企业官网建设流程全解析

Meetily 源码编译指南：三平台从零构建与 GPU 加速配置详解

【免费下载链接】meetilyPrivacy first, AI meeting assistant with 4x faster Parakeet/Whisper live transcription, speaker diarization, and Ollama summarization built on Rust. 100% local processing. no cloud required. Meetily (Meetly Ai - https://meetily.ai) is the #1 Self-hosted, Open-source Ai meeting note taker for macOS & Windows. Understand How to write meeting minutes项目地址: https://gitcode.com/GitHub_Trending/me/meetily

本篇技术指南以 Meetily 官方构建文档 docs/BUILDING.md 为主体，结合仓库内构建脚本与 Rust 工程配置源码，完整讲解 Linux、macOS、Windows 三个平台从源码构建 Meetily 的完整流程：包括基础依赖安装、一键开发/生产构建、GPU 自动检测原理、CUDA/Vulkan/ROCm 手动加速配置、TAURI_GPU_FEATURE强制覆盖与常见故障排查。读者完成后，将能够在自己的机器上独立完成 Meetily 的编译构建，并按需启用对应平台的硬件加速。

一、构建体系总览：三层自动化

Meetily 的构建体系围绕 Tauri 桌面应用框架组织，前端为 Next.js（frontend/），核心转录与会议逻辑位于frontend/src-tauri/（Rust），另有一个独立的llama-helper侧车（sidecar）进程用于本地 LLM 推理。构建的核心诉求是自动探测硬件能力并选择合适的加速后端，其完整调用链为：

1. dev-gpu.sh/build-gpu.sh（Bash 包装脚本）先确认package.json位置（项目根目录或frontend/均可），再检测包管理器（优先pnpm，回退npm）；
2. 调用 frontend/scripts/auto-detect-gpu.js 探测 GPU 能力，输出特征名（如cuda、hipblas、vulkan、openblas）；
3. 以--features <特征>编译llama-helper侧车（debug 或 release）；
4. 将编译产物复制到src-tauri/binaries目录并附带 target triple 命名；
5. 通过pnpm run tauri:dev/tauri:build启动 Tauri，特征通过环境变量TAURI_GPU_FEATURE传入（实际由 frontend/scripts/tauri-auto.js 执行tauri dev -- --features <特征>）。

从源码结构看，package.json中预置了tauri:dev:cuda、tauri:dev:vulkan、tauri:dev:metal、tauri:dev:coreml、tauri:dev:openblas、tauri:dev:hipblas等显式脚本，同时也提供tauri:dev（走自动检测），说明项目同时支持“手动指定”与“自动探测”两条路径。

二、Linux 平台构建

2.1 快速开始（推荐新手）

先安装基础依赖，再运行脚本即可，无需手工配置任何 GPU 参数：

# Ubuntu/Debian sudo apt update sudo apt install build-essential cmake git # Fedora/RHEL sudo dnf install gcc-c++ cmake git # Arch Linux sudo pacman -S base-devel cmake git

构建与运行：

# 开发模式（带热重载） ./dev-gpu.sh # 生产构建 ./build-gpu.sh

脚本会自动完成以下动作：

• NVIDIA GPU→ CUDA 加速（前提：已安装 CUDA Toolkit）
• AMD GPU→ ROCm 加速（前提：已安装 ROCm）
• 无 GPU→ 优化的 CPU 模式（仍然可用）

2.2 自动检测原理与优先级

自动检测由 frontend/scripts/auto-detect-gpu.js 完成。该脚本通过execSync调用which/where判断命令行工具是否存在，并结合环境变量逐级判断。检测优先级如下表所示：

结合源码可见几个重要细节：

• NVIDIA 分支要求CUDA Toolkit 与驱动同时存在，只有驱动时脚本会输出⚠️ NVIDIA GPU detected but CUDA not installed - falling back to CPU并返回null；
• Vulkan 分支在 Linux 上要求vulkaninfo命令，同时强制要求VULKAN_SDK与BLAS_INCLUDE_DIRS两个环境变量都存在，缺一即回退 CPU；
• 脚本将console.log重定向到 stderr，确保 stdout 只输出纯特征名（无换行），便于上游脚本干净地捕获结果；
• macOS 分支单独处理：Apple Silicon 返回coreml（CoreML 内含 Metal），Intel Mac 返回metal。

常见场景对照表：

关键认知：仅有 GPU 驱动是不够的，必须安装对应开发 SDK（CUDA Toolkit、ROCm 或 Vulkan SDK）才能真正启用加速。

2.3 NVIDIA CUDA 手动配置（中级）

前置条件：NVIDIA GPU，计算能力（compute capability）5.0 及以上。查询方式：

nvidia-smi --query-gpu=compute_cap --format=csv

Step 1：安装 CUDA Toolkit

# Ubuntu/Debian（CUDA 12.x） sudo apt install nvidia-driver-550 nvidia-cuda-toolkit # 验证安装 nvidia-smi # 显示 GPU 信息 nvcc --version # 显示 CUDA 版本

Step 2：按 GPU 计算能力构建

# 示例：RTX 3080 = 8.6 → 使用 "86" # 示例：GTX 1080 = 6.1 → 使用 "61" CMAKE_CUDA_ARCHITECTURES=75 \ CMAKE_CUDA_STANDARD=17 \ CMAKE_POSITION_INDEPENDENT_CODE=ON \ ./build-gpu.sh

三个环境变量的作用：

• CMAKE_CUDA_ARCHITECTURES：针对你的具体 GPU 优化（把7.5转成75、8.6转成86等，去掉小数点）；
• CMAKE_CUDA_STANDARD=17：确保 C++17 兼容性；
• CMAKE_POSITION_INDEPENDENT_CODE=ON：修复现代系统上的链接问题。

需要说明的是，frontend/dev-gpu.sh 在 Linux 下默认已导出CMAKE_CUDA_ARCHITECTURES=75、CMAKE_CUDA_STANDARD=17、CMAKE_POSITION_INDEPENDENT_CODE=ON；frontend/scripts/tauri-auto.js 也会在 Linux + CUDA 场景下注入同样的三个变量，因此多数情况下可省略手动设置，仅在需要针对特定 GPU 架构优化时显式覆盖。

2.4 Vulkan 配置（跨平台回退方案）

Vulkan 通用于 NVIDIA、AMD 和 Intel GPU，当 CUDA/ROCm 不可用时是良好选择。

# Ubuntu/Debian sudo apt install vulkan-sdk libopenblas-dev # Fedora sudo dnf install vulkan-devel openblas-devel # Arch Linux sudo pacman -S vulkan-devel openblas

配置环境变量（追加到~/.bashrc或~/.zshrc）：

export VULKAN_SDK=/usr export BLAS_INCLUDE_DIRS=/usr/include/x86_64-linux-gnu # 使配置生效 source ~/.bashrc

然后直接构建，脚本会自动检测并启用--features vulkan：

./build-gpu.sh

2.5 AMD ROCm 配置（仅 AMD GPU）

前置条件：支持 ROCm 的 AMD GPU（RX 5000 系列及以上、Radeon VII 等）。

# Ubuntu/Debian # 先添加 ROCm 软件源（以官方文档为准） sudo apt install rocm-smi hipcc # 设置环境 export ROCM_PATH=/opt/rocm # 验证 rocm-smi # 显示 GPU 信息 hipcc --version # 显示 ROCm 版本 # 构建 ./build-gpu.sh

2.6 手动覆盖加速方式（高级）

如果不信任自动检测结果，或想强制使用特定后端，可通过TAURI_GPU_FEATURE环境变量覆盖：

# 强制 CUDA（忽略自动检测） TAURI_GPU_FEATURE=cuda ./dev-gpu.sh TAURI_GPU_FEATURE=cuda ./build-gpu.sh # 强制 Vulkan TAURI_GPU_FEATURE=vulkan ./dev-gpu.sh TAURI_GPU_FEATURE=vulkan ./build-gpu.sh # 强制 ROCm（HIPBlas） TAURI_GPU_FEATURE=hipblas ./dev-gpu.sh TAURI_GPU_FEATURE=hipblas ./build-gpu.sh # 强制纯 CPU（用于测试） TAURI_GPU_FEATURE="" ./dev-gpu.sh TAURI_GPU_FEATURE="" ./build-gpu.sh # 强制 OpenBLAS（CPU 优化） TAURI_GPU_FEATURE=openblas ./dev-gpu.sh TAURI_GPU_FEATURE=openblas ./build-gpu.sh

该变量在 frontend/scripts/tauri-auto.js 中优先于自动检测读取：若已设置则直接采用（none表示纯 CPU），否则才调用auto-detect-gpu.js探测。dev-gpu.sh中也会在变量为空时自动执行检测脚本并回写该变量。

2.7 构建产物位置

构建成功后，AppImage 产物位于：

src-tauri/target/release/bundle/appimage/Meetily_<version>_amd64.AppImage

2.8 常见故障排查

"CUDA toolkit not found"

• 修复：安装nvidia-cuda-toolkit，或设置CUDA_PATH环境变量；
• 验证：nvcc --version应能正常工作。

"Vulkan detected but missing dependencies"

• 修复：同时设置VULKAN_SDK与BLAS_INCLUDE_DIRS两个环境变量：

  export VULKAN_SDK=/usr export BLAS_INCLUDE_DIRS=/usr/include/x86_64-linux-gnu

"AppImage build stripping symbols"

• 修复：无需手动处理，build-gpu.sh已自动设置NO_STRIP=true；
• 原因：防止缺失符号导致运行时错误。

构建成功但无 GPU 加速

• 检查检测日志：观察构建输出中的 GPU 检测信息；
• 验证命令：nvidia-smi（NVIDIA）或rocm-smi（AMD）应可执行；
• 缺 SDK：需要安装开发工具包，而不仅仅是驱动。

2.9 加速模式速查矩阵与构建脚本内部流程

结合 docs/building_in_linux.md 的技术参考章节，各模式要求与预期加速效果对照如下（速度提升为文档给出的一般经验范围，实际效果取决于硬件与模型）：

dev-gpu.sh与build-gpu.sh的内部流程一致：定位package.json→ 选择包管理器（pnpm优先）→ 调用 npm 脚本tauri:dev/tauri:build→ npm 脚本调用tauri-auto.js→auto-detect-gpu.js检测硬件 → 以检测到的--features标志构建 Tauri。此外，dev-gpu.sh会额外编译llama-helper侧车并把二进制以llama-helper-<target-triple>的命名复制到src-tauri/binaries（target triple 通过rustc -vV的host字段获取）。

关键环境变量汇总：

三、macOS 平台构建

macOS 的构建流程被刻意简化，因为 GPU 加速（Metal）默认启用，无需额外配置。

Step 1：安装依赖

# 安装 Homebrew（如尚未安装） /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" # 安装所需工具 brew install cmake node pnpm

Step 2：构建与运行

# 开发模式（带热重载） pnpm tauri:dev # 生产构建 pnpm tauri:build

应用会自动以 Metal GPU 加速构建。从源码看，frontend/src-tauri/Cargo.toml 的 macOS 目标依赖声明为whisper-rs = { version = "0.13.2", features = ["raw-api", "metal", "coreml"] }，即 Metal 与 CoreML 在 macOS 上默认开启；而auto-detect-gpu.js在 Apple Silicon 上返回coreml（CoreML 内含 Metal），Intel Mac 返回metal，与之一致。另外需要留意：llama-helper（基于llama-cpp-2）不支持 CoreML，因此dev-gpu.sh在检测结果为coreml时会把llama-helper的编译特征自动降级为metal。

四、Windows 平台构建

Step 1：安装依赖

• Node.js：从 nodejs.org 下载安装；
• Rust：从 rust-lang.org/tools/install 安装；
• Visual Studio Build Tools：在 Visual Studio Installer 中安装 "Desktop development with C++" 工作负载；
• CMake：从 cmake.org/download 下载安装。

Step 2：构建与运行

# 开发模式（带热重载） pnpm tauri:dev # 生产构建 pnpm tauri:build

默认情况下，Windows 构建为纯 CPU 模式。要启用 GPU 加速，参见 GPU 加速指南。

从 frontend/src-tauri/Cargo.toml 可以看到平台相关的默认策略：Windows 目标的whisper-rs依赖自带vulkan特性，Linux 目标则不带任何默认加速特性；[features]中定义了cuda、vulkan、hipblas、openblas、openmp等可选特性，供高级用户手动覆盖。项目同时提供了 Windows 下的 PowerShell 辅助脚本（如frontend/build-gpu.ps1、frontend/dev-gpu.ps1）供选择使用。

五、关于加速后端的补充说明

• Meetily 的转录加速基于whisper-rs库（版本 0.13.2），支持的加速后端包括CUDA（NVIDIA）、Metal（Apple Silicon 与现代 Intel Mac）、Core ML（Apple Silicon 的附加加速层）、Vulkan（跨平台，适用于现代 AMD/Intel GPU）与OpenBLAS（基于 CPU 的优化，相对纯 CPU 有明显提速）；
• llama-helper侧车基于llama-cpp-2（版本 0.1.128），其[features]仅提供metal、cuda、vulkan三个后端；其 release profile 使用lto = true、codegen-units = 1、opt-level = "s"（按体积优化以加快加载），这也是构建耗时较长的原因之一；
• 若需手动指定后端而不依赖自动检测，可在frontend/src-tauri/Cargo.toml的[features]中调整默认特性（例如default = ["cuda"]）后使用标准pnpm tauri:build构建，详细说明见 docs/GPU_ACCELERATION.md。

六、完整示例构建（Linux）

NVIDIA GPU（CUDA）

# 安装 sudo apt install nvidia-driver-550 nvidia-cuda-toolkit # 验证 nvidia-smi --query-gpu=compute_cap --format=csv # 构建（按你的 GPU 调整架构号） CMAKE_CUDA_ARCHITECTURES=86 \ # 86 仅示例，请按实际调整 CMAKE_CUDA_STANDARD=17 \ CMAKE_POSITION_INDEPENDENT_CODE=ON \ ./build-gpu.sh

AMD GPU（ROCm）

# 安装 ROCm（按发行版参考 AMD 官方文档） sudo apt install rocm-smi hipcc export ROCM_PATH=/opt/rocm # 构建 ./build-gpu.sh

任意 GPU（Vulkan）

# 安装 sudo apt install vulkan-sdk libopenblas-dev # 配置 export VULKAN_SDK=/usr export BLAS_INCLUDE_DIRS=/usr/include/x86_64-linux-gnu # 构建 ./build-gpu.sh

无 GPU（纯 CPU）

# 直接构建即可，开箱即用 ./build-gpu.sh

七、相关参考文档

• docs/BUILDING.md：跨平台源码构建主文档；
• docs/GPU_ACCELERATION.md：GPU 加速后端与手动配置详解；
• docs/building_in_linux.md：Linux 构建的补充技术参考（含加速矩阵与完整示例）；
• frontend/scripts/auto-detect-gpu.js：GPU 自动检测实现；
• frontend/scripts/tauri-auto.js：自动注入 feature 并启动 Tauri 的 npm 包装脚本；
• frontend/dev-gpu.sh：开发模式一键脚本（含llama-helper编译与侧车复制逻辑）；
• frontend/src-tauri/Cargo.toml：Rust 工程加速特性与平台默认配置；
• llama-helper/Cargo.toml：本地 LLM 侧车及其特性定义。

【免费下载链接】meetilyPrivacy first, AI meeting assistant with 4x faster Parakeet/Whisper live transcription, speaker diarization, and Ollama summarization built on Rust. 100% local processing. no cloud required. Meetily (Meetly Ai - https://meetily.ai) is the #1 Self-hosted, Open-source Ai meeting note taker for macOS & Windows. Understand How to write meeting minutes项目地址: https://gitcode.com/GitHub_Trending/me/meetily