uBlockOrigin-HUGE-AI-Blocklist项目中的DuckDuckGo图片搜索过滤问题解析
在开源项目uBlockOrigin-HUGE-AI-Blocklist中,近期出现了一个影响DuckDuckGo图片搜索功能的过滤规则问题。这个问题表现为当用户使用uBlock Origin扩展并启用该过滤列表时,DuckDuckGo的图片搜索结果会间歇性全部消失,而文字链接仍然可以正常访问。
问题现象
多位用户报告称,在使用Firefox 137浏览器配合uBlock Origin 1.63.2版本时,DuckDuckGo的图片搜索结果会突然变得不可见。从用户提供的截图可以看到,图片区域完全空白,但页面其他元素如搜索框和文字链接仍然正常显示。这个问题并非每次都会出现,而是呈现间歇性发作的特点。
问题根源分析
经过技术分析,发现问题出在过滤规则的选择器设计上。具体来说,当过滤规则尝试屏蔽某些AI相关网站(如forkful.ai)时,使用了:upward(div)选择器向上查找父级div元素。然而在DuckDuckGo的图片搜索结果页面结构中,这些链接并不直接包含在div元素中,导致选择器继续向上查找,最终意外匹配到了整个图片结果容器,从而将所有图片结果都隐藏了。
技术细节
问题的核心在于CSS选择器的匹配范围过大。原始过滤规则如下:
google.com,duckduckgo.com,bing.com##a[href*="forkful.ai"]:upward(div):style(opacity:0.00!important;)
当这个规则在DuckDuckGo图片搜索页面上执行时,由于找不到直接的div父元素,选择器会一直向上匹配,最终影响到整个图片结果容器。
解决方案
项目维护者提出了修改建议,将:upward(div)改为:upward(li),因为DuckDuckGo的图片搜索结果实际上是包含在li元素中的。这样修改后,选择器就能精确匹配到目标元素,而不会影响整个图片结果区域。
修改后的规则在多个用户的测试中证实有效,既保留了原有的AI网站屏蔽功能,又不会干扰正常的图片搜索结果展示。
经验总结
这个案例为我们提供了几个重要的技术经验:
-
在编写uBlock Origin过滤规则时,选择器的精确性至关重要。过于宽泛的选择器可能会产生意外的副作用。
-
针对不同搜索引擎的结果页面结构,可能需要设计不同的过滤规则。同一规则在不同搜索引擎上的表现可能大相径庭。
-
间歇性出现的问题往往与特定条件下的选择器匹配有关,需要仔细分析页面结构才能找到真正原因。
-
社区协作在解决这类问题上非常有效,多位用户的测试和反馈帮助快速定位和验证了解决方案。
这个问题的解决过程展示了开源社区如何协作解决技术问题,也为其他过滤列表维护者提供了宝贵的经验参考。
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