抛弃 Electron!自研 C# UI 引擎XchyUI,内核仅 200KB,秒杀 Web 套壳!

抛弃 Electron!自研 C# UI 引擎XchyUI,内核仅 200KB,秒杀 Web 套壳!

6 年磨一剑!纯 C# 全自研轻量 UI 引擎|内核 < 200KB + .NET8 AOT 跨平台 + 百万数据 60fps

大家好,这是我利用6 年业余时间,历经无数次推翻重构,全链路自研的纯 C# 用户态跨平台 UI 引擎,今天第一次公开分享。

引擎的演进之路:从 WinForms + GDI 起步 → 多次架构重构 → 最终定型 GLFW + SkiaSharp深度融合业界三大核心思想:

  • Android View 绘制流程
  • Jetpack Compose 函数式组合编程
  • Flutter 渲染优化理念

当前PC客户端开发,大多基于以下技术体系: • .NET 官方框架:WinForms / WPF / WinUI / .NET MAUI • 开源跨平台方案:Avalonia • Web 套壳技术:Electron / Tauri • C++ 原生框架:Qt
绝大多数开发者与企业,都选择在这些成熟框架之上做二次封装、组件扩展,以此快速实现业务需求。
真正愿意从源头开始,全链路自研一整套UI引擎的开发者少之又少

而我的这套引擎,正是从0到1完全自研
渲染管线、视图布局系统、动画调度、虚拟滚动、事件分发、主题体系、状态管理,全部自主实现,形成全链路闭环
可满足 90% 以上的桌面客户端UI需求,复杂绘图可直接对接底层Skia渲染,生成绘制指令并提交GPU执行。

框架设计追求极简与高效:
• 单线程架构 + 对象复用机制,大幅降低GC压力
• 元素结构无冗余设计,内存占用极低
• 函数式组合编程 + 状态驱动界面重组
• 组件树一次声明、多处复用
• 业务逻辑与UI结构高度内聚,不分散
• 思想贴近 React / Flutter / Jetpack Compose,现代前端/移动端开发者可快速上手

与传统XML、重量级框架不同,本引擎坚持 小而精 的设计理念:
只提供最基础的原子组件,所有复杂组件(DataGrid、TreeView、图表、卡片等)均通过基础组件积木式组合实现。
框架不提供冗余、不内置臃肿组件,保持最轻量、最灵活、最可定制的核心优势。

全程无黑盒、无深度封装、无Web套壳、无浏览器内核,回归原生渲染本质。


引擎开发历程(真实走心)

从最初基于 WinForms + GDI 摸索渲染与布局,到中间数次因性能、架构、扩展性不足彻底推翻重构,再到最终选择 GLFW + SkiaSharp 构建跨平台渲染底座,6 年间不断打磨架构、优化渲染、精简内核。

最终沉淀出这套:极轻量、高性能、跨平台、纯 C# 用户态的 UI 引擎。每一行核心代码都经过反复推敲与验证。


引擎核心亮点

  • 纯 C# 用户态实现,Release 核心 DLL < 200KB
  • 函数组合式 API + 状态对象驱动界面重组
  • 自研无 Timer 高性能动画系统
  • 完整 View 布局系统:Row/Column/Flow/ 虚拟滚动容器
  • 百万级数据列表轻松稳定 60fps+
  • 自研渲染管线 + 脏矩形局部刷新
  • 底层对象池复用:SKPaint/SKFont/SKBitmap 全复用
  • 窗口对接 Silk.NET.GLFW,渲染基于 SkiaSharp
  • 支持 .NET8 AOT 原生发布
  • 已验证:Windows / Ubuntu,macOS 理论 100% 支持
  • 插拔式架构,可快速对接其他平台与渲染器

基础组件 & 扩展能力

内置基础组件:Text/Input/Icon/Row/Column/Flow/LazyRow/LazyColumn/LazyGrid/PopupCard

复杂组件如 DataGrid、TreeView、图表等,均可通过基础组件积木式组合实现,无需重写底层。

已实现 Demo

  • 百万数据高性能虚拟滚动列表
  • 仿微信 PC 端主界面
  • 饼图 / 柱状图 / 折线图 / 仪表盘
在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述

极简示例代码

ContentView(() => { // 垂直布局 Column(() => { // 响应式状态 var counterNum = StateValueOf(0); Text() .H3() .Binding(counterNum, (builder, num) => { builder.TextValue($"计数器:{num}"); }, true); // 无Timer循环动画 var visibleState = StateValueOf(true); var animateValue = AnimateFloatOf(visibleState, animate => { animate.Duration = 800; animate.Times = int.MaxValue; animate.Delay = 200; animate.Interpolator = XAnimationInterpolator.Uniform; }); Icon(SvgResources.CircleProgress) .Size(32) .Binding(animateValue, (builder, value) => builder.Rotate(value * 360) ); // 点击交互 Text("点击增加计数") .PrimaryButton() .Click(() => counterNum.Value++); }) .Size(WRAP) .Space(10); }); 
在这里插入图片描述

🚀 Demo 运行包(AOT 原生编译,开箱即用)

  • 提供 AOT 编译原生 exe,解压直接运行
    -[ ](通过网盘分享的文件:numdemo.zip
    链接: https://pan.baidu.com/s/1aEIAR4YdS2Blt9oVgPAjHA 提取码: hg4d)
  • 体积:exe + 非托管库共 24MB引擎自身 <200KB,体积来自 .NET 运行时 + Skia + GLFW
  • 运行系统要求
    • Windows 需 Win10 及以上(因 .NET8 AOT 最低支持 Win10)
    • Ubuntu 20.04 / 22.04 已验证
  • 首次启动稍慢:磁盘缓存 + GL 上下文 + Skia 初始化二次启动秒开,属原生渲染程序正常现象

关于 AI 是否会替代

AI 可以快速生成页面业务代码,但无法自研底层引擎。渲染管线、布局算法、虚拟滚动、脏矩形刷新、动画调度、内存池、深度性能优化……这些底层架构与多年沉淀的核心技术,才是真正壁垒,只会越来越稀缺。


后续计划

本项目为 6 年全自研成果,首次公开分享。如果关注和感兴趣的朋友较多,我会逐步开放:

  • 使用文档 & 开发教程
  • 函数式 UI 编写指南
  • 底层技术原理讲解(布局、渲染、动画、虚拟滚动)
  • 架构设计与性能优化细节
  • 开源 / 社区共建计划

欢迎交流,感谢支持!

Read more

从零开始打造高性能数据结构——手把手教你实现环形缓冲

从零开始打造高性能数据结构——手把手教你实现环形缓冲

◆ 博主名称: 小此方-ZEEKLOG博客 大家好,欢迎来到小此方的博客。 ⭐️个人专栏:《C语言》_小此方的博客-ZEEKLOG博客 算法_小此方的博客-ZEEKLOG博客  ⭐️踏破千山志未空,拨开云雾见晴虹。 人生何必叹萧瑟,心在凌霄第一峰。 目录 一,普通队列的劣势 1. 空间浪费严重(“假溢出”问题) 2. 需要频繁移动元素(若避免浪费) 3. 扩容成本高 4. 无法解决“假溢出”导致的提前扩容 二,环形缓冲结构分析  1. “循环”取模实现指针回绕  2.“循环”,轮流入座而不是排长队 三,实现环形缓冲 1,MyCircularQueue(k): 构造器   1,结构体搭建   2,初始化 3,为什么选择k+1块空间而不是k块空间?

By Ne0inhk
【动态规划篇】专题(六):子序列问题——不连续的艺术

【动态规划篇】专题(六):子序列问题——不连续的艺术

文章目录 * LIS 模型及其衍生:回头看,全是风景 * 一、 前言:从 O(N) 到 O(N²) * 二、 最长递增子序列 (Medium) * 2.1 题目描述 * 2.2 核心思路:LIS 模型 * 2.3 代码实现 * 三、 摆动序列 (Medium) * 3.1 题目描述 * 3.2 状态定义:波峰与波谷 * 3.3 代码实现 * 四、 最长递增子序列的个数 (Medium) * 4.1 题目描述 * 4.2 双重状态 * 4.

By Ne0inhk
Python | 栅格数据Sen+MK长时间序列趋势分析+显著性检验保姆级教程

Python | 栅格数据Sen+MK长时间序列趋势分析+显著性检验保姆级教程

遥感代码星球的第002篇代码分享  今天给大家分享的是: Theil-Sen Median趋势分析 + Mann-Kendall显著性检验   基于遥感数据的植被碳水利用效率时空变化和归因分析[J].生态学报,2024,44(01):377-391.DOI:10.20103/j.stxb.202207232112. 在研究气候变化、环境变化、生态变化等领域时,如何准确分析时间序列数据的趋势是一个重要的课题。Theil-Sen Median趋势分析(简称Sen分析)和Mann-Kendall显著性检验(简称MK检验)是两种常用的非参数方法,它们在处理气候、环境、生态等领域的趋势分析中有着广泛的应用。本文将详细介绍这两种方法的基本原理,并探讨它们如何结合使用以提高趋势分析的准确性。同时结尾附完整代码及案例数据供大家学习使用。 01 原理及公式 1. Theil-Sen Median 趋势分析(Sen分析) Theil-Sen Median 趋势分析是一种稳健的非参数统计方法,适用于具有异常值或缺失值的时间序列数据。该方法通过计算数据的中位数斜率(即Sen斜率

By Ne0inhk
【数据结构和算法】面试必刷之随机链表复制:这三步让你彻底吃透 random 指针

【数据结构和算法】面试必刷之随机链表复制:这三步让你彻底吃透 random 指针

🔥小龙报:个人主页 🎬作者简介:C++研发,嵌入式,机器人等方向学习者 ❄️个人专栏:《C语言》《【初阶】数据结构与算法》 ✨ 永远相信美好的事情即将发生 文章目录 * 前言 * 一、随即链表的复制 * 1.1 题目 * 1.2 算法原理 * 1.3 代码 * 总结与每日励志 前言 随机链表的复制是数据结构中的经典难题,核心难点在于复制节点的random指针——其指向的节点可能尚未创建,也可能指向链表中的任意节点。本文采用“原地拷贝+拆分”的最优思路,分三步拆解解题逻辑,结合代码实现与原理分析,清晰讲解如何高效解决该问题,帮助读者吃透random指针的处理技巧,掌握链表操作的核心思维。 一、随即链表的复制 1.1 题目 链接:随机链表的复制 1.2 算法原理

By Ne0inhk