如何搭建 AO3 镜像站点?2025 最新完整指南,轻松访问全球同人创作
AO3-Mirror-Site 项目是一个致力于在 AO3(Archive of Our Own)被屏蔽期间保证其可访问性的开源项目。AO3 是存放原创及二创作品的非营利性平台,本项目由数据流的 AO3 Rebirth Team 维护,帮助用户突破访问限制,自由浏览全球同人创作。
🌟 什么是 AO3 镜像站点?
AO3(Archive of Our Own)作为全球最大的同人创作平台,拥有数百万原创及二次创作作品。2020 年起,AO3 在中国大陆地区被屏蔽,AO3 镜像站点通过技术手段复刻原版内容,让用户无需特殊工具即可访问优质创作。这些镜像站点由志愿者团队维护,确保内容实时同步与访问稳定。
🚀 快速搭建 AO3 镜像站点的 3 个步骤
1️⃣ 准备基础环境(5 分钟搞定)
搭建 AO3 镜像站点前,需确保系统满足以下要求:
- 操作系统:Linux 或 macOS(推荐 Ubuntu 20.04+)
- Python 版本:3.6 及以上
- Git:用于克隆项目代码
一键安装依赖命令
# 更新系统并安装 Python
sudo apt-get update && sudo apt-get install python3.8 -y
# 安装 Git 工具
sudo apt-get install git -y
# 验证安装是否成功
python3 --version # 应显示 Python 3.6+
git --version # 应显示 Git 版本号
2️⃣ 克隆项目代码(1 分钟完成)
使用 Git 克隆官方仓库到本地,获取最新镜像搭建脚本:
git clone https://gitcode.com/gh_mirrors/ao/AO3-Mirror-Site
3️⃣ 安装依赖并配置环境
进入项目目录,安装 Python 依赖包:
cd AO3-Mirror-Site
pip install -r requirements.txt
根据项目文档配置必要的环境变量,例如 API 密钥和数据存储路径(具体参数可参考项目内的 config.example.ini 文件)。
🛠️ 核心脚本功能介绍
项目提供多个实用脚本,帮助用户轻松管理镜像站点:
fetch_data.py:自动抓取 AO3 内容
- 功能:定时从 AO3 官方源同步最新作品、标签和用户数据
- 使用方法:
python3 fetch_data.py --interval 24(每 24 小时同步一次)
generate_mirror.py:生成静态镜像页面
- 功能:将抓取的原始数据转换为可直接访问的 HTML 页面
- 特点:支持自定义主题、多语言切换和搜索优化
update_mirror.py:增量更新镜像内容
- 优势:仅同步变更内容,节省带宽和存储空间
- 推荐频率:每日执行一次,确保内容时效性
💡 新手常见问题解决
Q:镜像站点加载缓慢怎么办?
A:尝试按 Ctrl+F5 强制刷新页面,或更换其他镜像链接(见下文推荐列表)。若多次失败,可能是服务器负载过高,建议稍后再试。
Q:如何认领未署名的镜像站点?
A:通过项目 issue 提交证明材料,或发送邮件至 shujuliu@protonmail.com 申请认领。
Q:可以贡献代码或加入维护团队吗?
A:当然可以!通过提交 issue 附上联系方式,项目团队会尽快与你联系。志愿者可参与数据抓取、服务器维护或前端优化等工作。
🌐 2025 最新 AO3 镜像站点推荐
以下是经过验证的稳定镜像链接(按推荐指数排序):
独立镜像(优先选择)
- NIGHTALK:由 Nightalk.org 提供,支持全文搜索和深色模式
- AO3CNTOP:从微博 AO3 超话收集,更新频率高
- AO3PW:由开发者 RikaSugisawa 维护,界面简洁无广告
- AO3子曰:支持中文分类筛选,适合中文用户浏览
⚠️ 注意:镜像站点可能随时变更,建议收藏本项目获取最新链接。遇到无法访问时,可尝试更换浏览器或清除缓存。
📝 注意事项
- 定期更新项目:使用
git pull命令获取最新代码,修复潜在漏洞 - 遵守版权法规:镜像内容仅供个人学习使用,请勿用于商业用途
- 数据备份:重要配置文件建议定期备份,避免服务器故障导致数据丢失
通过以上步骤,你已掌握搭建 AO3 镜像站点的全部流程!如果在操作中遇到问题,可参考项目的 Q&A 文档 或提交 issue 寻求帮助。让我们一起守护同人创作的自由与开放!
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