Electron 太胖了？试试 Electrobun，12MB 打包一个 AI 桌面助手Electron 打包一个 He

前两天刷掘金热榜看到 Electrobun 这个名字，第一反应是——又一个 Electron 替代品？Tauri 不是已经卷过一轮了吗？

但是当我看到打包体积 12MB 的时候，还是没忍住试了一下。结果一个下午就撸出了一个能用的 AI 聊天桌面助手，打包完一看体积，确实有点离谱。

先说结论

对比项	Electron	Tauri	Electrobun
运行时	Node.js + Chromium	Rust + 系统 WebView	Bun + 系统 WebView
开发语言	JS/TS	Rust + JS/TS	纯 TypeScript
Hello World 包体积	~270MB	~8MB	~12MB
冷启动速度	慢	快	很快
学习成本	低	高（要会 Rust）	低
生态成熟度	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐（刚 v1）

Tauri 体积更小，但你得写 Rust。Electrobun 的卖点就是：纯 TypeScript 全栈，不用学新语言，体积还能压到 12MB 级别。

为什么不用 Electron？

不是黑 Electron，我之前的几个小工具都是 Electron 写的。但问题真的很实际：

一个 Hello World 就 270MB，用户下载要等半天
每个 Electron 应用都自带一个 Chromium，开 3 个 Electron 应用等于开了 3 个 Chrome
内存占用，随便一个小工具就吃 200MB+ 内存

Tauri 解决了体积和性能问题，但代价是你得写 Rust。对于纯前端来说，这个门槛确实不低。

Electrobun 的思路是：用 Bun 替代 Node.js 做主进程（Bun 本身就比 Node 快），渲染层用操作系统自带的 WebView（macOS 用 WebKit，Windows 用 Edge WebView2），不捆绑浏览器引擎。

上手：5 分钟跑起来

前置条件：装好 Bun（没装的话 curl -fsSL https://bun.sh/install | bash）。

# 创建项目
bunx electrobun init my-ai-chat
cd my-ai-chat

# 装依赖
bun install

# 跑起来
bun run dev

跑完你会看到一个原生窗口弹出来，里面是一个简单的欢迎页面。整个过程不到 1 分钟。

项目结构长这样：

my-ai-chat/
├── src/
│   ├── main.ts              # 主进程（Bun 环境）
│   └── renderer/
│       ├── index.html        # 页面
│       ├── style.css         # 样式
│       └── script.ts         # 前端逻辑
├── electrobun.config.ts      # 构建配置
└── package.json

和 Electron 的结构很像，main.ts 对应 Electron 的 main.js，renderer/ 对应渲染进程。

改造成 AI 聊天助手

我的目标：做一个桌面版的 AI 聊天工具，支持多模型切换（GPT-4o、Claude、DeepSeek 等），流式输出。

主进程：创建窗口 + IPC

// src/main.ts
import { BrowserWindow } from "electrobun/bun";

const win = new BrowserWindow({
  title: "AI Chat Desktop",
  width: 800,
  height: 600,
  url: "electrobun://renderer/index.html",
});

// 监听渲染进程发来的消息
win.webview.onMessage("chat-request", async (data) => {
  const { model, messages } = data;

  try {
    // 调用 AI API，流式返回
    const response = await fetch("https://api.ofox.ai/v1/chat/completions", {
      method: "POST",
      headers: {
        "Content-Type": "application/json",
        Authorization: `Bearer ${process.env.OFOX_API_KEY}`,
      },
      body: JSON.stringify({
        model: model,
        messages: messages,
        stream: true,
      }),
    });

    const reader = response.body?.getReader();
    const decoder = new TextDecoder();

    while (reader) {
      const { done, value } = await reader.read();
      if (done) break;

      const chunk = decoder.decode(value);
      const lines = chunk.split("\n").filter((line) => line.startsWith("data:"));

      for (const line of lines) {
        const json = line.slice(5).trim();
        if (json === "[DONE]") continue;

        try {
          const parsed = JSON.parse(json);
          const content = parsed.choices?.[0]?.delta?.content;
          if (content) {
            // 实时推送到渲染进程
            win.webview.sendMessage("chat-stream", { content });
          }
        } catch {}
      }
    }

    win.webview.sendMessage("chat-done", {});
  } catch (err) {
    win.webview.sendMessage("chat-error", { error: String(err) });
  }
});

这里有个细节：Electrobun 的 IPC 通信用的是 onMessage / sendMessage，比 Electron 的 ipcMain / ipcRenderer 简洁不少。不需要单独写 preload 脚本。

渲染进程：聊天界面

<!-- src/renderer/index.html -->
<!DOCTYPE html>
<html>
<head>
  <meta charset="UTF-8">
  <title>AI Chat</title>
  <link rel="stylesheet" href="./style.css">
</head>
<body>
  <div id="app">
    <div class="header">
      <select id="model-select">
        <option value="gpt-4o">GPT-4o</option>
        <option value="claude-sonnet-4-20250514">Claude Sonnet 4</option>
        <option value="deepseek-chat">DeepSeek V3</option>
        <option value="qwen-plus">Qwen Plus</option>
      </select>
    </div>
    <div id="messages" class="messages"></div>
    <div class="input-area">
      <textarea id="input" placeholder="输入消息..." rows="3"></textarea>
      <button id="send-btn">发送</button>
    </div>
  </div>
  <script src="./script.ts"></script>
</body>
</html>

// src/renderer/script.ts
import { webview } from "electrobun/webview";

const messagesDiv = document.getElementById("messages")!;
const input = document.getElementById("input") as HTMLTextAreaElement;
const sendBtn = document.getElementById("send-btn")!;
const modelSelect = document.getElementById("model-select") as HTMLSelectElement;

let chatHistory: Array<{ role: string; content: string }> = [];
let currentAssistantMsg: HTMLDivElement | null = null;

function addMessage(role: string, content: string) {
  const div = document.createElement("div");
  div.className = `message ${role}`;
  div.textContent = content;
  messagesDiv.appendChild(div);
  messagesDiv.scrollTop = messagesDiv.scrollHeight;
  return div;
}

sendBtn.addEventListener("click", () => {
  const text = input.value.trim();
  if (!text) return;

  // 显示用户消息
  addMessage("user", text);
  chatHistory.push({ role: "user", content: text });

  // 创建助手消息占位
  currentAssistantMsg = addMessage("assistant", "") as HTMLDivElement;

  // 发送到主进程
  webview.sendMessage("chat-request", {
    model: modelSelect.value,
    messages: chatHistory,
  });

  input.value = "";
  sendBtn.disabled = true;
});

// 接收流式响应
webview.onMessage("chat-stream", (data) => {
  if (currentAssistantMsg) {
    currentAssistantMsg.textContent += data.content;
    messagesDiv.scrollTop = messagesDiv.scrollHeight;
  }
});

webview.onMessage("chat-done", () => {
  if (currentAssistantMsg) {
    chatHistory.push({
      role: "assistant",
      content: currentAssistantMsg.textContent || "",
    });
  }
  currentAssistantMsg = null;
  sendBtn.disabled = false;
});

// Ctrl+Enter 发送
input.addEventListener("keydown", (e) => {
  if (e.key === "Enter" && (e.ctrlKey || e.metaKey)) {
    sendBtn.click();
  }
});

样式（简洁暗色主题）

/* src/renderer/style.css */
* { margin: 0; padding: 0; box-sizing: border-box; }

body {
  font-family: -apple-system, BlinkMacSystemFont, "Segoe UI", sans-serif;
  background: #1a1a2e;
  color: #eee;
  height: 100vh;
}

#app {
  display: flex;
  flex-direction: column;
  height: 100%;
}

.header {
  padding: 12px 16px;
  background: #16213e;
  border-bottom: 1px solid #333;
}

.header select {
  background: #0f3460;
  color: #eee;
  border: 1px solid #444;
  padding: 6px 12px;
  border-radius: 6px;
  font-size: 14px;
}

.messages {
  flex: 1;
  overflow-y: auto;
  padding: 16px;
}

.message {
  margin-bottom: 12px;
  padding: 10px 14px;
  border-radius: 10px;
  max-width: 80%;
  line-height: 1.6;
  white-space: pre-wrap;
}

.message.user {
  background: #0f3460;
  margin-left: auto;
}

.message.assistant {
  background: #1a1a3e;
  border: 1px solid #333;
}

.input-area {
  display: flex;
  gap: 8px;
  padding: 12px 16px;
  background: #16213e;
  border-top: 1px solid #333;
}

.input-area textarea {
  flex: 1;
  background: #0f3460;
  color: #eee;
  border: 1px solid #444;
  border-radius: 8px;
  padding: 10px;
  font-size: 14px;
  resize: none;
}

.input-area button {
  background: #e94560;
  color: white;
  border: none;
  padding: 10px 20px;
  border-radius: 8px;
  cursor: pointer;
  font-size: 14px;
}

.input-area button:hover { background: #c81e45; }
.input-area button:disabled { opacity: 0.5; cursor: not-allowed; }

打包体验

bun run build

打包完成后：

dist/
└── AI Chat Desktop.app   # macOS
    └── (总大小: ~64MB)

等等，说好的 12MB 呢？

这里要解释一下：12MB 是 Electrobun 框架本身的开销，加上你的业务代码和依赖。我的项目因为没有额外的 npm 包（AI 调用用的是原生 fetch），实际打包大约 64MB，主要是 Bun runtime 占了大头。

作为对比，同样功能的 Electron 版本打包后 310MB。差了将近 5 倍。

而且 Electrobun 有个杀手锏：差分更新。它内置了增量更新机制，版本迭代时只推送差异补丁，补丁大小可以小到 14KB。Electron 每次更新基本要重新下载整个 Chromium。

踩坑记录

1. Bun 版本兼容

Electrobun v1 要求 Bun >= 1.2。我一开始用的 1.1.x，bunx electrobun init 直接报了一堆类型错误。升级 Bun 后就好了：

bun upgrade

2. 环境变量加载

Bun 主进程不会自动读 .env 文件。需要手动加载：

// main.ts 顶部
import { $ } from "bun";
// 或者直接在 electrobun.config.ts 里配 env

我最后的方案是在 electrobun.config.ts 的 env 字段里写死（开发时），打包时从系统环境变量读取。

3. WebView 兼容性

macOS 上用的是 WebKit，不是 Chromium。这意味着一些 Chrome 特有的 API 不能用。我一开始用了 structuredClone 在 IPC 里传数据，结果在某些 macOS 版本上挂了。改成 JSON.parse(JSON.stringify(...)) 就没问题了。

4. 流式响应的坑

Bun 的 fetch 对 SSE 流式响应的支持和 Node.js 有点不一样。response.body 返回的是 ReadableStream，需要用 getReader() 来读，不能直接 for await...of。这个搞了我半小时。

值不值得用？

说实话，Electrobun 目前还是 v1 早期阶段，生态和 Electron 没法比。但如果你的场景是：

轻量级工具类应用（不需要复杂原生功能）
对包体积敏感（给客户分发不想让人等半天）
团队全是前端，不想碰 Rust
想尝鲜 Bun 生态

那完全值得试试。

我这个 AI 聊天桌面助手的完整流程：从 bunx electrobun init 到打包出可用的 .app，大概 3 小时（包括踩坑时间）。体验下来比第一次用 Electron 顺畅不少，至少不用折腾 webpack 配置和 preload 脚本。

API 层我用的是兼容 OpenAI 协议的聚合接口，改个 base_url 就能切不同模型，省得每个模型单独对接 SDK。如果你也想做类似的多模型桌面工具，这个思路可以参考。

完整代码我后续整理后会放 GitHub，有兴趣的可以先 mark 一下。