LSPosed 的安装和配置教程
项目基础介绍
LSPosed 是一个基于 Riru / Zygisk 的开源模块,旨在提供一个与 OG Xposed 兼容的 ART (Android Runtime) Hooking 框架。它允许开发者编写 Xposed 模块,并在不修改任何 APK 的情况下改变系统和应用的运行行为。LSPosed 的核心是利用 LSPlant 框架实现的一致性 API,从而为不同版本和 ROM 提供支持。
主要编程语言
项目主要使用 Java 和 C++ 编程语言。
项目使用的关键技术和框架
LSPosed 使用以下关键技术和框架:
- Riru: 提供了一种将代码注入到 zygote 进程的方法。
- XposedBridge: 提供 OG Xposed 框架的 API。
- Dobby: 用于内联钩子技术。
- LSPlant: 核心的 ART 钩子框架。
- EdXposed: 作为项目的分支源。
- SandHook: 另一个 ART 钩子框架的变种。
- YAHFA: 之前的 ART 钩子框架。
- dexmaker 和 dalvikdx: 动态生成 YAHFA 钩子类。
- DexBuilder: 动态生成 YAHFA 钩子类。
准备工作
在开始安装 LSPosed 之前,您需要确保以下几点:
1.您的设备已经刷入了 Magisk。 2.您的设备运行的是 Android 8.1 到 Android 14 之间的任意版本。 3.您已经安装了 Riru 模块(对于 Riru 版本的 LSPosed)。
安装步骤
以下是小白级的安装步骤:
-
安装 Magisk:确保您的设备上已经安装了 Magisk。如果尚未安装,请访问 Magisk 的官方安装指南进行安装。
-
安装 Riru:在 Magisk 应用中搜索 Riru 模块,安装最新版本的 Riru 模块(对于 Riru 版本的 LSPosed)。
-
下载 LSPosed:访问 LSPosed 的发布页面,下载最新的 LSPosed 安装包。
-
安装 LSPosed:在 Magisk 应用中选择“安装”,然后选择下载的 LSPosed 安装包进行安装。
-
重启设备:安装完成后,重启您的设备以确保 LSPosed 正常工作。
-
打开 LSPosed 管理器:设备启动后,打开 LSPosed 管理器,您可以通过通知栏中的图标找到它。
-
开始使用:现在您可以开始使用 LSPosed 管理器安装和配置不同的 Xposed 模块了。
请注意,在安装任何模块之前,请确保阅读相应模块的说明和安装指南,以便正确配置和使用。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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 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
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