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。
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
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