AutoBangumi 新手快速上手终极指南:10分钟实现全自动追番
AutoBangumi 是一款基于 RSS 的全自动追番整理下载工具,只需一次配置就能持续自动追番。它能够自动解析番剧信息、下载最新剧集并整理成媒体库友好的格式,支持 Plex、Jellyfin 等主流媒体库软件直接识别,无需二次刮削。🎯
🚀 快速部署安装 AutoBangumi
我们推荐使用 Docker 部署 AutoBangumi,这是最简单快捷的方式。首先确保你已经安装了 Docker Engine 或 Docker Desktop。
创建数据配置文件夹
为了保证 AutoBangumi 在每次更新后数据和配置不丢失,需要创建持久化目录:
mkdir -p ${HOME}/AutoBangumi/{config,data}
cd ${HOME}/AutoBangumi
Docker 部署方式
选项1:使用 Docker CLI 部署
复制以下命令运行即可:
docker run -d \
--name=AutoBangumi \
-v ${HOME}/AutoBangumi/config:/app/config \
-v ${HOME}/AutoBangumi/data:/app/data \
-p 7892:7892 \
-e TZ=Asia/Shanghai \
-e PUID=$(id -u) \
-e PGID=$(id -g) \
-e UMASK=022 \
--network=bridge \
--dns=8.8.8.8 \
--restart unless-stopped \
ghcr.io/estrellaxd/auto_bangumi:latest
选项2:使用 Docker Compose 部署
创建 docker-compose.yml 文件并添加以下内容:
version: "3.8"
services:
AutoBangumi:
image: "ghcr.io/estrellaxd/auto_bangumi:latest"
container_name: AutoBangumi
volumes:
- ./config:/app/config
- ./data:/app/data
ports:
- "7892:7892"
network_mode: bridge
restart: unless-stopped
dns:
- 223.5.5.5
environment:
- TZ=Asia/Shanghai
- PGID=$(id -g)
- PUID=$(id -u)
- UMASK=022
运行命令启动容器:
docker compose up -d
📡 获取 RSS 订阅链接
AutoBangumi 的核心是 RSS 订阅,我们以蜜柑计划(Mikan Project)为例:
- 访问 Mikan Project 注册账号并登录
- 点击右下角的 RSS 按钮
- 复制生成的 RSS 链接
获取的 RSS 地址格式如下:
https://mikanani.me/RSS/MyBangumi?token=xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
⚙️ 配置 AutoBangumi 核心功能
安装完成后,AutoBangumi 的 WebUI 会自动运行,主程序会处于暂停状态。访问 http://abhost:7892 进行配置。
初始登录设置
- 打开网页后,默认用户名是
admin,默认密码是adminadmin - 重要:登录后请及时修改用户名和密码
下载器配置
填入你的下载器地址、端口、用户名和密码:
添加 RSS 订阅
点击右上角的添加按钮,勾选 聚合 RSS,选择解析器类型,填入 Mikan RSS 的地址。
解析器配置
在解析器设置中,选择合适的语言和解析选项:
番剧管理配置
设置番剧重命名、补全、标签等管理功能:
🎯 开始全自动追番体验
完成以上配置后,点击 Apply 保存配置。AutoBangumi 会自动重启运行,当右上角的圆点变为绿色时,表示系统已经正常运行。
现在,AutoBangumi 会自动:
- 解析聚合 RSS 获取番剧更新信息
- 自动添加番剧到下载列表
- 下载完成后自动重命名整理文件
- 生成媒体库友好的目录结构
💡 新手常见问题解答
为什么需要下载器?
AutoBangumi 本身不提供下载功能,需要配合 qBittorrent 等下载器使用。如果你还没有安装,可以参考官方文档安装 qBittorrent。
文件整理效果如何?
AutoBangumi 会自动将下载的文件整理成如下结构:
Bangumi
├── 番剧A标题
│ ├── Season 1
│ │ ├── 番剧A S01E01.mp4
│ │ ├── 番剧A S01E02.mp4
│ │ └── 番剧A S01E03.mp4
│ └── Season 2
│ ├── 番剧A S02E01.mp4
│ └── 番剧A S02E02.mp4
├── 番剧B标题
│ └── Season 1
│ └── 番剧B S01E01.mp4
如何确认配置成功?
当 AutoBangumi 右上角状态指示灯变为绿色,并且番剧列表中出现你订阅的番剧,就表示配置成功了!🎉
通过这个简单的 10 分钟配置,你就拥有了一个全自动的追番系统,从此告别手动搜索下载的烦恼!
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00





