BiliBiliToolPro项目青龙面板授权文件缺失问题分析与解决方案
2025-05-30 05:28:05作者:齐添朝
问题背景
BiliBiliToolPro是一个基于.NET开发的B站自动化工具项目,常与青龙面板配合使用实现定时任务管理。近期用户反馈在青龙面板2.18.0版本中,BiliBiliToolPro项目出现授权文件缺失问题,导致无法正常添加定时任务和持久化Cookie。
问题现象
用户在使用过程中发现以下异常情况:
- 通过青龙订阅安装代码拉取成功后,所有自动添加定时任务的操作均失败
- 手动执行bili扫码登录定时任务时,虽然能获取二维码但提示auth.json文件不存在
- 系统无法持久化Cookie信息
- 容器内检查确实缺少/ql/data/config/auth.json配置文件
技术分析
授权机制变更
青龙面板在2.18.0版本中对授权机制进行了调整,移除了传统的auth.json文件授权方式。而BiliBiliToolPro项目当前版本仍依赖该文件进行青龙API的授权认证。
文件路径变更
新版本青龙面板对文件存储结构进行了优化,将配置文件和运行时数据分离存储。BiliBiliToolPro项目需要适配新的路径结构。
环境变量机制
青龙面板提供了环境变量管理功能,可以作为临时存储Cookie的替代方案,但需要手动配置。
解决方案
临时解决方案
-
手动添加环境变量:
- 登录青龙面板
- 进入"环境变量"管理页面
- 添加名为"Ray_BiliBiliCookies__1"的环境变量
- 值为扫码登录后获取的Cookie信息
-
降级青龙版本:
- 回退到支持auth.json授权方式的青龙面板版本
- 推荐使用2.17.x系列版本
长期解决方案
项目维护者已确认将在后续版本中适配新的青龙面板授权机制,用户可关注项目更新。
最佳实践建议
- 对于生产环境,建议暂时使用青龙面板2.17.x稳定版本
- 开发环境可以尝试手动配置环境变量的方式
- 定期备份重要配置和数据
- 关注项目官方更新公告,及时升级适配版本
总结
BiliBiliToolPro项目与青龙面板的集成问题主要源于授权机制的变更。通过理解问题本质,用户可以选择合适的临时解决方案,同时期待官方的新版本适配。这类问题在开源项目协作中较为常见,体现了不同项目间API兼容性的重要性。
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
24
9
Ascend Extension for PyTorch
Python
222
238
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
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217