Bilibili Evolved v2.10.0版本技术解析与功能优化
Bilibili Evolved作为一款功能强大的B站增强脚本,在v2.10.0版本中带来了多项重要更新和优化。本文将深入解析这些技术改进,帮助用户更好地理解和使用新版本功能。
项目简介
Bilibili Evolved是一款浏览器用户脚本,旨在为Bilibili网站提供丰富的功能增强和界面优化。它通过JavaScript注入的方式,在不修改B站原有代码的情况下,为用户带来更优质的浏览体验。本次v2.10.0版本主要针对夜间模式适配、动态功能支持以及多项问题修复进行了更新。
核心功能优化
夜间模式适配增强
新版本对夜间模式进行了全面优化,特别是在视频页和新版个人空间中的表现。夜间模式现在能够更智能地识别页面元素,确保在各种界面下都能提供一致的暗色体验。对于开发者而言,这种适配优化涉及到对B站新版UI结构的深入分析和CSS选择器的精确匹配。
动态功能全面支持
随着B站个人空间改版,v2.10.0版本确保了所有动态相关功能都能在新版界面中正常工作。这包括动态过滤、批量导出图片等功能。技术实现上,脚本需要动态检测页面版本并加载相应的处理逻辑,这对DOM监听和事件处理机制提出了更高要求。
稍后再看重定向优化
新版稍后再看列表页获得了完整的重定向支持。这项改进涉及到对B站路由系统的分析,确保用户无论从哪个入口访问稍后再看,都能获得一致的增强体验。
重要问题修复
自定义顶栏功能完善
本次更新解决了自定义顶栏中番剧链接与弹窗的命名冲突问题。现在当两者同时启用时,弹窗会自动更名为"追番追剧",避免了用户混淆。此外,还修复了排序设置乱序的问题,这涉及到本地存储数据的序列化和反序列化处理。
图片处理优化
高分辨率图片组件进行了重要调整,现在只对系统缩放比例超过200%的情况请求更高分辨率图片。这一改变基于B站已普遍采用2x缩放图片的现状,既保证了显示质量,又避免了不必要的带宽消耗。同时修复了部分图片比例不正确的问题,这涉及到对图片容器尺寸计算的优化。
广告清理与快捷键冲突
广告删除功能在视频页的清理效果得到提升,现在能够更彻底地移除各类广告元素。快捷键扩展也修复了与搜索建议导航的冲突问题,通过更精确的事件监听和阻止默认行为,确保了方向键在搜索框中的正常使用。
开发者相关改进
项目构建工具pnpm已升级至v10版本,并启用了corepack支持。这为开发者提供了更稳定和高效的依赖管理体验。文档方面也优化了关于启动开发服务器的说明,降低了新贡献者的入门门槛。
废弃功能说明
由于B站官方已下线直播间签到功能,本次更新移除了相关的签到助手组件。这是对B站API变更的及时响应,避免了不必要的功能冗余。
技术实现要点
- 版本适配机制:通过特征检测判断页面版本,动态加载相应处理逻辑
- CSS注入优化:采用更精确的选择器匹配,减少样式冲突
- 本地存储改进:优化数据序列化方式,确保设置持久化
- 事件处理增强:完善事件委托机制,提高功能稳定性
使用建议
对于普通用户,建议关注以下优化点:
- 系统缩放≤200%且不需要专栏原图的用户可考虑禁用高分辨率图片组件
- 同时使用番剧链接和弹窗时,注意名称已自动区分
- 新版个人空间和稍后再看页已获得完整功能支持
对于开发者用户,新版本提供了更完善的开发文档和构建工具链,建议及时更新本地环境。
本次更新体现了Bilibili Evolved项目对B站界面变化的快速响应能力,通过持续优化确保了用户体验的一致性。各项技术改进既考虑了功能完整性,也注重了性能优化,展现了项目团队的技术实力和对细节的关注。
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