基于Rust与SwiftUI构建高性能macOS原生词典应用实战

在 macOS 上使用第三方词典应用时你是否也遇到过这样的困扰界面设计陈旧、与现代系统格格不入查询响应迟缓尤其是在处理大型词库时卡顿明显或者功能臃肿却缺少自己真正需要的核心特性如果你对现有词典工具的体验感到不满那么自己动手打造一款“理想型”词典或许是一个极客范儿十足且极具成就感的选择。本文将分享一个完整的实战项目从零开始使用 Rust 作为核心引擎结合 SwiftUI 构建原生 macOS 界面打造一款高性能、现代化、完全符合个人使用习惯的桌面词典应用。我们将深入探讨如何解析 MDX/MDD 格式的词典数据设计高效的内存与索引结构并最终构建一个可发布的开源应用。无论你是 Rust 爱好者、macOS 开发者还是单纯想拥有一个更趁手工具的用户都能从本文中获得从原理到实现的完整路径。1. 背景与核心概念为什么需要自研词典在深入代码之前我们有必要厘清几个核心概念和自研动机。MDX/MDD 格式这是目前电子词典领域尤其是爱好者圈内非常流行的存储格式。MDX 文件本质上是一个经过压缩和索引的字典数据库它存储了词条关键字与其对应的解释通常是 HTML 格式的内容。而 MDD 文件则是一个资源包用于存储词典中引用的图片、音频、字体等二进制资源。许多经典的词典如柯林斯、牛津、朗文等都有爱好者制作的高质量 MDX 版本。因此支持 MDX/MDD 意味着你能直接利用海量现成的优质词典资源。macOS 原生体验macOS 系统设计以流畅、美观和一致性著称。一个真正的原生应用Native App应该使用系统提供的框架如 SwiftUI 或 AppKit遵循人机界面指南支持深色模式、手势操作并能与系统的聚焦搜索、共享菜单等无缝集成。许多跨平台或基于 Electron 的词典应用难以达到这种级别的整合与性能。性能痛点传统词典应用在加载大型 MDX 文件动辄数百MB甚至上GB时常见的做法是直接读取并解析整个文件或使用低效的索引方式导致首次加载慢、查询延迟高。尤其是在词条数量巨大超过十万级时线性查找或简单的哈希映射可能成为瓶颈。技术选型Rust SwiftUIRust以其卓越的性能、内存安全性和无运行时开销著称是构建高性能核心引擎负责词典解析、索引构建和查询的理想选择。Rust 的serde、nom等库非常适合处理复杂的二进制格式。SwiftUIApple 推出的声明式 UI 框架可以高效构建现代化、响应迅速的 macOS 应用界面。通过 Rust 与 Swift 的桥接我们可以让 SwiftUI 专注于界面交互而 Rust 引擎处理所有繁重的数据计算。本项目的目标就是结合两者的优势打造一个引擎强悍Rust、界面优雅SwiftUI、资源丰富支持 MDX/MDD的 macOS 原生词典应用。2. 环境准备与项目初始化工欲善其事必先利其器。在开始编码前请确保你的开发环境已就绪。2.1 系统与工具要求操作系统macOS 12 (Monterey) 或更高版本。建议使用最新稳定版以获得最佳的 SwiftUI 和开发工具支持。Xcode从 Mac App Store 安装最新版本的 Xcode。这将同时安装 Swift 编译器和 SwiftUI 框架。安装后请在终端运行xcode-select --install以确保命令行工具就位。Rust 工具链访问 rustup.rs 按照指引安装 Rust。安装完成后在终端验证rustc --version cargo --versionCargo 国内镜像源可选但推荐为了加速依赖下载可以配置国内镜像。在~/.cargo/config文件中添加以中科大镜像为例[source.crates-io] replace-with ustc [source.ustc] registry git://mirrors.ustc.edu.cn/crates.io-indexIDE 推荐对于 Rust 部分可以使用 VS Code 搭配rust-analyzer插件或 JetBrains 的 RustRover。对于 SwiftUI 部分Xcode 是不二之选。2.2 创建项目骨架我们将创建一个混合项目包含一个 Rust 库dictionary-core和一个 SwiftUI 应用DictionaryApp。首先创建 Rust 库# 创建一个 Rust 库项目这将是我们词典的核心引擎 cargo new dictionary-core --lib cd dictionary-core接下来在同一父目录下使用 Xcode 创建一个新的 macOS App 项目打开 Xcode选择 “Create a new Xcode project”。模板选择 “macOS” - “App”点击 Next。输入产品名称例如DictionaryApp。Interface 选择 “SwiftUI”Lifecycle 选择 “SwiftUI App”语言选择 “Swift”。选择一个与dictionary-core同级的目录存放该项目。最终的目录结构应大致如下your-workspace/ ├── dictionary-core/ # Rust 核心库 │ ├── Cargo.toml │ └── src/ │ └── lib.rs └── DictionaryApp/ # SwiftUI 前端应用 ├── DictionaryApp.xcodeproj └── DictionaryApp/ ├── DictionaryAppApp.swift └── ContentView.swift3. 核心引擎开发用 Rust 解析 MDX/MDD这是整个项目的基石。我们将逐步实现一个能够高效读取和查询 MDX 词典的 Rust 库。3.1 理解 MDX 文件结构MDX 文件通常由三部分组成头部信息Header一个纯文本段落描述了词典的名称、作者、编码、格式版本等信息以/标记结束。关键字列表Key List所有词条的列表通常经过压缩。记录块Record Block存储每个词条对应的 HTML 解释内容也是压缩的。查询时需要通过关键字列表找到目标词条的索引然后根据索引定位到记录块中对应的内容偏移量解压后读取。3.2 添加必要的依赖编辑dictionary-core/Cargo.toml文件添加解析和压缩所需的库[package] name dictionary-core version 0.1.0 edition 2021 [dependencies] encoding_rs 0.8 # 处理多种文本编码如UTF-16LE flate2 1.0 # 处理DEFLATE压缩常用 nom 7.1 # 二进制解析组合子库用于解析文件结构 thiserror 1.0 # 简化错误定义 lazy_static 1.4 # 用于全局索引 parking_lot 0.12 # 高效读写锁用于并发查询 serde { version 1.0, features [derive] } # 序列化用于配置 anyhow 1.0 # 便捷的错误处理 [lib] crate-type [cdylib, staticlib] # 重要编译为C兼容库供Swift调用3.3 定义数据结构与错误类型在src/lib.rs中我们首先定义核心的数据结构和错误枚举use std::collections::HashMap; use std::path::PathBuf; use thiserror::Error; #[derive(Error, Debug)] pub enum DictionaryError { #[error(IO error: {0})] Io(#[from] std::io::Error), #[error(Parse error: {0})] Parse(String), #[error(UTF-8 conversion error: {0})] Utf8(#[from] std::string::FromUtf8Error), #[error(Decompression error)] Decompress, #[error(Key not found: {0})] KeyNotFound(String), #[error(Unsupported encoding)] UnsupportedEncoding, } // 词典头部信息 #[derive(Debug, Clone)] pub struct DictionaryHeader { pub name: String, pub author: String, pub encoding: String, pub version: String, // ... 其他字段 } // 词典条目 #[derive(Debug, Clone)] pub struct DictionaryEntry { pub key: String, pub html_content: String, // 解析后的HTML内容 } // 核心词典结构 pub struct Dictionary { header: DictionaryHeader, key_index: HashMapString, u64, // 关键词 - 记录块偏移量 file_path: PathBuf, // 内部会缓存文件句柄或mmap映射此处简化 }3.4 实现 MDX 解析器这是最复杂的部分。我们将使用nom库来解析二进制结构。以下是一个高度简化的解析流程关键函数use nom::{ bytes::complete::{tag, take_until}, IResult, }; use std::fs::File; use std::io::{Read, Seek, SeekFrom}; impl Dictionary { pub fn loadP: IntoPathBuf(path: P) - ResultSelf, DictionaryError { let file_path path.into(); let mut file File::open(file_path)?; // 1. 解析头部信息 (文本部分以 / 结束) let mut header_buf Vec::new(); let mut temp_buf [0u8; 1]; let end_marker b/; let mut marker_index 0; while marker_index end_marker.len() { file.read_exact(mut temp_buf)?; if temp_buf[0] end_marker[marker_index] { marker_index 1; } else { marker_index 0; } header_buf.push(temp_buf[0]); } // header_buf 现在包含了头部文本包括最后的 / let header_text String::from_utf8(header_buf)?; let header parse_header(header_text)?; // 需要实现 parse_header 来解析键值对 // 2. 读取关键字列表和记录块的偏移量信息通常紧接在头部之后 // 这里需要根据具体的MDX格式版本进行解析。一个常见模式是 // - 4字节关键字列表的起始偏移量 // - 4字节记录块的起始偏移量 // - 后续是压缩的数据块 // 由于不同MDX制作工具生成的格式有差异此处省略具体字节解析细节。 // 实际项目中你需要参考如 pyglossary 或 mdx-server 等开源项目的解析逻辑。 // 3. 构建内存索引 (示例假设我们已经读取了所有关键词和偏移量到 vec 中) let mut key_index HashMap::new(); // for (key, offset) in parsed_key_list { // key_index.insert(key, offset); // } Ok(Dictionary { header, key_index, file_path, }) } pub fn lookup(self, word: str) - ResultDictionaryEntry, DictionaryError { // 1. 在索引中查找词条 let offset self.key_index.get(word).ok_or(DictionaryError::KeyNotFound(word.to_string()))?; // 2. 根据偏移量定位到文件位置读取并解压记录块 let mut file File::open(self.file_path)?; file.seek(SeekFrom::Start(offset))?; // 3. 读取记录块通常前4字节是压缩后长度接着是内容 // let mut len_buf [0u8; 4]; // file.read_exact(mut len_buf)?; // let compressed_len u32::from_le_bytes(len_buf) as usize; // let mut compressed_data vec![0u8; compressed_len]; // file.read_exact(mut compressed_data)?; // 4. 解压数据 (使用 flate2) // use flate2::read::DeflateDecoder; // use std::io::Read; // let mut decoder DeflateDecoder::new(compressed_data[..]); // let mut raw_content Vec::new(); // decoder.read_to_end(mut raw_content)?; // 5. 根据头部编码如UTF-16LE转换字符串 // let content decode_with_encoding(raw_content, self.header.encoding)?; // 此处返回模拟数据 Ok(DictionaryEntry { key: word.to_string(), html_content: format!(bSimulated definition for:/b {}, word), }) } } // 辅助函数解析头部文本为 DictionaryHeader fn parse_header(header_text: str) - ResultDictionaryHeader, DictionaryError { let lines: Vecstr header_text.split(\n).collect(); let mut name String::new(); let mut author String::new(); let mut encoding String::new(); let mut version String::new(); for line in lines { if line.starts_with(Title) { name line[Title.len()..].to_string(); } else if line.starts_with(Author) { author line[Author.len()..].to_string(); } else if line.starts_with(Encoding) { encoding line[Encoding.len()..].to_string(); } else if line.starts_with(Version) { version line[Version.len()..].to_string(); } } Ok(DictionaryHeader { name, author, encoding, version, }) }注意上述load和lookup函数中的解析逻辑是高度简化的示意。真实的 MDX 解析涉及更复杂的二进制结构、多种压缩算法如 DEFLATE, LZO和编码如 UTF-16LE。你需要参考成熟的解析库如 Python 的readmdx来完善它。本示例旨在提供架构思路。3.5 为 Swift 调用创建 C 接口为了让 Swift 能够调用 Rust 代码我们需要在 Rust 库中暴露一组 C 风格extern C的函数。编辑src/lib.rs添加use std::ffi::{CStr, CString}; use std::os::raw::c_char; // 使用 Box 将 Rust 对象指针传递给 Swift #[no_mangle] pub extern C fn dictionary_load(path: *const c_char) - *mut Dictionary { let c_str unsafe { CStr::from_ptr(path) }; let path_str match c_str.to_str() { Ok(s) s, Err(_) return std::ptr::null_mut(), }; match Dictionary::load(path_str) { Ok(dict) Box::into_raw(Box::new(dict)), Err(_) std::ptr::null_mut(), } } #[no_mangle] pub extern C fn dictionary_lookup(dict_ptr: *mut Dictionary, word: *const c_char) - *mut c_char { if dict_ptr.is_null() { return std::ptr::null_mut(); } let dict unsafe { *dict_ptr }; let c_str unsafe { CStr::from_ptr(word) }; let word_str match c_str.to_str() { Ok(s) s, Err(_) return std::ptr::null_mut(), }; match dict.lookup(word_str) { Ok(entry) { // 将 HTML 内容转换为 C 字符串 match CString::new(entry.html_content) { Ok(c_string) c_string.into_raw(), Err(_) std::ptr::null_mut(), } } Err(_) std::ptr::null_mut(), } } // 记得释放内存 #[no_mangle] pub extern C fn dictionary_free(dict_ptr: *mut Dictionary) { if !dict_ptr.is_null() { unsafe { drop(Box::from_raw(dict_ptr)) }; } } #[no_mangle] pub extern C fn cstring_free(ptr: *mut c_char) { if !ptr.is_null() { unsafe { drop(CString::from_raw(ptr)) }; } }编译 Rust 库为 Swift 可用的静态库cd dictionary-core cargo build --release编译成功后你可以在target/release/目录下找到libdictionary_core.a静态库和libdictionary_core.dylib动态库。我们通常使用静态库以简化分发。4. SwiftUI 前端应用开发现在让我们在 Xcode 项目中构建一个简洁美观的界面并调用刚刚编写的 Rust 引擎。4.1 将 Rust 库集成到 Xcode 项目在DictionaryApp目录下创建一个RustLibs文件夹。将编译好的libdictionary_core.a以及dictionary-core项目中的target/release/目录下所有的.h文件C 头文件需要手动生成或使用cbindgen工具自动生成拷贝到RustLibs中。打开 Xcode选中你的DictionaryApp项目。在Build Settings中找到Library Search Paths添加$(PROJECT_DIR)/RustLibs。找到Other Linker Flags添加-ldictionary_core。在Build Phases-Link Binary With Libraries中点击选择Add Other...然后找到并添加libdictionary_core.a。为了让 Swift 认识 C 函数我们需要一个桥接头文件。在 Xcode 中新建一个文件选择 “Header File”命名为DictionaryCoreBridge.h。将其内容设置为#ifndef DictionaryCoreBridge_h #define DictionaryCoreBridge_h #include stddef.h // 对应 Rust 中的 Dictionary 结构体不透明指针 typedef struct Dictionary Dictionary; // Rust 暴露的 C 函数声明 Dictionary* dictionary_load(const char* path); char* dictionary_lookup(Dictionary* dict, const char* word); void dictionary_free(Dictionary* dict); void cstring_free(char* ptr); #endif /* DictionaryCoreBridge_h */在项目的Build Settings-Swift Compiler - General-Objective-C Bridging Header中设置桥接头文件的路径DictionaryApp/DictionaryCoreBridge.h根据你的实际路径调整。4.2 创建 Swift 数据模型与服务层在 Xcode 项目中新建一个 Swift 文件DictionaryService.swift负责与 Rust 引擎交互import Foundation class DictionaryService { private var dictionaryPtr: OpaquePointer? init?(filePath: String) { guard let ptr filePath.withCString({ dictionary_load($0) }) else { print(Failed to load dictionary at \(filePath)) return nil } dictionaryPtr ptr } deinit { if let ptr dictionaryPtr { dictionary_free(ptr) } } func lookup(word: String) - String? { guard let ptr dictionaryPtr else { return nil } guard let cResult word.withCString({ dictionary_lookup(ptr, $0) }) else { return nil } let result String(cString: cResult) cstring_free(cResult) // 释放 Rust 返回的 C 字符串内存 return result } }4.3 构建主界面 (ContentView)修改ContentView.swift创建一个包含搜索框和结果显示区域的基本界面import SwiftUI import WebKit // 用于渲染 HTML 内容 struct ContentView: View { StateObject private var viewModel DictionaryViewModel() State private var searchText var body: some View { VStack(spacing: 0) { // 搜索栏 HStack { Image(systemName: magnifyingglass) .foregroundColor(.secondary) TextField(输入单词..., text: $searchText, onCommit: { viewModel.search(word: searchText) }) .textFieldStyle(RoundedBorderTextFieldStyle()) .disableAutocorrection(true) if viewModel.isLoading { ProgressView() .scaleEffect(0.7) .padding(.leading, 4) } } .padding() Divider() // 结果显示区域 if let htmlContent viewModel.definitionHTML { WebView(htmlString: htmlContent) .edgesIgnoringSafeArea(.bottom) } else if let error viewModel.errorMessage { VStack { Image(systemName: exclamationmark.triangle) .font(.largeTitle) .foregroundColor(.orange) Text(error) .foregroundColor(.secondary) .padding() } .frame(maxWidth: .infinity, maxHeight: .infinity) } else { VStack { Image(systemName: book.closed) .font(.largeTitle) .foregroundColor(.secondary) Text(输入单词开始查询) .foregroundColor(.secondary) .padding() } .frame(maxWidth: .infinity, maxHeight: .infinity) } } .frame(minWidth: 400, minHeight: 500) .onAppear { // 应用启动时加载词典这里需要指定你的 MDX 文件路径 let path Bundle.main.path(forResource: your_dictionary, ofType: mdx) ?? viewModel.loadDictionary(at: path) } } } // 用于在 SwiftUI 中显示 HTML 的 WebView 封装 struct WebView: NSViewRepresentable { let htmlString: String func makeNSView(context: Context) - WKWebView { let webView WKWebView() webView.setValue(false, forKey: drawsBackground) // 透明背景 return webView } func updateNSView(_ nsView: WKWebView, context: Context) { nsView.loadHTMLString(htmlString, baseURL: nil) } } // 视图模型处理业务逻辑 MainActor class DictionaryViewModel: ObservableObject { Published var definitionHTML: String? nil Published var isLoading false Published var errorMessage: String? nil private var dictionaryService: DictionaryService? func loadDictionary(at path: String) { guard !path.isEmpty else { errorMessage 词典文件路径无效 return } dictionaryService DictionaryService(filePath: path) if dictionaryService nil { errorMessage 无法加载词典文件 } else { errorMessage nil } } func search(word: String) { guard !word.isEmpty else { definitionHTML nil return } guard let service dictionaryService else { errorMessage 词典未加载 return } isLoading true errorMessage nil // 在实际应用中这里应该放在后台线程执行 DispatchQueue.global(qos: .userInitiated).async { let result service.lookup(word: word) DispatchQueue.main.async { self.isLoading false if let result result { self.definitionHTML result } else { self.errorMessage 未找到单词: \(word) self.definitionHTML nil } } } } }4.4 运行与测试将你的.mdx词典文件例如Oxford.mdx拖入 Xcode 项目的资源目录中确保在Build Phases-Copy Bundle Resources中包含它。在ContentView的onAppear中修改path为你的词典文件名不带路径因为它在 Bundle 中。let path Bundle.main.path(forResource: Oxford, ofType: mdx) ?? 在 Xcode 中选择你的 Scheme (DictionaryApp)然后点击运行按钮 (⌘R)。如果一切顺利应用将启动。在搜索框中输入单词并回车下方将显示从 Rust 引擎返回的 HTML 内容。5. 常见问题与排查思路在开发过程中你可能会遇到以下典型问题问题现象常见原因解决思路Xcode 编译失败提示找不到libdictionary_core.a1. 库文件路径未正确添加到Library Search Paths。2. 库文件未添加到Link Binary With Libraries。3. Rust 库未编译为 macOS 目标 (aarch64-apple-darwin或x86_64-apple-darwin)。1. 检查Build Settings中的路径使用$(PROJECT_DIR)绝对路径。2. 确保.a文件已正确添加至链接阶段。3. 运行cargo build --release --target aarch64-apple-darwin为 Apple Silicon 编译或使用cargo build --release默认。Swift 调用 Rust 函数时崩溃 (EXC_BAD_ACCESS)1. C 函数签名不匹配。2. 内存管理错误如悬垂指针、双重释放。3. 字符串编码问题Rust 与 C 交互。1. 使用cbindgen工具自动生成精确的 C 头文件。2. 仔细检查*mut指针的创建 (Box::into_raw) 和释放 (Box::from_raw)确保一一对应。3. 确保字符串在 Rust 端以CString形式传递在 Swift 端正确转换。词典加载成功但查询返回乱码或空结果1. MDX 文件头部Encoding解析错误。2. 记录块解压算法不匹配不是 DEFLATE。3. 关键字索引构建错误导致偏移量不对。1. 打印头部信息确认编码格式如UTF-16GBK。使用encoding_rs库进行正确转换。2. 分析 MDX 文件格式确认压缩方式。可能需要支持多种算法。3. 调试load函数验证解析出的关键词列表和偏移量是否正确。应用界面卡顿输入时响应慢1. 查询操作阻塞了主线程。2. 每次查询都重新打开/解析文件。3. 索引数据结构效率低如HashMap冲突严重。1. 确保dictionary_lookup在后台线程调用如示例中的DispatchQueue.global。2. 在Dictionary结构内部缓存文件句柄或使用内存映射 (memmap2crate)。3. 确保使用高效的哈希函数或对于超大词库考虑使用fxhash等更快的哈希算法。无法加载 Bundle 中的词典文件1. 文件未加入Copy Bundle Resources。2. 文件名或扩展名拼写错误。3. 文件路径获取方式错误。1. 在 Xcode 项目导航器中检查文件确保其 Target Membership 已勾选。2. 使用Bundle.main.path(forResource: Oxford, ofType: mdx)打印路径确认。3. 对于复杂目录使用Bundle.main.url(forResource:withExtension:subdirectory:)。6. 进阶优化与最佳实践一个基础可用的词典应用已经完成但要达到“理想型”还需要以下工程化优化1. 索引优化与持久化问题每次启动都从 MDX 文件解析构建HashMap索引对于大型词典仍显缓慢。方案将索引序列化后保存到磁盘。首次加载时检查是否存在对应的索引文件如.idx如果存在且 MDX 文件未修改则直接加载索引文件速度极快。// 使用 serde 和 bincode 序列化 HashMap use serde::{Serialize, Deserialize}; use std::collections::HashMap; use std::fs::File; use std::io::{BufWriter, BufReader}; #[derive(Serialize, Deserialize)] struct DictionaryIndex { header: DictionaryHeader, key_index: HashMapString, u64, mdx_hash: u64, // 用于校验MDX文件是否变更 } impl Dictionary { pub fn load_with_cacheP: IntoPathBuf(path: P) - ResultSelf, DictionaryError { let path_buf path.into(); let index_path path_buf.with_extension(idx); // 检查并加载缓存... } }2. 支持多词典与词典管理在应用内维护一个DictionaryManager可以同时加载多个 MDX 文件。提供 UI 让用户添加、移除、排序和选择默认词典。查询时可以顺序查询所有词典或并行查询并合并结果。3. 内容渲染增强CSS 注入许多 MDX 词典自带 CSS 样式。在WebView加载 HTML 时可以注入自定义的 CSS 来统一和美化显示风格并适配深色模式。图片与音频支持解析 MDX 文件时需要处理指向 MDD 资源文件的链接如src”/”或sound://。在 Rust 引擎中需要实现 MDD 资源的查找和提取并通过自定义 URL Scheme 或 Base64 编码的方式提供给WebView加载。交互支持通过WKScriptMessageHandler让 SwiftUI 与WebView内的 JavaScript 交互实现点击单词跳转查询、播放音频等功能。4. 系统集成全局快捷键注册系统级快捷键如CmdShiftD快速唤出查询窗口。选中文本取词监听系统粘贴板变化实现类似 macOS 自带词典的选中即查功能。菜单栏应用将应用改造成菜单栏常驻应用不占用 Dock 空间随用随取。5. 性能与内存内存映射对于巨大的 MDX 文件使用memmap2crate 进行内存映射可以避免将整个文件读入内存实现按需读取。异步查询使用 Rust 的async/await和tokio运行时配合 Swift 的async/await实现完全非阻塞的查询体验。结果缓存对最近查询的结果进行缓存避免重复解压和解析。6. 打包与分发使用 Xcode 的 Archive 功能打包应用。考虑使用create-dmg工具制作 DMG 安装镜像。将 Rust 库的编译脚本集成到 Xcode 的Build Phases中实现自动化构建。从对现有工具的不满到亲手打造一个融合 Rust 高性能与 SwiftUI 优雅原生的词典应用这个过程不仅解决了一个具体的效率痛点更是一次对系统编程、跨语言调用和现代 UI 开发的深度实践。项目的核心在于 MDX 格式的解析引擎虽然文中示例进行了简化但它提供了清晰的架构Rust 负责底层数据的高效处理通过精心设计的 C-ABI 与 Swift 通信而 SwiftUI 则构建出响应迅速、符合 macOS 设计语言的用户界面。你可以在此基础上继续深化任意一个模块完善 MDX/MDD 解析器以支持更多变体、为引擎添加模糊查询和拼写纠正、设计更精美的用户界面、甚至将其开源到 GitHub 社区。技术的乐趣正源于这种将想法一步步变为现实并不断打磨至极致的过程。希望这个项目能成为你探索 macOS 开发与系统编程的一个坚实起点。