AdGuard浏览器扩展MV3版本中DNR规则集版本显示优化
2025-06-24 14:34:06作者:齐冠琰
AdGuard浏览器扩展在MV3版本中对过滤规则的处理方式进行了重大调整,将传统的动态加载过滤列表改为使用预构建的DNR(Declarative Net Request)规则集。这一架构变更带来了性能和安全性的提升,但也引入了一个用户体验问题——用户无法直观地了解当前使用的过滤规则版本。
技术背景
在传统的AdGuard扩展架构中,过滤规则以文本形式存储在远程服务器上,扩展会定期检查更新并下载最新版本。这种方式允许扩展在"关于"页面明确显示每个过滤列表的版本号和最后更新时间。然而,在MV3架构下,由于Chrome扩展平台的安全限制,AdGuard采用了不同的实现方式:
- 预编译规则集:所有过滤规则在扩展发布前被编译成DNR格式,直接打包进扩展包
- 静态化处理:规则集不再支持运行时动态更新,必须通过扩展版本升级来更新
这种变化虽然提高了性能和安全性,但移除了用户查看过滤规则版本的能力,降低了透明度。
解决方案设计
开发团队通过以下方式解决了这个问题:
- 版本信息嵌入:在构建阶段将DNR规则集的版本信息写入扩展的manifest文件或专用配置中
- 关于页面展示:在扩展选项页面的"关于"标签下新增专门的版本显示区域
- 同步更新机制:确保每次规则集更新时,显示的版本号能够相应变化
实现细节
该功能的实现涉及多个技术层面:
- 构建流程改造:在CI/CD流水线中,将规则集版本作为构建参数注入
- 前端展示组件:开发新的UI组件用于版本信息展示
- 版本管理策略:建立规则集版本与扩展版本之间的映射关系
用户体验提升
这一改进带来了明显的用户体验优化:
- 透明度增强:用户可以明确知道当前使用的过滤规则版本
- 问题诊断便利:在反馈问题时能够提供准确的规则版本信息
- 更新感知:用户可以直观了解扩展更新是否包含了规则更新
技术意义
这一看似简单的功能改进实际上体现了AdGuard团队对MV3架构的深入理解和适应:
- 架构限制下的创新:在MV3的严格限制下找到平衡功能性和用户体验的方案
- 工程实践优化:展示了如何在不违反平台限制的前提下保持软件透明度
- 用户信任建设:通过增加系统透明度来建立和维持用户信任
这一改进已被纳入AdGuard浏览器扩展MV3版本的5.1更新中,为用户提供了更完整和透明的过滤体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
138
169
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
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++
632
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
703
🎉 (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
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
197
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460