LibreTorrent:自由开源的Android BitTorrent客户端
LibreTorrent是一款功能强大、完全免费的Android BitTorrent和WebTorrent客户端,不仅注重功能实现,更强调用户隐私和软件自由。该项目遵循开源精神,鼓励用户参与使用、查看源代码、进行修改并分享成果。
项目介绍
LibreTorrent以其全面的功能集脱颖而出,支持BitTorrent 2.0协议以及WebTorrent,让用户能够在任何时间、地点享受流畅的文件下载体验。无论您是移动设备还是平板电脑用户,甚至是Android TV用户,都能找到适合自己的界面设计。此外,黑暗主题和黑色主题的选择使您在夜间使用时更加舒适。
核心技术特性
该应用程序基于libtorrent4j,一个高效且稳定的Java实现的BitTorrent库。LibreTorrent具备以下核心技术特性:
- 支持DHT、PeX、加密连接、本地发现(LSD)、UPnP和NAT-PMP,以及µTP协议,确保高速稳定下载
- 支持IP过滤功能,兼容eMule DAT和PeerGuardian列表,增强安全性和隐私保护
- 自动下载管理器与RSS订阅,让用户可以轻松跟踪并自动下载喜欢的内容
- 支持通过HTTP/S和磁力链接添加种子
- 能够创建大型、包含多个文件的种子,方便分享
应用场景
LibreTorrent非常适合那些需要在移动设备上快速、安全地传输大文件的用户,例如程序员、设计师或多媒体爱好者。其流媒体功能使得无需等待完整下载即可观看视频或听音乐。此外,对于Android TV用户来说,LibreTorrent是一个理想的PVR工具,可配合其他应用来获取和播放网络内容。
项目特色
- 全功能支持:包含所有主流BitTorrent客户端应有的特性,如文件选择性下载、文件移动等
- 跨平台兼容:适用于不同类型的Android设备,包括手机、平板和电视
- 多语言支持:支持超过35种语言,便于全球范围内的用户体验
- 隐私优先:严格遵守GPLv3许可,尊重用户隐私,无广告,无需特殊权限
- 社区驱动:激励用户参与翻译和开发,持续改进项目
安装和使用
要使用LibreTorrent,您可以通过以下方式获取:
git clone https://gitcode.com/gh_mirrors/li/libretorrent
项目采用标准的Android开发环境,使用Gradle进行构建。开发者可以轻松地导入项目到Android Studio中进行编译和调试。
技术架构
LibreTorrent采用现代化的Android架构,包含以下核心组件:
- TorrentEngine:负责管理所有种子下载任务的核心引擎
- Repository模式:使用Room数据库进行数据持久化存储
- MVVM架构:采用ViewModel和LiveData实现数据驱动界面
- 模块化设计:将文件系统、网络、设置等功能模块化,便于维护和扩展
贡献指南
项目欢迎开发者参与贡献,具体贡献指南可参考项目中的CONTRIBUTING.md文件。贡献者需要遵循项目的编码规范,并确保所有测试用例通过。
许可证
LibreTorrent采用GNU General Public License v3 (GPLv3)许可证,确保软件的自由性和开放性。用户可以自由地使用、修改和分发软件,但必须保持相同的开源许可证。
隐私保护
项目高度重视用户隐私,不会收集任何个人身份信息。所有下载数据都存储在本地设备上,开发者无法访问用户的下载内容或个人信息。
LibreTorrent代表了Android平台上开源BitTorrent客户端的最高水准,为需要高效、安全文件传输的用户提供了优秀的解决方案。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00




