Zwift Offline:打造你的本地骑行训练系统
💡 无论网络状况如何,都能随时开启专业骑行训练——Zwift Offline让你告别网络依赖,在本地环境中享受与"幽灵"(历史骑行数据)对战的乐趣。本文将从核心功能到高级技巧,带你全面掌握这款开源神器。
【核心功能解析】解锁本地训练新可能
💡 理解核心功能是高效使用的基础, Zwift Offline 的两大亮点彻底改变你的训练方式。
实现无需联网训练
🔧 启动 Zwift Offline 服务后,系统会在本地模拟 Zwift 官方服务器环境。所有训练数据将存储在你的设备中,无需上传至云端,确保在没有网络连接时依然可以正常使用。
体验幽灵比赛功能
🔧 在单人训练模式中选择"幽灵比赛"选项,系统会加载你过往的骑行记录(如最快圈速)作为虚拟对手。你可以实时看到"幽灵"的位置和速度,通过竞争感提升训练效果。
【多场景部署指南】选择适合你的安装方式
💡 不同用户有不同需求,我们提供三种部署方案,从新手到开发者都能找到合适的方式。
图形化安装(适合普通用户)
🔧 访问项目仓库下载最新稳定版安装包,双击运行后按照向导完成安装。安装程序会自动配置必要的服务和文件关联。
预期结果:桌面出现 Zwift Offline 快捷方式,双击即可启动服务。
开发者部署(适合技术爱好者)
🔧 克隆项目仓库:
git clone https://gitcode.com/gh_mirrors/zw/zwift-offline
🔧 安装依赖项:
cd zwift-offline
pip3 install -r requirements.txt
🔧 运行启动脚本:
python3 standalone.py
预期结果:终端显示服务启动信息,包括监听端口和连接状态。
容器化方案(适合服务器部署)
🔧 创建并启动 Docker 容器:
docker create --name zwift-offline -p 443:443 -p 80:80 -p 3024:3024/udp -p 3025:3025 -p 53:53/udp -v /path/to/host/storage:/usr/src/app/zwift-offline/storage -e TZ=Asia/Shanghai zoffline/zoffline
docker start zwift-offline
预期结果:Docker 容器成功运行,可通过
docker ps命令查看状态。
三种安装方式对比
| 安装方式 | 难度 | 灵活性 | 资源占用 | 适用场景 |
|---|---|---|---|---|
| 图形化安装 | 低 | 低 | 中 | 家庭用户、新手 |
| 开发者部署 | 中 | 高 | 低 | 技术爱好者、自定义配置 |
| 容器化方案 | 中 | 中 | 高 | 多设备共享、服务器部署 |
【实用技巧进阶】从入门到精通
💡 掌握这些技巧,让你的 Zwift Offline 使用体验更上一层楼。
配置证书信任链
🔧 将项目中的 ssl/cert-zwift-com.p12 和 ssl/cert-zwift-com.pem 文件复制到 Zwift 安装目录。
🔧 导入证书到系统信任链(以 Windows 为例):
certutil -importpfx Root cert-zwift-com.p12
预期结果:系统提示证书导入成功,无错误信息。
[!WARNING] 证书配置不正确会导致 Zwift 客户端无法连接到本地服务器,请务必仔细操作。
设置本地网络多人对战
🔧 确保所有设备连接到同一局域网,并记录服务器 IP 地址。
🔧 在其他设备的 hosts 文件中添加以下配置(将 <服务器IP> 替换为实际地址):
<服务器IP> us-or-rly101.zwift.com secure.zwift.com cdn.zwift.com launcher.zwift.com
🔧 在服务器端启动多人模式:
python3 standalone.py --multiplayer
预期结果:多台设备可以同时连接到本地服务器,在游戏中看到彼此的虚拟形象。
数据迁移与恢复
🔧 备份存储目录中的所有文件:
cp -r storage backup_storage
🔧 在新设备上安装 Zwift Offline 后,将备份文件复制到新的 storage 目录。
预期结果:训练记录、设置偏好等数据成功迁移到新设备。
【常见问题速查】解决使用难题
💡 遇到问题不用慌,这里有最常见问题的解决方案。
客户端无法连接到本地服务器
- 检查 Zwift Offline 服务是否正在运行
- 确认 hosts 文件配置正确,无重复或错误条目
- 验证证书是否已正确导入系统信任链
幽灵比赛功能不显示历史数据
- 确保已完成至少一次骑行训练,系统需要基础数据生成"幽灵"
- 检查 storage 目录权限,确保应用有读写权限
- 尝试删除 storage 目录中的
ghosts文件夹,让系统重新生成数据
多人模式下看不到其他玩家
- 确认所有设备在同一局域网内,且 hosts 文件配置相同
- 检查防火墙设置,确保 Zwift 相关端口开放
- 尝试重启 Zwift Offline 服务和客户端
【生态扩展资源】丰富你的训练工具箱
💡 Zwift Offline 可以与多种工具配合使用,拓展训练可能性。
数据可视化工具
通过分析 storage 目录中的骑行数据文件,你可以使用 Python 或 Excel 等工具创建自定义训练报告和图表,追踪训练进度和体能变化。
硬件集成方案
Zwift Offline 支持大多数主流智能骑行台和心率监测设备。通过 ANT+ 或蓝牙适配器,你可以将真实骑行数据同步到训练场景中,获得更真实的骑行体验。
自定义地图和路线
高级用户可以通过修改 cdn/gameassets 目录中的地图文件,创建自定义训练路线。社区中也有许多爱好者分享的创意地图可供下载使用。
💡 现在你已经掌握了 Zwift Offline 的全部核心知识,是时候开始你的本地骑行训练之旅了!记得定期备份数据,并关注项目更新以获取新功能和改进。祝你训练愉快!
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01