Rust 新手如何借助 AI 完成第一个 Tauri 2 项目？

正文

---

Rust 新手如何借助 AI 完成第一个 Tauri 2 项目？

---

前言

作为一个前端开发者，之前想做桌面应用首选就是 Electron。但 Electron 的痛点大家都知道：打包体积大、内存占用高。

Tauri 2.0 发布后，我决定试试看。问题是——我不会 Rust。

这篇文章记录一下我是如何在 AI 辅助下，从零开始完成一个完整的 Tauri 2 项目的。

为什么选 Tauri 而不是 Electron？

先说结论：

对比项	Tauri	Electron
打包体积	~10MB	~150MB
内存占用	~50MB	~200MB+
后端语言	Rust	Node.js
安全性	更高	一般

我的场景是做一个视频工具，需要内置 ffmpeg、aria2 这些二进制文件。如果用 Electron，加上这些依赖，打包体积可能要到 200MB+。而 Tauri 的基础体积只有 10MB 左右，即使加上这些工具，最终也就 60MB 左右。

项目要做什么

简单说，就是一个视频离线工具，主要支持国内某主流视频平台。核心需求：

• 支持单视频、合集、分P
• 批量任务队列
• 多清晰度选择
• 多线程下载 + 断点续传
• 开箱即用，普通用户不用装 Python/ffmpeg

最后一点很重要，市面上很多工具要么要装环境，要么是命令行，对普通用户太不友好了。

技术方案

前端：Vue 3 + TypeScript + Element Plus
后端：Tauri 2 + Rust
下载引擎：yt-dlp + aria2 + ffmpeg（sidecar 内置）

踩坑实录

坑 1：Rust 所有权和生命周期

这是 Rust 新手最大的障碍。刚开始写的时候，各种借用检查报错让我很崩溃。

AI 辅助的作用：Copilot 能给出正确的写法，但我发现一个问题——如果不理解原理，同样的错误会反复犯。所以我的经验是：AI 生成代码，但你要去搜「为什么这样写」。

// 错误示例：所有权已经转移
fn process(data: String) {
    let result = data; // data 所有权转移给 result
    println!("{}", data); // 报错！data 已经无效
}

// 正确写法：使用引用
fn process(data: &String) {
    println!("{}", data); // OK
}

坑 2：Sidecar 打包外部工具

为了实现「开箱即用」，需要把 yt-dlp、ffmpeg、aria2 打包进应用。Tauri 提供了 sidecar 功能：

// tauri.conf.json
{
  "bundle": {
    "externalBin": [
      "binaries/yt-dlp",
      "binaries/ffmpeg",
      "binaries/aria2c"
    ]
  }
}

踩坑点：文件名必须包含平台后缀，比如 yt-dlp-x86_64-pc-windows-msvc.exe，否则打包时会找不到文件。

坑 3：Windows 中文路径编码

调用外部命令时，如果路径包含中文，很容易出现乱码问题。

解决方案：统一使用 UTF-8 编码，并在调用前处理路径。

use std::os::windows::process::CommandExt;

Command::new("yt-dlp")
    .creation_flags(0x08000000) // CREATE_NO_WINDOW
    .arg("-o")
    .arg(&output_path)
    .spawn()

坑 4：异步任务与 UI 通信

下载是耗时操作，必须异步执行，否则会卡死界面。同时还要把进度实时同步给前端。

Tauri 的 Event 机制非常适合这个场景：

// Rust 侧发送进度
app_handle.emit("download-progress", ProgressPayload {
    percent: 50,
    speed: "1.2MB/s".to_string(),
})?;

// 前端监听
import { listen } from '@tauri-apps/api/event'

listen('download-progress', (event) => {
  console.log(event.payload) // { percent: 50, speed: "1.2MB/s" }
})

AI 辅助开发的心得

用了大半年 Copilot，总结几点：

适合交给 AI 的：

• 样板代码、重复性代码
• API 调用、类型定义
• 单元测试
• 不熟悉的语言语法

不能完全依赖 AI 的：

• 架构设计
• 复杂业务逻辑
• 性能优化
• 理解「为什么」

AI 能让你更快地写出能跑的代码，但不能替你思考。

最终效果

主要功能：

• 支持单视频、合集、分P
• 批量任务队列
• 多清晰度选择（4K/1080P/720P）
• aria2 多线程加速，断点续传
• 深色模式
• 应用内自动更新

代码已开源：github.com/gaopengbin/…

小结

作为一个 Rust 新手，整个项目做下来最大的感受是：Tauri 2 + AI 辅助大大降低了入门门槛。

如果你也想尝试 Tauri，希望这篇文章能给你一些参考。

项目还在持续更新，欢迎 Star 和 Issue！

---