Focus for YouTube:专注模式过滤规则深度解析
项目概述
Focus for YouTube 是一组精心设计的过滤规则,旨在帮助用户消除YouTube平台上的各种干扰元素,打造一个更加纯净的视频观看体验。该规则基于Adblock Plus语法实现,通过屏蔽非必要界面组件,让用户能够专注于当前观看的视频内容。
核心功能解析
1. 主页内容净化
项目通过以下规则彻底清除了YouTube主页的推荐内容流:
youtube.com##ytd-browse[page-subtype*='home']
m.youtube.com##ytm-browse > ytm-single-column-browse-results-renderer > div > div[tab-identifier*="FEwhat_to_watch"]
这种设计特别适合那些希望避免被算法推荐内容分散注意力的用户,让使用YouTube时不再被无穷无尽的推荐视频所困扰。
2. 侧边栏精简
项目移除了左侧导航栏中的多个非必要入口,包括:
- 首页按钮
- 探索按钮
- 订阅内容
- 媒体库
- 历史记录
这些修改通过精确的CSS选择器实现,保留了用户可能需要的核心功能,同时去掉了容易导致分心的元素。
3. 视频相关干扰消除
3.1 视频结束时的推荐
##.ytp-endscreen-content
这条规则移除了视频播放结束后自动显示的推荐内容,防止用户陷入"再看一个"的无限循环。
3.2 相关视频推荐
youtube.com,youtubekids.com###related
m.youtube.com##ytm-watch ytm-compact-video-renderer
这些规则有效屏蔽了视频播放页面右侧的相关推荐列表,帮助用户专注于当前观看的内容。
3.3 暂停时的推荐覆盖层
##.ytp-pause-overlay
youtube.com##.ytp-pause-overlay
当视频暂停时,YouTube默认会显示推荐内容覆盖层,这些规则确保了暂停时界面保持干净。
4. 其他干扰元素处理
4.1 YouTube Premium推广
youtube.com###masthead-ad
移除了顶部常驻的Premium会员推广横幅。
4.2 自动生成的播放列表
www.youtube.com#?#ytd-compact-radio-renderer:-abp-has(ytd-thumbnail-overlay-bottom-panel-renderer)
屏蔽了"My mix"等算法自动生成的播放列表推荐。
4.3 视频悬停覆盖层
www.youtube.com###hover-overlays
移除了鼠标悬停在视频缩略图上时显示的"稍后观看"等操作按钮。
技术实现原理
Focus for YouTube主要采用以下技术手段实现内容过滤:
-
CSS选择器定位:通过精确的DOM元素定位,针对性地隐藏特定界面组件。
-
请求拦截:阻止某些推荐内容相关的AJAX请求,从源头切断干扰内容的加载。
-
元素属性匹配:利用元素属性特征进行更精确的定位,确保规则稳定性。
使用场景建议
这套过滤规则特别适合以下用户群体:
- 需要专注学习的研究人员
- 避免分心的远程工作者
- 希望控制观看时间的自律人士
- 仅关注特定内容创作者的专业用户
进阶配置说明
文件中包含了一些被注释掉的规则(以"!"开头),用户可以根据需要取消注释来启用额外功能,例如:
- 移除点赞/点踩计数器
- 完全屏蔽评论区
- 清除直播聊天窗口
这些规则提供了更极致的净化体验,但可能会影响部分社交互动功能。
维护与更新
由于YouTube界面会定期更新,建议用户:
- 保持过滤规则定期更新
- 关注可能的界面变化导致的规则失效
- 根据个人需求调整规则细节
Focus for YouTube通过系统性的界面净化,为用户创造了一个更加专注的视频观看环境,是提升数字健康和工作效率的有效工具。
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