# 原生平台 (Linux / Windows / macOS)
## 运行时要求
Ambi 需要 Tokio 的多线程支持。最小配置：
```toml
[dependencies]
tokio = { version = "1", features = ["rt-multi-thread", "sync", "time", "macros"] }
```
这是 `Agent::make()` 要求的，它内部调用 `tokio::task::spawn_blocking()` 来加载模型，不会阻塞异步运行时。
如果用了 `current_thread` 运行时：
```rust
#[tokio::main(flavor = "current_thread")]
```
`Agent::make()` 会 panic，因为 `spawn_blocking` 依赖多线程运行时。
## Agent::with_custom_engine 不一样
`with_custom_engine()` 直接包装 `Box<dyn LLMEngineTrait>`，**不会**调 `spawn_blocking`。它在任何 Tokio 运行时下都能工作：
```rust
let agent = Agent::with_custom_engine(Box::new(MockEngine))?; // 不需要 spawn_blocking
```
## GPU 加速
llama.cpp 本地推理的 GPU 卸载在构建时通过 Cargo 特性配置：
```toml
# CUDA (NVIDIA)
ambi = { version = "0.3", features = ["llama-cpp", "cuda"] }
# Vulkan（多厂商）
ambi = { version = "0.3", features = ["llama-cpp", "vulkan"] }
# Metal (Apple Silicon)
ambi = { version = "0.3", features = ["llama-cpp", "metal"] }
# ROCm (AMD)
ambi = { version = "0.3", features = ["llama-cpp", "rocm"] }
```
编译时只能启用一个 GPU 后端，多个会导致 `compile_error!`。
## 从源码构建
```bash
# 只用云后端（编译最快）
cargo build --no-default-features --features openai-api
# 本地 + CUDA
cargo build --features "llama-cpp, cuda"
```
## 已知平台差异
- **Windows**：llama.cpp CUDA 构建需要 CUDA SDK 和 MSVC 构建工具。
- **macOS**：Metal 加速只在 Apple Silicon（M1+）上工作。Intel Mac 回退到 CPU。
- **Linux**：CUDA 需要 `libcuda.so` 和 NVCC。Vulkan 需要 Vulkan SDK。