Oblivion Desktop 在 macOS 上的网络访问规则问题分析与解决方案
问题背景
Oblivion Desktop 是一款流行的网络工具,但在 macOS 系统上,用户报告了一个关于网络访问规则功能的问题。具体表现为:当用户设置了需要绕过的IP地址和域名后,这些规则条目虽然被正确添加到系统网络设置的"Bypass proxy settings for these hosts & domains"字段中,但实际上并没有立即生效,仍然会通过默认路由方式传输流量。
问题现象
用户在使用 Oblivion Desktop 1.10.3 版本和 macOS 15.0.1 系统时发现:
- 规则中的域名和IP地址仍然通过默认方式连接
- 只有在手动重新连接网络或修改某些网络设置(如切换"Exclude simple hostnames"选项)后,规则才会被正确应用
- 此问题在Safari浏览器中表现尤为明显,但在Chrome和Firefox等浏览器中也可能出现
技术分析
经过深入调查,我们发现这个问题与macOS网络子系统处理网络设置的方式有关:
-
设置顺序问题:当Oblivion Desktop设置网络参数时,它先启用特定连接方式,然后再设置绕过规则。这种顺序可能导致系统在初始连接时使用默认的规则列表,而新添加的条目不会立即影响当前连接。
-
系统缓存机制:macOS似乎会缓存某些网络设置,直到检测到网络配置发生变化才会重新加载所有设置。这就是为什么简单的网络设置修改(如切换"Exclude simple hostnames")能够触发规则生效。
-
特殊条目影响:规则中包含的
<local>条目可能在某些情况下干扰规则的正常应用。移除这个条目可以解决部分浏览器的问题。
解决方案
临时解决方案
对于急需解决问题的用户,可以采用以下临时方案:
-
手动刷新网络设置:
- 进入系统设置 > 网络 > Wi-Fi > 高级 > 代理
- 切换"Exclude simple hostnames"选项
- 保存设置
-
使用命令行脚本: 创建一个包含以下内容的.command文件并执行:
#!/bin/bash networksetup -setproxybypassdomains "Wi-Fi" *.local 169.254/16 fe80::/64 fc00::/7 192.168/16 172.16/12 10/8 *.example.com将"*.example.com"替换为你需要绕过的实际域名。
长期解决方案
开发团队已经在后续版本中修复了这个问题,主要改进包括:
- 优化了网络设置的顺序,确保规则在特定连接方式启用前就已正确设置
- 移除了可能导致问题的
<local>特殊条目 - 改进了设置应用机制,减少对系统缓存的依赖
最佳实践建议
- 对于macOS用户,建议升级到最新版本的Oblivion Desktop以获得最佳的网络访问规则功能体验
- 在设置规则后,可以尝试刷新网络连接以确保规则立即生效
- 考虑使用CIDR表示法(如172.16.0.0/12)来简化本地IP地址范围的指定
- 定期检查系统网络设置,确认规则已正确应用
总结
macOS系统对网络设置的处理有其特殊性,Oblivion Desktop团队已经识别并解决了网络访问规则的相关问题。通过理解系统行为和采用适当的解决方案,用户可以确保网络访问规则按预期工作。随着软件的持续更新,这类系统级兼容性问题将得到进一步改善。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C032
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00