤作用️ preflight校验版本号格式、与配置文件一致、tag 未发布过⚙️ 三平台并行构建macOS 双架构arm64/x64 Linux Windows 产物汇总下载全部安装包、签名文件 生成 latest.json自动聚合 commit 信息生成 Release Notes 创建 Release上传全部资产并发布版本号自增 PR发版后版本号还会自动进位如 1.0.9 → 1.1.0为下一次发布做好准备。七、常见问题速查Q1本地构建 macOS 包总是提示未签名需将TAURI_SIGNING_PRIVATE_KEY与密码注入环境参考 scripts/build-signed-macos.sh 中的读取逻辑密钥缺失时脚本会直接报错退出。Q2Linux AppImage 在某些发行版打不开优先使用 CI 产出的「精简 Wayland 库后重新签名」的版本本地自行打包容易遗漏 prune 步骤。Q3客户端收不到更新检查三件事latest.json是否存在于 Release、资产 URL 是否用了带点号的名字、endpoints与pubkey是否匹配当前发布通道。掌握以上流程后你就能独立完成 ccgui 在三大平台的构建、签名与自动更新发布了。想深入了解性能调优与诊断可参考 docs/plans/2026-09-23-performance-fixes-and-diagnostics.md更新功能的用户侧实现则位于 src/features/update/。【免费下载链接】desktop-cc-guiMulti-engine AI coding desktop client (Tauri). Claude Code, Codex, Gemini, OpenCode, DeepSeek Harness and more in one GUI.项目地址: https://gitcode.com/gh_mirrors/co/desktop-cc-gui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 2026/11/14 3:51:47

【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 2026/11/12 23:59:09

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 2026/11/14 10:11:15

【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 ... 2026/11/14 17:14:38

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 2026/11/14 16:35:50

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 2026/11/14 3:51:43

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
📞 ✉