给下一个百款 Rust GUI 工具的建议
这是 Advice for the next dozen Rust GUIs 的后续文章,那篇发布于4.5年前。 世界在很多方面已截然不同,但其中部分建议依然有效。 自那篇博客发布以来,大约已有20个 Rust GUI 工具箱面世(参见2026年调查),同时,受 AI 驱动,近期对 Rust GUI 的兴趣也迅速升温。
Rust GUI 依然具有吸引力
使用 Rust 构建 GUI 应用的动机依然强烈。 许多已发布的 GUI 应用性能表现不佳,尤其是采用跨平台技术构建的应用。 各平台自带的 GUI 工具箱基本停滞不前,系统厂商对解决跨平台问题兴趣缺缺,这导致 Electron 的流行度持续上升。 由于 RAM 依然昂贵且重心正转向移动端,臃肿的代码会带来实际后果。 在 Rust 中构建高性能 UI 是一个切实可行的替代方案。
过去几年,Rust UI 的采用速度较慢。 鲜有旗舰应用使用 Rust 来构建其 UI。 其中最具代表性的当属 Zed 编辑器,它基于自研的 GPUI 框架构建。 这证明了发布 Rust UI 应用是切实可行的。事实上,GPUI 正逐渐成为 AI 驱动的重写项目的主流选择,最典型的例子是 Discord。 就个人感觉而言,GPUI 非常适合 Zed 的使用场景,且作为实际发布项目的成果,其知名度和可信度都得到了显著提升,但它未必是通用应用的理想选择。 除此之外,其 2D 渲染引擎虽然非常适合文本编辑器,但缺乏对渐变的完整支持、混合模式、滤镜,以及 Vello 或 Skia 同级渲染器应具备的其他功能。
采用速度缓慢的原因或许正在消失。 编写 Rust 代码比传统 UI 开发语言(TypeScript、Kotlin、Swift)更难,且同时精通 Rust 和 UI 的工程师也难以寻觅。 但 AI 正在改变这一局面。 有证据表明,使用 LLM 编写 Rust 代码的成本并不比其他语言高出多少,且有理由相信,在大型代码库中,由于类型系统有助于强制实施不变量,Rust 将更具可维护性。 因此,既然各语言的成本大致相当,何不选择一种在安全性和性能结合上具有显著优势的语言呢?
基于这些原因,Rust 正迅速成为对现有代码库进行 AI 重写的首选语言。 但 UI 层该用什么策略,目前仍没有共识。 我预计会出现一轮小规模的百花齐放式探索。
原生(Native)很复杂
我在 2022 年的博客文章里用大篇幅讨论了“原生”这个概念,首先指出这个词本身没有明确的含义,更宏观地说,“原生” UI 工具包只是众多选择之一,应该按真正重要的质量标准来评估。
我认为这些观点大体上仍然成立,但很大程度上取决于目标平台。 Windows 至今没有清晰的原生选择(参见 Microsoft Hasn’t Had a Coherent GUI Strategy Since Petzold),Mac 上 AppKit 和 SwiftUI 之间也存在一定的碎片化。 不过 SwiftUI 有性能问题(参见 Michael Tsai 2025 年的博客),所以至少在性能上显然还有提升空间。
桌面 UI 的进展一直停滞不前,但移动端的情况有所不同。 各平台仍在持续投入,应用的观感要达到原生水准,需要关注大量细节。 一个很典型的例子是 iOS 的 Liquid Glass——如果用 UIKit 或 SwiftUI,稍加努力就能获得这种效果,而用跨平台工具包构建的应用总会差那么一点味道。 此外,手势识别、滚动动效、IME 输入法要做到与平台 100% 一致,目前也尚未完全解决。
因此对移动端来说,一条非常可行的路径是:UI 用原生工具包,通用的“业务逻辑”用 Rust 实现。 业务逻辑这条路好不好我不确定,但就 UI 而言,Shopify 最近正是这么决策的——放弃了 React Native。 据我所知 1Password 也是这种架构。 这同样是 Discord 移动端的"Phoenix"方案,而桌面端则使用 GPUI。
话虽如此,在尝试完全用 Rust 构建移动端 UI 方面确实取得了长足进步。下方是 android-view 编辑器演示的短录屏。可以看到很多输入法(IME)功能都能正常工作,包括滑动、滚动空格键移动光标,以及按语义块删除。视频中没有展示的是,输入组合区域(中日韩文字处理所需)也能正常工作,并且可以通过 AccessKit 提供基础无障碍支持。
文本排版和无障碍基础设施基本上已经解决了
2022 年的那篇博文提到,当时尚未解决的一大难题是文本排版。这当然是一个很难做对的问题。我很高兴地看到,生态系统现在已有不错的解决方案,即 Parley。这得益于 Google、Canva 和 Dioxus(现属 Cognition)的持续投入,以及社区的贡献。目前大多数新的 Rust UI 工具包都在使用它。此外,为了降低单一技术栈垄断的风险,Cosmic Text 也是一个可行的替代方案。
AccessKit 在 2022 年才刚起步,如今已发展成稳固的基础设施,被大多数 UI 工具包采用。不过我要指出,良好的集成与仅仅勾选合规项还是有区别的。未来还有更多工作要做,例如让富文本编辑完全具备无障碍功能。另一个我希望能得到解决的问题是,启用无障碍功能时的性能下降。这对 egui 尤其是个问题,因为它必须在每个动画帧构建并对比差异树,从而削弱了其底层即时模式设计的优势。
系统合成器问题仍未解决
我在 2022 年的博文里详细谈过利用系统合成器(System Compositor)的话题。如今这个问题更加紧迫,尤其是随着视频重要性的提升。在可能的情况下,你绝对希望视频能在硬件加速图层中播放,而在低端设备上,这是获得流畅帧率的唯一希望。
这方面已有一些进展,比如 subduction 库,但显然还没有被 UI 工具包普遍集成。 做好这件事相当有挑战,因为各平台提供的能力差异很大。 理想方案是一个丰富的高层接口,类似 Apple 平台上的 CALayer,再为其他平台提供 polyfill,尽量实现同一接口。 比如在 Android 上,如果任务简单,比如在视频上叠加一些 GUI 控件,就用 SurfaceFlinger 层;如果涉及更复杂的合成,就在 GPU 上跑 shader。
这件事绝对值得做,最好是以高质量社区项目的形式,而不是搞出几十个随手 vibe coding 出来的 fork。 不过即便是后者,有也总比没有强。
Immediate mode 与 retained mode
Rust UI 生态面临的一个挑战是:不同应用的需求各不相同。 打造一个包罗万象的统一 UI 框架的想法,可能已经过时了——尤其是现在 LLM 可以针对特定用例做优化和微调。
这一点在架构上体现为 immediate mode 与 retained mode 的抉择。 Immediate mode 很有吸引力,因为总代码量更少,看起来也简单不少。 对某些应用(最典型的就是游戏开发工具)它确实很好用。 但我担心它的扩展性不够好。 简而言之,它能轻松搞定前 90%,却让后 90% 变得更难。 要真正做到生产级可用,它必须建立稳定的 widget 身份标识来构建和更新无障碍树,还必须可靠地缓存文本布局这类开销较大的中间产物(简单的 immediate mode 实现往往靠在文本布局上偷工减料来绕过这个问题,对游戏开发来说可能无所谓)。 此外,它天然倾向于每帧重绘所有内容,而不是利用合成器中的图层。
出于此原因,加上其他考量,ArtCraft 选择 egui 的做法并未令我印象深刻。 虽然我认为 egui 是 Rust 中即时模式范式的优秀实现,并解决了不少问题(包括无障碍支持,而主线 Iced 尚不支持这一点),但它并非我构建生产力或设计类应用的首选。 egui 的 README 非常坦诚地列出了其优缺点,值得一读。
边界清晰的模块
在高质量地利用 LLM 辅助软件工程的过程中,一个日益凸显的主题是:模块必须具有清晰的边界和明确的作用域,最好配有详尽的规格说明,明确模块的职责。 在模块内部,若性能指标和对恶意输入的鲁棒性等目标清晰明确,LLM 往往能表现出色。
这种理念与过去行之有效的做法存在冲突。 人们通常会基于界面美观程度来选择 UI 工具包。 特别是 Apple 的 UI 框架,内嵌了海量的设计知识,尤其是在默认样式上。 开发者只需稍加努力,就能做出看起来和感觉上像 Mac 应用的效果,即便细节并未打磨得非常精致。
我认为未来应当走向“设计”与“执行”的分离。 这两者都是难题,但性质截然不同。 特别是在极致优化执行层面时,我对其改进潜力尤为兴奋。 如我在 2022 年的博客中所述,UI 工具包的计算机科学核心是一个增量计算引擎。
在设计层与执行层接口之间拥有一份良好的规格说明至关重要。 作为通用策略,我建议借鉴 Web 标准,但不必墨守成规。 Web 标准是令人印象深刻的宝贵成果。 人们投入了大量时间和心血去制定标准,并精心确保其跨平台兼容性。 庞大的 WPT 测试套件是规范中的真正精髓,它助力多个高质量开源实现保持正确性。 这一切在很大程度上解释了为何 Electron 如此流行。
话虽如此,严格遵循 Web 标准也有明显的弊端。DOM 慢且内存开销大;一种更轻量的树结构加上批量修改接口,或许更适合 GUI 应用的需求。完整的 CSS 样式解析和布局同样代价高昂,尽管 CSS 本身是描述样式的一种丰富而强大的方式。一个为性能精心筛选的 CSS 子集可能会很有用。我曾做过一些实验,把选择器实现为支持增量求值的高效状态机,代价是放弃兄弟选择器等较花哨的 CSS 特性。
此外,Web 至今缺少一种可靠的方式来表达虚拟化列表,而这恰恰是每个高效 UI 工具包的核心功能。要为此制定规范,就得敲定与数据模型之间的接口,并保证增量性。
Blitz 作为一个模块化的浏览器引擎,非常适合作为混合方案的基石——大量借鉴 Web 规范,同时又加以改造,追求更高性能并与平台能力更紧密地集成。举个例子,可以先用 Stylo 作为 CSS 选择器引擎,等验证可行后,再换成一个更精简高效的 CSS 引擎。
把关注点拆分到更小模块的一个好例子是 Xilem/Masonry 的分层。Xilem 的响应式层在设计上就与它实际控制的元素无关,事实上它既有针对 DOM 的实现(这也是 squircle 交互式演示的基础设施),也有针对 Masonry 组件的实现。而 Masonry 在设计上同样独立于响应式层,也独立于其上层的语言。
相比之下,SwiftUI 把底层组件实现、响应式框架和语言本身糅合在了一起——Swift 的运行时反射就是执行引擎的一部分。诚然 SwiftUI 的影响力远超 Xilem,但我今天想说的是:在一切都在快速变化的时代,我们应该重新审视那些既有假设。
优化机会
对于以特定方式编码的 UI 设计——可以是代码、数据,或两者的混合(如 DSL)——引擎在执行该设计时拥有多种优化机会。 也许这一节的许多内容有些“画蛇添足”,因为用优化的 Rust 代码直接评估设计,其性能就能超越市面上绝大多数 GUI。 但我更感兴趣的是性能上限究竟在哪里。 我们能否在低端 Android 手机上实现如丝般顺滑的 UI? 我认为答案是肯定的,这也值得深入探讨。
一个有用的策略可能是将设计中的静态部分与动态部分分离,并预先计算静态部分。 这丝毫不妨碍设计包含动态部分,只是说这样做可以避免全动态实现带来的高昂成本。
另一个富有成效的优化途径是优化图层的使用,通过系统合成器或轻量级 GPU 加速 polyfill 进行合成。 有效使用图层可以显著改善性能,主要方法是避免重新渲染界面中未发生变化的部分。 然而,图层会占用 RAM 成本,使用过多的图层反而可能导致性能下降,因为分配新图层需要调用底层系统。 做好这一点是一个棘手的优化问题,也是运用测量或分析的好机会。 UI 工具包通常使用启发式方法(并不总是完美)或显式提示(如 SwiftUI 中的 .drawingGroup() 或 Flutter 中的 RepaintBoundary)。
若想更深入地了解性能问题,请参阅 《对 GPUI 的批判》。 理想情况下,UI 工具包之间不应存在巨大的性能差异,因为所有容易获得的优化成果都应已被采纳。 我们期望系统语言的实现在性能上具有相当的可比性,但目前在 GUI 性能上仍容忍着巨大的差距。