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。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00