如何使用 rats-search:一站式 BitTorrent P2P 搜索与下载工具完全指南 🚀
2026-02-05 05:52:17作者:盛欣凯Ernestine
rats-search 是一款功能强大的 BitTorrent P2P 多平台搜索引擎,集成了 torrent 客户端,支持桌面和 Web 服务器使用。它能帮助用户高效搜索、下载和管理 torrent 文件,通过 P2P 网络实现资源共享,适用于 Windows、Linux 和 macOS 等多种操作系统。
📥 快速安装步骤
桌面版安装(推荐新手)
- 访问项目仓库克隆代码:
git clone https://gitcode.com/gh_mirrors/ra/rats-search.git - 安装依赖并启动:
cd rats-search && npm install --force && npm run server
服务器版配置(高级用户)
如需部署为 Web 服务,额外执行:
npm run buildweb # 构建 Web 界面
npm run server # 启动后端服务
配置文件路径:config/,可修改端口、数据库路径等参数。
⚙️ 核心配置指南
数据目录设置
编辑 package.json 中的 serverDataDirectory 字段,自定义数据存储路径(默认与项目根目录一致):
{
"serverDataDirectory": "./your_custom_path/"
}
该目录将存放日志和配置文件 rats.json。
端口与网络配置
首次启动后,系统会生成主配置文件 rats.json,关键参数如下:
{
"httpPort": 8095, // Web 访问端口
"dbPath": "./data/" // 数据库路径
}
确保端口 4445(UDP/TCP) 和 4446(UDP/TCP) 已开放防火墙和路由器 NAT 转发,UPnP 设备可自动配置端口。
🔍 高效搜索使用教程
初始界面与数据库同步
启动后,默认进入 Feed 标签页,显示最近活跃的 torrents。首次使用时数据库为空,可通过以下方式快速获取资源:
- 等待 P2P 网络同步(需开放端口,约 1-2 分钟开始收集资源)
- 手动导入数据库文件到配置目录

图:启动后无 torrents 时的主界面,等待同步或导入数据库
基础搜索操作
在顶部搜索框输入关键词,支持按名称、文件类型过滤。随着使用,本地数据库会自动增长,搜索结果更精准:
分布式搜索(P2P 网络资源)
当连接到其他节点时,顶部会显示 Peer 数量指示器,此时可搜索全网资源:
- 普通搜索会自动包含其他节点的结果
- 外部节点结果将以特殊颜色标记
⚡ 高级功能配置
扫描速度优化
在 设置 > 扫描器 中调整参数,平衡搜索速度与系统负载:
- 极速模式:扫描步长 5,节点使用 0,网络包限制 0(适合高性能设备)
- 平衡模式:扫描步长 15,节点使用 100,网络包限制 600(推荐默认)
- 节能模式:扫描步长 30,节点使用 10,网络包限制 450
全局过滤规则设置
通过 设置 > 过滤器 排除不需要的内容(如特定大小、语言或类型):
- 设置文件大小范围、排除语言
- 启用安全搜索过滤不良内容
- 应用后可自动清理现有数据库
📚 官方文档与资源
- 完整使用手册:docs/USAGE.md
- 服务器配置指南:docs/SERVER.md
- API 开发文档:docs/API.md
通过以上步骤,您可以快速上手 rats-search 的全部功能,享受高效、安全的 P2P 资源搜索体验!如有疑问,可查阅官方文档或项目源码 src/ 获取技术细节。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0116
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler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。
C
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220



