AdGuard浏览器扩展中Scriptlets日志记录失效问题分析
问题背景
在AdGuard浏览器扩展的最新版本中,开发团队发现了一个关于脚本片段(scriptlets)日志记录功能的异常情况。脚本片段是AdGuard过滤规则中一种强大的工具,允许开发者通过特定的JavaScript代码片段来修改网页行为。然而,在5.0.113版本中,这些脚本片段的执行虽然有效,但相关的日志记录功能却未能正常工作。
问题现象
当用户在过滤规则中添加类似example.com#%#//scriptlet('set-constant', 'test', 'true')这样的脚本片段规则时,规则能够正确执行并修改目标网页的行为(如成功将test变量设置为true),但在AdGuard的过滤日志中却无法看到这条规则被触发的记录。这意味着虽然功能正常,但管理员无法通过日志追踪这些脚本片段规则的执行情况。
技术分析
脚本片段是AdGuard过滤系统的核心功能之一,它允许通过注入特定的JavaScript代码来修改网页环境。这类规则通常以#%#开头,包含一个脚本片段名称和参数列表。在正常情况下,每当一个脚本片段规则被匹配并执行时,AdGuard应该在过滤日志中记录这一事件。
日志记录功能的缺失可能源于以下几个技术环节:
-
日志记录机制未正确集成:可能在代码重构过程中,脚本片段的执行与日志系统之间的连接出现了断裂。
-
事件触发逻辑问题:脚本片段执行后,可能没有正确触发日志记录所需的事件或回调。
-
版本兼容性问题:特别是在从MV2向MV3架构迁移的过程中,某些API的变更可能导致日志功能失效。
影响评估
这个问题虽然不影响核心过滤功能,但对以下方面产生了负面影响:
-
调试困难:开发者无法通过日志确认脚本片段是否被正确应用。
-
统计缺失:无法统计脚本片段规则的使用频率和效果。
-
维护障碍:在复杂规则集中难以追踪特定脚本片段的行为。
解决方案
开发团队在收到问题报告后迅速响应,确认了问题根源并实施了修复。修复方案可能涉及:
-
确保日志钩子正确挂接:在脚本片段执行流程中重新建立与日志系统的连接。
-
完善事件触发机制:确保每次脚本片段执行都能触发相应的日志事件。
-
全面测试验证:不仅验证功能修复,还确保不影响其他相关功能。
修复版本
该问题已在AdGuard浏览器扩展的5.0-mv3 patch 3版本中得到修复。用户升级到该版本后,可以正常看到脚本片段规则在过滤日志中的记录。
最佳实践建议
对于使用脚本片段规则的用户和开发者,建议:
-
定期检查日志:确认脚本片段规则是否按预期记录。
-
版本更新意识:及时升级到修复版本以获得完整功能。
-
测试验证:在部署重要脚本片段规则前,通过日志验证其执行情况。
通过这次问题的发现和修复,AdGuard团队进一步强化了其过滤系统的可靠性,确保了用户能够全面掌握所有过滤规则的执行情况。
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-1.5暂无简介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
Spark-Formalizer-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
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