如何使用LiteLoaderQQNT_Install一键部署QQNT扩展加载器
LiteLoaderQQNT_Install是一款专为LiteLoaderQQNT设计的自动化安装脚本,能帮助Windows用户避开手动配置文件、处理权限问题等复杂步骤,通过"一键操作"即可完成扩展加载器部署,让QQNT功能扩展变得简单高效。
环境配置指南
在开始安装前,请确保您的系统满足以下条件:需要Windows 10/11操作系统,已安装QQNT桌面端(推荐最新版本),并保持稳定的网络连接。安装前请完全退出QQ程序(包括系统托盘图标),推荐以管理员身份运行安装程序以解决权限问题,部分杀毒软件可能误报,建议暂时关闭或添加信任。
两种安装方式操作步骤
可执行文件安装(新手推荐)
访问项目仓库获取最新版安装程序,克隆命令为git clone https://gitcode.com/gh_mirrors/li/LiteLoaderQQNT_Install。进入下载目录,找到并双击install_windows.exe。如弹出用户账户控制提示,点击"是"授予管理员权限。程序会自动检测QQ安装路径(通常为C:\Program Files\Tencent\QQNT\QQ.exe),如未找到,手动选择QQ.exe文件,等待程序自动完成安装(约1-3分钟)。
Python脚本安装(进阶用户适用)
确保已安装Python 3.8+环境。克隆仓库并安装依赖,依次执行git clone https://gitcode.com/gh_mirrors/li/LiteLoaderQQNT_Install、cd LiteLoaderQQNT_Install、pip install -r requirements.txt。然后运行安装脚本python install_windows.py。
管理员权限问题解决方案
安装过程中若遇到"权限不足"或"拒绝访问"错误,可尝试以下方法。方法一:找到安装程序(install_windows.exe),右键点击文件,选择"以管理员身份运行"。方法二:按下Win + R打开运行窗口,输入cmd并按下Ctrl + Shift + Enter以管理员身份打开命令提示符,导航到安装文件所在目录,运行install_windows.exe。方法三:打开QQ安装目录(通常为C:\Program Files\Tencent\QQNT),右键点击文件夹,选择"属性",切换到"安全"选项卡,点击"编辑",选择当前用户,勾选"完全控制"权限,点击确定。
常见错误排查方法
安装后QQ设置中没有LiteLoaderQQNT选项,通常是插件冲突导致。解决方法:关闭QQ,进入插件目录(默认路径:文档\LiteloaderQQNT\plugins),暂时移除所有第三方插件,重新启动QQ,检查是否出现LiteLoaderQQNT选项,然后逐个添加插件,找出冲突插件。安装程序报毒时,由于使用了打包工具,部分杀毒软件可能误报,可信任该程序(本项目代码完全开源,可自行审查),或从项目仓库下载源码,手动运行Python脚本安装。提示"QQ大小小于10MB,判断为新版"是正常现象,脚本通过文件大小智能区分QQNT的新旧架构,无需额外操作。
插件管理与更新维护
安装完成后,默认插件路径为文档\LiteloaderQQNT\plugins,数据目录为文档\LiteloaderQQNT\data。脚本已内置安装插件列表查看器,可通过QQ设置中的LiteLoaderQQNT选项访问插件商店。要更新LiteLoaderQQNT到最新版本,只需重新运行安装程序,脚本会自动保留插件和配置,完成无缝升级。
本项目基于LiteLoaderQQNT、QQNTFileVerifyPatch、LL-plugin-list-viewer等开源项目开发,如有任何问题或建议,欢迎通过项目仓库反馈。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00