MAA跨平台支持:Windows/Linux/macOS全平台部署指南
2026-02-05 04:36:03作者:幸俭卉
MAA(MaaAssistantArknights)作为一款功能强大的明日方舟游戏小助手,提供了全面的跨平台支持,覆盖Windows、Linux和macOS三大主流操作系统。本文将详细介绍各平台的安装部署流程、兼容性配置及常见问题解决方案,帮助用户在不同系统环境下高效使用MAA。
跨平台架构概览
MAA采用模块化设计实现跨平台兼容,核心功能通过C++编写并封装为动态链接库,上层提供多语言绑定和图形界面适配。项目架构如图所示:
graph TD
A[MAA Core] --> B[Windows DLL]
A --> C[Linux SO]
A --> D[macOS DYLIB]
B --> E[WPF GUI]
C --> F[CLI Interface]
D --> G[macOS App Bundle]
E & F & G --> H[统一功能接口]
核心组件路径:
- 跨平台核心库:src/MaaCore/
- 平台适配层:src/MaaWpfGui/(Windows)、src/MaaMacGui/(macOS)
Windows平台部署
系统要求
- 操作系统:Windows 10/11(64位)
- 依赖组件:.NET Framework 4.8、DirectX 11
安装流程
- 从官方仓库下载最新Windows安装包
- 运行安装程序,勾选"添加到系统PATH"选项
- 安装完成后自动创建桌面快捷方式
图形界面启动
# 通过开始菜单或桌面快捷方式启动MaaWpfGui
# 或使用命令行启动
cd "C:\Program Files\MaaAssistantArknights"
MaaWpfGui.exe
GPU加速配置
MAA在Windows平台支持DirectML加速,相关配置文件路径:
- src/MaaCore/Config/Resource.json
- 默认已启用GPU加速,如需禁用可删除安装目录下的
DirectML.dll
Linux平台部署
系统要求
- 发行版:Ubuntu 20.04+/Debian 11+/Arch Linux
- 依赖库:
libopencv-dev、libssl-dev、cmake
编译安装
# 1. 安装依赖
sudo apt install cmake python3 # Ubuntu/Debian
# 或
sudo pacman -S --needed cmake python3 # Arch Linux
# 2. 下载依赖库
python tools/maadeps-download.py
# 3. 编译MAA
cmake -B build \
-DINSTALL_RESOURCE=ON \
-DINSTALL_PYTHON=ON \
-DCMAKE_TOOLCHAIN_FILE=MaaDeps/cmake/maa-x64-linux-toolchain.cmake
cmake --build build
# 4. 安装到指定目录
cmake --install build --prefix ~/maa-install
命令行运行
# 基本使用
cd ~/maa-install
./maa-cli --config tasks.json
# 后台运行模式
nohup ./maa-cli --config arknights-tasks.json > maa.log 2>&1 &
容器化部署
对于服务器环境,推荐使用Docker容器运行:
# 构建镜像
docker build -t maa-linux -f tools/AppImage/Dockerfile .
# 运行容器
docker run -d --name maa-instance maa-linux
macOS平台部署
系统要求
- 操作系统:macOS 12+(Monterey及以上)
- Xcode Command Line Tools
编译流程
MAA提供专用编译脚本tools/build_macos_universal.zsh,支持生成Universal二进制:
# 1. 安装Xcode命令行工具
xcode-select --install
# 2. 运行编译脚本
chmod +x tools/build_macos_universal.zsh
./tools/build_macos_universal.zsh
# 3. 生成XCFramework
cd build
xcodebuild -create-xcframework -library libMaaCore.dylib -headers ../include -output MaaCore.xcframework
应用打包
编译完成后可生成macOS应用 bundle:
# 创建应用目录结构
mkdir -p MaaAssistantArknights.app/Contents/MacOS
cp build/libMaaCore.dylib MaaAssistantArknights.app/Contents/MacOS
cp src/MaaMacGui/Info.plist MaaAssistantArknights.app/Contents/
签名与公证
对于分发需求,需进行代码签名:
codesign --deep --force --sign "Developer ID Application" MaaAssistantArknights.app
xcrun altool --notarize-app --primary-bundle-id "com.maa.assistant" --username "your-apple-id" --password "@keychain:Developer-altool" --file MaaAssistantArknights.app.zip
跨平台兼容性对比
| 功能特性 | Windows | Linux | macOS |
|---|---|---|---|
| 图形界面 | ✅ WPF | ✅ CLI/第三方GUI | ✅ Cocoa |
| GPU加速 | ✅ DirectML | ✅ OpenCL | ✅ Metal |
| 自动更新 | ✅ 内置 | ❌ 需手动 | ✅ 内置 |
| 多开支持 | ✅ 完全支持 | ✅ 完全支持 | ✅ 有限支持 |
| 模拟器集成 | ✅ 全支持 | ✅ 部分支持 | ⚠️ 实验性 |
跨平台开发指南
代码规范
跨平台代码需遵循以下规范:
- 文件路径统一使用
/分隔符 - 系统调用通过src/MaaCore/Utils/Platform.hpp封装
- 配置文件使用JSON格式,存放于src/MaaCore/Config/
编译系统
项目采用CMake管理跨平台构建,关键配置文件:
- CMakeLists.txt:主构建脚本
- cmake/macos.cmake:macOS特定配置
- cmake/utils.cmake:跨平台工具函数
第三方依赖管理
使用tools/maadeps-download.py统一管理依赖:
# 下载特定平台依赖
python tools/maadeps-download.py x64-linux # Linux
python tools/maadeps-download.py x64-osx # macOS
常见问题解决
跨平台数据同步
可通过以下方式同步配置和任务数据:
# 使用符号链接同步配置文件(Linux/macOS)
ln -s ~/Dropbox/MAA/config ~/.config/maa/config
性能优化建议
- Linux平台启用hugepages:
sudo sysctl -w vm.nr_hugepages=1024
- macOS平台调整能量设置:
pmset -a standby 0
总结与展望
MAA通过精心设计的跨平台架构,实现了在Windows、Linux和macOS系统上的一致功能体验。未来版本将进一步优化:
- Linux图形界面完善
- macOS模拟器兼容性提升
- WebAssembly版本开发(实验性)
项目开发文档:docs/zh-cn/develop/ 问题反馈:GitHub Issues
文档版本:v5.2.0
最后更新:2025-09-24
贡献者:MAA开发团队
本文档遵循CC BY-SA 4.0协议,欢迎转载但需保留署名
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
561
3.81 K
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++
891
652
昇腾LLM分布式训练框架
Python
115
146
Ascend Extension for PyTorch
Python
373
436
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
348
196
React Native鸿蒙化仓库
JavaScript
308
359
Dora SSR 是一款跨平台的游戏引擎,提供前沿或是具有探索性的游戏开发功能。它内置了Web IDE,提供了可以轻轻松松通过浏览器访问的快捷游戏开发环境,特别适合于在新兴市场如国产游戏掌机和其它移动电子设备上直接进行游戏开发和编程学习。
C++
57
7
暂无简介
Dart
794
196
🎉 (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
1.36 K
772