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
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 StartedRust0138- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。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
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。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
MusicFreeDesktop插件化、定制化、无广告的免费音乐播放器TypeScript00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
726
4.66 K
Ascend Extension for PyTorch
Python
597
750
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
427
377
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++
992
986
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
993
138
昇腾LLM分布式训练框架
Python
161
190
暂无简介
Dart
969
246
deepin linux kernel
C
29
16
Oohos_react_native
React Native鸿蒙化仓库
C++
345
393
🎉 (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
1.65 K
970