ListSync项目安装与配置完全指南
2025-06-19 19:14:21作者:廉彬冶Miranda
项目概述
ListSync是一个强大的媒体列表同步工具,能够将IMDb、Trakt、Letterboxd等平台的影视列表自动同步到Overseerr等媒体管理系统中。本指南将详细介绍ListSync的安装与配置方法,帮助用户快速搭建自己的列表同步服务。
系统准备
硬件要求
- 最低配置:2GB内存,1GB存储空间
- 推荐配置:4GB内存,2GB存储空间
- 网络要求:稳定连接IMDb、Trakt等列表源
软件依赖
Docker方式
- Docker 20.10+
- Docker Compose 2.0+
手动安装方式
- Python 3.8+
- Node.js 18+
- Chrome/Chromium浏览器(用于Selenium)
Docker安装(推荐)
Docker安装是最简单快捷的方式,适合大多数用户。
快速开始
-
获取项目代码
git clone 项目仓库地址 cd list-sync -
配置环境变量
cp env.example .env nano .env至少需要配置以下参数:
OVERSEERR_URL=你的Overseerr地址 OVERSEERR_API_KEY=你的API密钥 IMDB_LISTS=top # 初始只同步一个列表 -
启动服务
docker-compose up -d -
访问服务
- 控制面板:http://localhost:3222
- API接口:http://localhost:4222
高级配置
生产环境部署
使用预构建的容器镜像:
docker-compose up -d
开发环境部署
构建本地开发镜像:
docker-compose -f docker-compose.local.yml up -d
端口自定义
修改docker-compose.yml中的端口映射:
ports:
- "8080:3222" # 控制面板端口
- "8081:4222" # API端口
手动安装指南
适合需要自定义配置的高级用户。
系统准备
Ubuntu/Debian系统
sudo apt update
sudo apt install python3 python3-pip python3-venv git nodejs npm
sudo apt install google-chrome-stable
后端安装
- 创建Python虚拟环境
- 安装依赖包
- 初始化数据库
前端安装
- 安装Node.js依赖
- 构建前端资源
服务管理
使用Systemd
创建服务文件实现开机自启:
[Unit]
Description=ListSync Backend Service
After=network.target
[Service]
Type=simple
WorkingDirectory=/path/to/list-sync
ExecStart=/path/to/venv/bin/python -m list_sync
Restart=always
[Install]
WantedBy=multi-user.target
使用PM2
Node.js进程管理工具:
pm2 start "python -m list_sync" --name listsync-backend
pm2 start npm --name listsync-frontend -- start
安装后配置
基础设置
-
测试Overseerr连接
curl -H "X-Api-Key: your-key" http://your-overseerr/api/v1/status -
添加同步列表
- 通过环境变量:
IMDB_LISTS=top - 通过控制面板:http://localhost:3222/dashboard/lists
- 通过环境变量:
-
设置同步间隔
SYNC_INTERVAL=24 # 每天同步一次
高级功能
Discord通知
在.env中添加:
DISCORD_WEBHOOK_URL=你的Discord Webhook地址
Nginx反向代理
示例配置:
server {
listen 80;
server_name your-domain.com;
location / {
proxy_pass http://localhost:3222;
}
location /api/ {
proxy_pass http://localhost:4222;
}
}
系统验证
健康检查
curl http://localhost:4222/api/system/health
手动触发同步
curl -X POST http://localhost:4222/api/sync/trigger
日志查看
docker-compose logs -f listsync-full
# 或
tail -f data/list_sync.log
常见问题解决
Docker问题
- 端口冲突:修改
docker-compose.yml中的端口映射 - 权限问题:将用户加入docker组
手动安装问题
- Python版本过低:安装新版Python
- Chrome/Selenium问题:安装必要依赖库
性能优化
- 减少并发列表数量
- 增加同步间隔时间
- 限制特殊项目数量
维护与更新
Docker更新
docker-compose pull
docker-compose up -d
手动更新
git pull origin main
pip install -r requirements.txt --upgrade
cd listsync-web && npm install && npm run build
systemctl restart listsync-*
通过本指南,您应该能够顺利完成ListSync的安装和基础配置。如需更高级的配置选项,可以参考项目的详细配置文档。
登录后查看全文
热门项目推荐
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
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
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
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
492
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
346
147