在sing-box安卓端持久化过滤规则的解决方案
2025-05-25 14:52:08作者:谭伦延
在使用sing-box安卓客户端时,许多用户会遇到一个常见问题:当配置文件自动更新时,手动添加的过滤规则(如自定义列表)会被覆盖。这种情况通常发生在使用服务提供商提供的订阅配置时,由于订阅链接会自动更新,导致用户自定义的修改无法保留。
问题分析
sing-box安卓客户端的自动更新机制设计初衷是为了保持节点信息的最新状态,但这种机制与用户自定义配置的需求产生了冲突。特别是对于添加了自定义过滤规则的用户,每次更新后都需要重新修改配置文件,这无疑增加了使用成本。
解决方案
方案一:创建本地手动配置
- 在sing-box客户端中选择"Add new profile"
- 创建方式选择"Create Manaually"
- 配置类型选择"Local"
- 来源选择"Import",并输入你的服务提供商订阅链接
- 导入后手动编辑配置文件,添加自定义过滤规则
这种方法的优点是可以保留自定义规则,缺点是当服务节点更新时,需要手动重新导入订阅。
方案二:使用完全自定义配置
- 完全自行编写sing-box配置文件
- 在配置中直接整合自定义过滤规则
- 将配置文件保存为本地文件导入
这种方法提供了最大的灵活性,但需要用户具备一定的配置文件编写能力,且同样需要手动更新节点信息。
技术建议
对于希望长期使用自定义过滤规则的用户,建议考虑以下优化方案:
- 将过滤规则部分单独保存为一个片段文件
- 编写简单的脚本自动合并到主配置中
- 定期检查节点更新情况,必要时重新合并
注意事项
无论采用哪种方案,都应注意定期检查规则的更新情况。自定义过滤项目本身会不断更新规则列表,及时更新才能保证最佳的效果。同时,过于复杂的规则可能会影响网络性能,建议根据实际设备性能适当调整规则数量。
通过以上方法,用户可以在享受sing-box便利的同时,保持过滤功能的持久有效,提升整体上网体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660