使用Java + Maven + GitHub Actions构建原生桌面应用
本文将向您介绍一个强大的开源项目,它将JavaFX或Swing与jpackage和Maven相结合,帮助您轻松创建跨平台的原生桌面应用程序,并利用GitHub Actions在云端生成MacOS(.dmg)、Windows(.msi)和Unix(如.deb/rpm)安装包。
项目介绍
这个开源模板项目旨在简化JavaFX或Swing桌面应用的开发流程,无需编写shell脚本,只需借助标准的Maven依赖管理系统,就能快速构建体积小巧的多平台安装程序。默认情况下,它会生成一个“Hello World”安装器,文件大小大约在30-40MB之间。
项目技术分析
该模板采用Maven插件生成定制的JVM和安装包。对JavaFX的支持需要捆绑JavaFX的JDK,例如Liberica或Azul Zulu。对于Swing应用,任何Java 17或18版本的JDK都可以。此外,项目还提供了一个自动化的GitHub Actions工作流,用于构建不同操作系统的安装程序。
应用场景
无论您是个人开发者还是团队,只要需要创建轻量级且跨平台的桌面应用,该项目都是理想的选择。您可以基于这个模板快速启动新项目,或者将其集成到现有的JavaFX或Swing应用中,实现一键自动化构建和分发。
项目特点
- 单一工具栈:仅需Java和Maven,无需额外的shell脚本。
- 云编译:利用GitHub Actions在云端构建各种操作系统上的安装程序。
- 多平台支持:生成MacOS .dmg、Windows .msi和Linux .deb/rpm等安装包。
- 自定义图标和功能:展示如何设置应用图标,以及在JavaFX中实现拖放、菜单集成等功能。
- 轻量化JVM:通过Java模块系统减少JVM大小,降低最终安装包的体积。
- 便捷的版本管理:提供示例说明如何管理应用的营销版本和内部测试版本。
- 良好的可扩展性:无论是JavaFX还是Swing,都能轻松适应,甚至可以扩展到其他类型的应用。
开始使用
首先确保您的环境中安装了Java 18、Maven以及MacOS上的Xcode或Windows上的WiX Toolset。然后克隆或下载项目,运行mvn clean install以生成安装程序。为了更深入地了解项目,可以查看示例构建日志和文档。
想要了解更多关于这个项目的细节,包括如何添加Apple Silicon支持,如何处理MacOS签名与验证问题,以及如何使用Swing替代JavaFX,请查阅项目文档和讨论区。
总的来说,这个开源项目为Java桌面应用开发者提供了极大的便利。无论是初次尝试还是寻求优化现有项目的解决方案,都不妨一试。现在就开始你的原生桌面应用之旅吧!
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00