TorrServer 用户认证配置指南
认证机制概述
TorrServer 提供了基于 HTTP 基础认证的用户权限管理系统,允许管理员配置多用户访问权限。系统通过 accs.db 文件存储用户凭证信息,该文件通常位于 TorrServer 的配置目录中,与 config.db 文件并列存放。
认证配置方法
原生安装方式
对于直接安装在系统上的 TorrServer,可以通过以下两种方式配置认证:
-
安装时配置:在首次安装 TorrServer 时,安装程序会提示设置认证信息。如果已经安装但未配置认证,建议卸载后重新安装以触发认证设置流程。
-
命令行参数:启动 TorrServer 时使用
-a或--httpauth参数,后接用户名和密码组合,格式为用户名:密码。可以添加多个用户,用逗号分隔。
Docker 容器部署
通过 Docker 部署 TorrServer 时,认证配置略有不同:
-
环境变量:设置
TS_HTTPAUTH环境变量,值为用户名:密码格式的认证信息。多个用户同样用逗号分隔。 -
持久化存储:建议将 accs.db 文件挂载到宿主机,以便持久化保存认证信息。
认证文件管理
accs.db 文件是存储用户凭证的关键文件,管理员可以通过以下方式管理:
-
文件位置:通常位于 TorrServer 的工作目录下,与主配置文件 config.db 存放在同一位置。
-
文件编辑:不建议直接编辑二进制格式的 accs.db 文件,而应通过 TorrServer 提供的认证接口或重新配置来更新用户信息。
多用户权限配置
TorrServer 支持同时配置多个用户,但目前版本不提供细粒度的权限分级。所有通过认证的用户都具有相同的访问权限。管理员可以通过以下方式管理多用户:
-
添加用户:在认证参数或环境变量中添加新的
用户名:密码组合。 -
移除用户:需要删除或修改认证配置,并重启 TorrServer 服务使更改生效。
最佳实践建议
-
定期更新凭证:建议定期更换密码,特别是当团队成员变动时。
-
备份认证文件:定期备份 accs.db 文件,防止意外丢失认证信息。
-
最小权限原则:虽然 TorrServer 不提供细粒度权限控制,但仍应仅向必要人员分发认证信息。
通过以上配置和管理方法,管理员可以有效地控制对 TorrServer 的访问权限,确保服务的安全使用。
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