Adguard浏览器扩展从MV2向MV3迁移的技术解析
2025-06-24 15:43:54作者:凌朦慧Richard
背景介绍
Adguard浏览器扩展作为知名的广告拦截工具,目前正面临重要的技术转型。由于Chrome浏览器即将停止对Manifest V2(MV2)扩展的支持,Adguard团队正在积极开发基于Manifest V3(MV3)的新版本扩展。这一变革源于Google Chrome对浏览器扩展架构的重大调整,旨在提高安全性、隐私性和性能。
MV2与MV3的技术差异
MV3是Chrome扩展平台的最新规范,与MV2相比有几个关键区别:
- 服务工作者替代后台页面:MV3使用服务工作者(Service Worker)代替持久运行的背景页面,减少了内存占用
- 声明式网络请求API:取代了原先的阻塞式webRequest API,采用更安全的声明式方法
- 远程代码执行限制:MV3禁止远程加载代码,提高了安全性
- 权限模型改进:采用更细粒度的权限控制,减少扩展对用户数据的访问
这些变化对广告拦截类扩展影响尤为显著,因为传统的广告拦截技术高度依赖MV2中的webRequest API。
Adguard的迁移策略
Adguard团队采取了渐进式的迁移方案:
- 并行开发:在继续维护MV2版本(4.x系列)的同时,开发MV3版本(5.x系列)
- 功能逐步迁移:通过beta版本逐步将现有功能迁移到MV3架构
- 自动更新机制:最终将通过Chrome Web Store自动将用户从MV2升级到MV3版本
用户影响与注意事项
对于普通用户而言,这一迁移过程将基本无感知:
- 自动更新:当MV3版本正式发布后,现有扩展将自动更新,无需用户手动操作
- 设置迁移:Adguard团队计划尽可能保留用户的现有设置和配置
- 功能兼容性:虽然MV3版本在功能上会有所调整,但核心广告拦截能力将保持
技术挑战与解决方案
迁移过程中面临的主要技术挑战包括:
- API限制:MV3的声明式网络请求API相比MV2的阻塞式API功能有所限制。Adguard团队需要重新设计拦截逻辑,在保证效果的同时符合新规范。
- 性能优化:服务工作者的生命周期管理与传统背景页面不同,需要优化资源加载和缓存策略。
- 规则处理:广告拦截依赖大量过滤规则,MV3环境下需要更高效的规则处理机制。
未来展望
虽然MV3的采用带来了一定技术挑战,但也为浏览器扩展生态带来了新的机遇:
- 更安全的扩展环境:减少恶意扩展的风险
- 更好的性能表现:降低内存和CPU占用
- 更透明的权限控制:用户对扩展行为的掌控更强
Adguard团队将继续优化MV3版本,确保在不影响用户体验的前提下,提供同样强大的广告拦截功能。对于技术爱好者,目前可以通过测试渠道提前体验beta版本,而普通用户则可等待正式版的自动更新。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
138
169
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
632
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
695
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
197
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460