X-UI开源项目安装与使用指南
一、项目目录结构及介绍
在深入探索X-UI的功能之前,我们先来了解一下其基础架构。当你克隆或者下载了X-UI的仓库之后,你会看到一系列精心组织的目录和文件:
主要目录说明:
-
bin: 包含可执行文件和脚本。
x-ui.service: Linux系统中用于管理X-UI服务的systemd服务文件。x-ui.sh,x-ui_en.sh: 脚本用于操作X-UI(如安装、卸载、更新等)。
-
config: 存储各种配置文件的地方。
config.json: X-UI的核心配置文件,用于设定服务器的基本参数,包括监听地址、端口、日志等级以及是否开启HTTPS等。
-
database: 数据库相关文件存放位置。
db.json: 存储用户数据、配额、流量统计等关键信息。
-
logger: 日志文件夹,保存所有系统的操作记录。
-
media: 多媒体资源文件夹。
-
util: 实用工具目录,提供辅助脚本或二进制工具集。
-
v2ui: 可视化界面组件,负责前端显示逻辑。
-
web: 包含Web页面的静态资源,如HTML、CSS和JavaScript文件。
-
xray: 关键核心组件,处理网络传输层加密和隧道建立。
此外,根目录下还会有几个重要的文件:
-
Dockerfile: Docker构建指令,用于将X-UI打包成容器镜像。
-
LICENSE: 版权声明和使用许可。
-
README.md, README_EN.md: 分别为中文和英文的读我文件,提供项目基本信息和使用指南。
-
go.mod, go.sum: Go语言依赖管理和版本控制所需的元数据文件。
二、项目启动文件介绍
启动X-UI的关键是xray的配置和执行。然而,在实际部署时,我们会更多地依赖于x-ui.sh脚本来进行自动化操作。该脚本涵盖了从安装到维护的所有主要步骤,例如:
- 启动X-UI:
sudo ./x-ui.sh start - 停止X-UI:
sudo ./x-ui.sh stop - 重启X-UI:
sudo ./x-ui.sh restart - 检查X-UI状态:
sudo ./x-ui.sh status
这些命令使得X-UI能够轻松地集成到任何基于Linux的服务管理系统中。
三、项目配置文件介绍
配置文件config.json处于配置目录(config)中心,它控制着整个应用的行为。以下是其主要内容概览:
{
"listen": ":8080", // X-UI的监听地址和端口
"log_level": "info", // 日志级别设置,可选值有debug, info, warn, error
"auth_password": "", // HTTP API验证密码
"https_enabled": false, // HTTPS启用开关
"https_hsts_max_age": 15768000, // HTTPS安全策略最大年龄(单位秒)
"https_hsts_include_subdomains": true, // 是否包括子域在HSTS策略中
"tls_method": "alpn", // TLS方法,可选方法有 alpn, none
"log_file": "/var/log/x-ui.log", // 日志文件路径
...
}
这个JSON文件中的每个字段都是至关重要的组成部分,决定了X-UI如何运行和服务请求的方式。修改这里的某些值可能会影响到安全性、性能,乃至功能性。
以上就是对X-UI项目基本目录结构、启动过程以及关键配置文件的一个概述。接下来的操作,不论是开发调试还是日常运维,都将以此为基础展开。希望这份简短的手册能帮助你更顺畅地投入工作!
如果您遇到任何疑问或需要进一步的帮助,请随时查阅项目主页上的详细说明,那里提供了详尽的文档和支持渠道。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00