anti-AD项目适配网络工具规则的技术解析
随着隐私保护意识的提升,anti-AD作为一款优秀的广告拦截规则项目,其适配不同网络工具的规则格式需求日益增长。本文将从技术角度深入分析如何将anti-AD的广告拦截规则适配到sing-box这一新兴网络工具中。
sing-box规则格式演进
sing-box作为一款现代化的通用网络平台,其规则系统经历了多次迭代。在1.9.0版本之前,规则采用传统的JSON格式,需要同时配置domain和domain_suffix两个字段来确保完整匹配。例如匹配doubleclick.net及其子域名需要如下配置:
{
"version": 1,
"rules": [
{
"domain": ["doubleclick.net"]
},
{
"domain_suffix": [".doubleclick.net"]
}
]
}
而在1.9.0及之后版本中,规则系统进行了简化,domain_suffix字段现在可以单独完成匹配任务:
{
"version": 1,
"rules": [
{
"domain_suffix": ["doubleclick.net"]
}
]
}
复杂规则处理方案
对于需要排除特定子域名的复杂场景(如拦截mmstat.com但放行log.mmstat.com),sing-box提供了逻辑规则支持。通过组合多个规则并使用invert参数,可以实现精细化的域名控制:
{
"version": 1,
"rules": [
{
"type": "logical",
"mode": "and",
"rules": [
{"domain_suffix": ["mmstat.com"]},
{"domain_suffix": ["log.mmstat.com"], "invert": true}
]
}
]
}
规则编译优化
sing-box支持将JSON规则编译为二进制格式(srs文件),这不仅能减小文件体积,还能提高加载效率。编译后的文件具有向下兼容性,可以在不同版本的sing-box中使用。建议开发者优先提供编译后的规则文件,以获得最佳性能。
AdGuard规则支持
从1.10.0-alpha.25版本开始,sing-box新增了对AdGuard格式规则的原生支持。这意味着anti-AD项目中的anti-ad-adguard.txt文件可以直接通过sing-box命令行工具转换为二进制规则集:
sing-box rule-set convert --type adguard anti-ad-adguard.txt
需要注意的是,这种转换方式生成的规则集需要较新版本的sing-box支持,对于使用旧版本的用户,仍建议采用传统的JSON规则格式。
最佳实践建议
- 对于广泛分发,建议同时提供JSON源文件和编译后的srs文件
- 规则注释应清晰说明版本兼容性要求
- 复杂逻辑规则应当单独成组,避免与其他规则集合并时产生冲突
- 定期更新规则文件,保持与anti-AD主项目的同步
通过以上技术方案,anti-AD项目可以很好地适配sing-box平台,为用户提供高效的广告拦截体验。随着sing-box功能的不断完善,未来可能会有更多优化空间,值得持续关注。
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