PakePlus完全指南:从安装到打包,打造你的专属桌面与移动应用
2026-02-05 04:19:59作者:史锋燃Gardner
PakePlus是一款基于Rust的轻量级应用打包工具,能将任何网页或前端项目转换为仅5M大小的跨平台桌面和移动应用。本指南将带你完成从环境准备到应用发布的全流程,无需复杂开发经验,只需简单几步即可拥有专属应用。
认识PakePlus
PakePlus(简称PP)是基于Tauri2框架开发的多端应用打包工具,相比传统方案具有显著优势:
- 极致轻量化:打包后应用体积小于5M,远低于Electron的100M+量级
- 多端支持:同时支持桌面端(Windows/macOS/Linux)和移动端(Android/iOS)
- 零环境依赖:无需本地安装Rust或Node.js,通过云端或本地打包两种模式
- 功能丰富:支持窗口自定义、JS注入、静态文件打包等高级特性
核心特性一览:
- 基于Rust构建,性能优于传统JS框架
- 支持网页/本地静态文件(Vue/React等)打包
- 内置调试模式与API调用能力
- 提供图形化操作界面,无需命令行知识
安装PakePlus
下载安装包
PakePlus提供多平台安装包,根据你的操作系统选择对应版本:
| 操作系统 | 下载路径 | 架构支持 |
|---|---|---|
| Windows | docs/bundle/redbook_0.0.1_x64-setup.exe | x64 |
| macOS | docs/bundle/redbook_0.0.1_aarch64.dmg | arm64/x86_64 |
| Linux | docs/bundle/redbook_0.0.1_amd64.deb | amd64 |
安装步骤
-
Windows系统:
- 双击exe安装包,可能会触发系统安全提示
- 如遇"Windows已保护你的电脑",点击"更多信息"→"仍要运行"
- 按向导完成安装,桌面将生成PakePlus快捷方式
-
macOS系统:
- 打开dmg文件,将PakePlus拖入应用程序文件夹
- 首次启动时可能提示"无法打开",需在"系统设置→安全性与隐私"中允许运行
- 如遇开发者验证问题,可执行终端命令:
xattr -d com.apple.quarantine /Applications/PakePlus.app
- Linux系统:
- 执行命令安装deb包:
sudo dpkg -i redbook_0.0.1_amd64.deb - 如遇依赖问题:
sudo apt install -f - 从应用菜单启动或终端执行:
pakeplus
- 执行命令安装deb包:
快速开始:创建第一个项目
环境准备
PakePlus提供两种工作模式,根据需求选择:
| 模式 | 优势 | 适用场景 | 准备工作 |
|---|---|---|---|
| 云端打包 | 无需配置环境 | 简单项目/新手用户 | GitHub账号+Token |
| 本地打包 | 无文件大小限制 | 大型项目/开发者 | Git+克隆仓库 |
获取GitHub Token(云端打包用户)
- 访问GitHub个人设置→开发者设置→个人访问令牌
- 创建Classic Token,勾选以下权限:
- repo(仓库操作权限)
- workflow(工作流执行权限)
- user(用户信息访问)
- 复制生成的Token,在PakePlus中点击右上角设置图标,粘贴并验证
注意:Token仅显示一次,请妥善保存。本地打包用户可跳过此步骤。
创建项目
- 启动PakePlus,点击主界面"+"按钮
- 填写项目基本信息:
- 项目名称:字母数字组合,不可重复
- 网站地址/本地路径:支持HTTP链接或本地HTML文件路径
- APP标识:唯一ID,如"com.example.myapp"
- 版本号:遵循语义化版本(如0.0.1)
- 点击"确定",系统自动创建项目并跳转至配置页面
应用配置详解
基础配置
项目创建后进入配置界面,主要包含以下设置项:
必填项:
- 应用名称:显示在桌面和开始菜单的名称,支持中文
- 目标地址:
- 网络地址:如"https://example.com"
- 本地文件:点击"浏览"选择index.html或dist文件夹
- 应用标识:唯一ID,建议使用反向域名格式
- 版本号:每次打包需要递增
推荐配置:
- 应用图标:上传1024x1024 PNG图片,支持圆角预览
- 窗口模式:预设桌面/iPhone/iPad/Android等尺寸
- 单例模式:启用后防止多开,适合工具类应用
- 状态保持:重启后恢复上次窗口位置和大小
高级功能
内容定制
-
过滤元素:输入CSS选择器隐藏页面元素(如广告)
.ad-banner, .popup-modal /* 隐藏广告和弹窗 */ -
注入脚本:添加自定义JS增强功能,例如:
// 自动登录脚本示例 document.getElementById('username').value = 'myaccount'; document.getElementById('password').value = 'mypassword';
窗口定制
在"更多配置"中可调整高级窗口属性:
{
"tauri": {
"windows": [
{
"decorations": false, // 无边框窗口
"transparent": true, // 背景透明
"alwaysOnTop": true // 窗口置顶
}
]
}
}
完整配置项参考Tauri文档
打包与发布
预览应用
配置完成后点击"预览"按钮,PakePlus会启动一个临时窗口展示效果:
预览模式支持:
- 实时调整窗口大小
- 右键菜单调出开发者工具
- 测试JS注入效果
本地打包流程
-
克隆项目仓库(开发者模式):
git clone https://gitcode.com/GitHub_Trending/pa/PakePlus.git cd PakePlus -
进入项目目录,修改配置文件: scripts/ppconfig.json
-
执行打包命令:
# 桌面端打包 npm run build:desktop # 移动端打包 npm run build:android # 或 build:ios -
打包产物位于:
- 桌面端:
src-tauri/target/release/bundle/ - 移动端:
src-tauri/mobile/target/
- 桌面端:
云端打包流程
- 配置完成后点击"发布"按钮
- 选择打包平台(可多选):
- 桌面端:Windows/macOS/Linux
- 移动端:Android APK/iOS IPA
- 填写更新日志,点击"确认发布"
- 等待云端编译(约5-10分钟),可在"发布记录"中查看进度
云端打包限制:每小时1次,每次最多3个平台。
高级技巧:自定义开发
静态资源打包
对于Vue/React等前端项目:
- 先执行
npm run build生成dist目录 - 在PakePlus中选择"本地文件"→"浏览"→选择dist文件夹
- 勾选"静态文件模式",自动处理相对路径
API调用示例
PakePlus允许前端JS调用系统功能,例如文件下载:
// 保存文本到本地文件
window.__TAURI__.fs.writeTextFile({
path: 'document.txt',
contents: 'Hello from PakePlus!'
}).then(() => {
alert('文件保存成功');
});
常用API列表:
- 文件操作:
window.__TAURI__.fs - 系统对话框:
window.__TAURI__.dialog - 进程执行:
window.__TAURI__.shell - 窗口控制:
window.__TAURI__.window
完整API文档:docs/zh/guide/desktopapi.md
调试技巧
- 启用调试模式:配置页面勾选"开发调试"
- 查看日志:菜单→帮助→查看日志
- 远程调试:
- 预览窗口右键→"检查元素"
- 使用Chrome浏览器访问
devtools://devtools/bundled/inspector.html?ws=localhost:9222/devtools/browser
常见问题解决
打包失败排查
- 网络问题:云端打包需要稳定网络,建议使用有线连接
- 文件大小超限:本地打包无限制,云端单个文件不超过10M
- 配置错误:检查APP标识格式和版本号是否正确
- 依赖缺失:本地打包需安装Git和基础编译工具
应用运行问题
| 问题 | 解决方案 |
|---|---|
| 窗口空白 | 检查目标URL是否可访问,本地文件路径是否正确 |
| 图标不显示 | 使用1024x1024 PNG图片,确保路径无中文 |
| 无法安装 | Windows关闭Defender,macOS允许未知来源 |
| 功能异常 | 开启调试模式查看控制台错误 |
更多问题参考常见问题文档
总结与进阶
通过本指南,你已掌握PakePlus从安装到打包的完整流程。以下是进阶学习路径:
- 脚本注入:编写复杂JS实现自动化操作
- 自定义主题:修改CSS实现应用界面个性化
- 插件开发:扩展PakePlus功能,贡献社区
- 批量打包:使用CLI模式批量处理多个项目
PakePlus源码托管于GitCode仓库,欢迎提交Issue和PR参与项目共建。如需技术支持,可加入官方交流群获取帮助。
现在就动手将你的常用网页或前端项目打包成专属应用,体验轻量化跨平台开发的乐趣吧!
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust049
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
最新内容推荐
老旧Mac系统升级:让过时设备重获新生的完整解决方案高效解决输入设备控制难题:Input Remapper的灵活配置与自定义控制指南FSearch:让Linux文件搜索快如闪电的索引式搜索工具3步攻克音乐歌词获取难题:智能云音乐歌词解决方案Awoo Installer:3大突破破解Switch游戏安装难题的全方位解决方案详解Oni-Duplicity:打造专属《缺氧》世界的全能存档编辑工具告别ADB命令行困扰:ADB Explorer让Android设备管理如此简单VoTT:计算机视觉标注工具的全流程实践指南Universal-IFR-Extractor实战指南:从功能解析到配置优化的完整路径3个步骤掌握GPT Researcher:从智能研究助手到自动化报告生成
项目优选
收起
暂无描述
Dockerfile
682
4.37 K
Ascend Extension for PyTorch
Python
524
635
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
216
47
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
402
308
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
950
902
暂无简介
Dart
929
229
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.58 K
913
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
134
214
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
125
205
昇腾LLM分布式训练框架
Python
145
169








