从 0 到可下载安装包：用 Rust + Tauri 构建一个 Markdown 图片路径转换器

这次开发几乎是“AI 主写”：我只给出需求描述，后续主要通过多轮对话让 Antigravity 完成代码实现；我负责需求澄清，验收、交互取舍与发布交付。（虽然发布也是我自己 GitHub 建个仓库，让 AI 提交）

最近整理博客内容时遇到一个高频痛点：Markdown 里引用的图片路径常常是本地绝对路径（例如 D:\blog-content\posts\xxx.png），而发布到网站时更希望统一成相对路径（例如 upload/xxx.png）。

目标很明确：做一个桌面小工具，可以选择 .md 文件，预览替换结果，然后一键覆盖或另存为。

最终在不到半小时内，从“只有一个想法”到“能安装、能运行、带 Release 安装包”的桌面应用完成闭环：

• 技术栈：Tauri 2.x + Rust + Web 前端（HTML/CSS/JS）
• 输出：Windows 安装包（*_setup.exe）+ GitHub Release
• 仓库：markdown-image-path-converter : https://github.com/ruali-dev/markdown-image-path-converter

1. 需求定义

我把需求控制在“最小可用”：

1. 选择 Markdown 文件（.md）
2. 扫描并识别图片引用路径
3. 将图片路径统一改写为 目标前缀/文件名（默认前缀：upload）
4. 支持预览变更列表
5. 支持覆盖原文件或另存为新文件
6. UI 简洁，非命令行

2. 创建 Tauri 项目（略）

用 Tauri 官方脚手架创建项目，然后 npm run tauri dev 跑起来即可。这里不展开环境安装细节。

3. 设计：前端 UI + Rust Command

Tauri 的核心模式很清晰：

• 前端做 UI：文件选择、输入前缀、展示预览
• Rust 做能力：读写文件、路径解析、执行替换
• 两者通过 invoke 调用命令通信

后端能力拆成四个 command（由 #[tauri::command] 暴露给前端）：

• read_file(path, fallback_encoding)：读取 Markdown 文件内容
• convert_paths(content, target_prefix)：预览转换，返回转换后的内容与变更列表 changes
• convert_and_save(path, target_prefix)：覆盖保存（读 → 转 → 写回）
• convert_and_save_as(source_path, target_path, target_prefix)：另存为（写入目标文件）

前端交互按“先预览、再落盘”设计：

1. 点“预览”→ 调 convert_paths → 渲染 changes
2. 点“覆盖/另存为”→ 调 convert_and_save / convert_and_save_as

小工具的“可信度”主要来自预览区：能看到改了什么，才敢点“覆盖”。

4. 解析规则：只做“够用且可解释”的转换

第一版只处理最常见的 Markdown 图片写法：

• ![](path)
• ![alt](path)

策略：

• 对匹配到的图片引用 (path)，提取文件名 filename
• 生成新路径：{target_prefix}/{filename}（默认 upload/xxx.png）
• 如果原始路径已经等于新路径，则不计入变更列表；否则记录 old_path -> new_path 供预览展示

这一版的目标不是“只处理绝对路径”，而是统一路径风格，保证导出到站点时资源引用结构稳定、可控。

5. 打包构建：生成 exe 与安装包

开发完成后构建发行版：

npm run tauri build

Tauri 通常会产出两类东西：

• 可执行文件（portable）：双击就能跑，但不负责安装/卸载
• 安装包（推荐分发）：更像“正常软件”，体验更稳（尤其涉及 WebView2）

对外分发我优先发布安装包（*_setup.exe / .msi）。

6. 发布：GitHub Release

仓库地址 : https://github.com/ruali-dev/markdown-image-path-converter

把安装包上传到 GitHub Release，并在 Release Notes 里写清楚：

• Features（功能点）
• System Requirements（Windows 10/11 + WebView2）
• Issues（问题反馈入口）

7. 常见坑（我最在意的）

• 生成的 exe 能跑，但别人机器打不开：Tauri 依赖 WebView2 Runtime。分发优先使用安装包，依赖提示更友好。
• 覆盖原文件有风险：必须保留“另存为”，并建议用户先预览再覆盖。

8. 后续迭代方向

依旧小，但更顺手：

1. 支持拖拽 .md 到窗口
2. 支持批量处理目录下所有 .md
3. 可选：自动复制图片到 upload/ 并改写引用（从“改路径”升级到“整理素材”）
4. 兼容更多写法：<img src="...">、带 title 的 ![](... "title")

结语

这次最意外的是：几乎不需要复杂的工程化配置，我只用一句需求 + 几轮对话把边界逐步说清，AI 智能体就能把技术选型、代码骨架、核心逻辑到可运行的桌面应用快速推到位。

说到底，这次我没有把精力花在“怎么写每一行代码”，而是花在“怎么把一个模糊痛点变成一个可靠工具”。

AI 能给你很多“能跑的答案”，但只有你自己能决定“该交付哪一种答案”。