ProxyPool项目新增代理评分参数增强随机获取灵活性
2025-06-04 01:36:50作者:袁立春Spencer
在开源代理池项目ProxyPool的最新更新中,开发团队引入了一组新的环境变量参数,旨在增强代理随机获取功能的灵活性。这些改进特别针对需要获取最新入池代理的典型使用场景。
新增参数详解
本次更新主要增加了三个关键参数:
- PROXY_SCORE_RAND_MAX:定义随机API应获取的最高代理分数阈值,默认值为PROXY_SCORE_MAX
- PROXY_SCORE_RAND_MIN:定义随机API应获取的最低代理分数阈值,默认值为PROXY_SCORE_MIN
- TEST_ALLWAYS_DECREASE_SCORE:控制是否在每次测试后都降低代理分数,即使代理验证有效
典型应用场景
这些参数特别适合需要获取最新入池代理的场景。通过合理配置,可以实现以下效果:
- 优先获取分数在13-15之间的高质量代理
- 如果没有符合条件的代理,则获取分数在5-15之间的代理
- 通过持续降低分数来追踪代理的"生命周期"
配置示例
开发者可以通过以下环境变量配置实现上述效果:
export PROXY_SCORE_MAX=15
export PROXY_SCORE_MIN=0
export PROXY_SCORE_RAND_MAX=13
export PROXY_SCORE_RAND_MIN=5
export TEST_ALLWAYS_DECREASE_SCORE=True
技术实现原理
在底层实现上,ProxyPool通过这些参数实现了更精细的代理筛选机制:
- 首先尝试获取分数在PROXY_SCORE_RAND_MAX到PROXY_SCORE_MAX之间的代理
- 如果没有符合条件的代理,则扩大范围到PROXY_SCORE_RAND_MIN到PROXY_SCORE_MAX
- TEST_ALLWAYS_DECREASE_SCORE参数确保即使代理有效也会降低分数,从而可以追踪代理的新鲜度
实际应用价值
这一改进为ProxyPool用户带来了显著优势:
- 更精确的代理筛选:可以针对不同场景设置不同的分数阈值
- 新鲜度控制:通过持续降低分数确保能获取到最新加入的代理
- 灵活性增强:用户可以根据实际需求调整参数组合
这些改进使得ProxyPool在需要高质量、新鲜代理的场景下表现更加出色,特别是对于时效性要求高的爬虫任务尤为有用。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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
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
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
614
138
Ascend Extension for PyTorch
Python
163
183
React Native鸿蒙化仓库
JavaScript
240
314
仓颉编译器源码及 cjdb 调试工具。
C++
126
854
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
369
3.15 K
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
255
90
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
475
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
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++
644
255