Ungoogled-Chromium项目中移除上下文菜单广告标签的技术方案
背景介绍
Ungoogled-Chromium作为Chromium浏览器的去谷歌化分支版本,一直致力于提供更干净、更注重隐私的用户体验。近期Chromium主分支在上下文菜单中加入了带有"New"标签的功能推广项,这些标签不仅干扰用户体验,还存在功能重复和误导性问题。
问题分析
Chromium最新版本在右键上下文菜单中加入了多个带有"New"标记的功能项,这些标记本质上是一种功能推广手段。经过技术分析,我们发现以下核心问题:
-
功能重复性:标记为"New"的功能大多并非真正创新,例如密码管理器自2008年就已存在,视频帧保存功能完全可以通过系统截图实现。
-
用户体验干扰:这些推广标签强制吸引用户注意力,且无法全部关闭(仅主菜单中的密码管理器标签可关闭)。
-
技术实现问题:部分功能如阅读模式会强制打开侧边栏,而非直接修改页面样式,这与用户预期不符。
技术解决方案
针对这一问题,我们提出以下技术实现方案:
方案一:直接移除标签
通过修改Chromium源代码中负责渲染上下文菜单的组件,过滤掉所有包含"New"标记的菜单项。这需要定位到以下关键代码位置:
- 菜单项生成逻辑(通常在
browser/renderer_context_menu相关代码中) - 菜单项渲染逻辑
- 国际化字符串处理部分
方案二:功能级禁用
通过默认禁用相关功能来间接移除标签,这需要:
- 识别产生这些标签的功能标志(如已发现的
#read-anything标志) - 在构建配置中默认禁用这些标志
- 保留相关功能的禁用开关,供高级用户选择
实现细节
具体实现时需要注意以下技术要点:
-
菜单项过滤:需要在
RenderViewContextMenu或类似类中添加过滤逻辑,检查菜单项的标签文本。 -
功能标志处理:需要修改
chrome/browser/flag-metadata.json和相关功能标志定义,确保推广功能默认禁用。 -
国际化考虑:不同语言环境下"New"标签的文本可能不同,需要处理多语言情况。
-
版本兼容性:随着Chromium更新,新的推广标签可能出现,解决方案需要具备扩展性。
技术影响评估
实施此修改后,将带来以下影响:
-
性能影响:几乎可以忽略不计,仅增加少量菜单渲染时的字符串检查。
-
功能影响:仅影响功能推广展示,不影响实际功能可用性。
-
维护成本:需要随Chromium主分支更新定期检查新出现的推广标签。
用户价值
这一改进将为用户带来以下好处:
- 更干净整洁的上下文菜单
- 减少不必要的视觉干扰
- 避免功能重复带来的困惑
- 保持浏览器核心功能的纯粹性
总结
移除Chromium上下文菜单中的功能推广标签是Ungoogled-Chromium项目保持简洁用户体验的重要改进。通过源代码级的修改,我们可以从根本上解决这一问题,同时不影响相关功能的正常使用。这一技术方案体现了Ungoogled-Chromium项目对用户隐私和体验的承诺,也是该项目区别于主流Chromium分支的核心价值之一。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00