终极zoffline使用指南:免费离线畅玩Zwift虚拟骑行
zoffline是一款强大的开源工具,让您无需订阅即可离线运行知名骑行应用Zwift。通过模拟Zwift服务器环境,zoffline离线骑行功能让骑行爱好者能够在个人设备上享受虚拟骑行体验,完全摆脱网络依赖和订阅限制。本文详细介绍Zwift离线模式的完整配置步骤和使用技巧。
📌 zoffline核心功能亮点
1. 完全离线运行
无需联网即可启动Zwift客户端,所有游戏数据本地存储,保护隐私的同时避免网络波动影响。
2. 跨平台支持
兼容Windows、macOS和Linux系统,满足不同用户的设备需求。
3. 简单配置流程
通过自动化脚本和清晰步骤,即使是非技术用户也能快速完成设置。
🔧 快速安装步骤
1. 获取项目源码
git clone https://gitcode.com/gh_mirrors/zw/zwift-offline
cd zwift-offline
2. 配置运行环境
根据操作系统选择对应方式:
Docker方式(推荐)
docker-compose up -d
本地运行方式
pip install -r requirements.txt
python standalone.py
⚙️ 客户端设置指南
1. 修改 hosts 文件
将Zwift域名指向本地服务器:
127.0.0.1 secure.zwift.com
127.0.0.1 launch.zwift.com
2. 导入SSL证书
证书文件路径:ssl/cert-zwift-com.pem
- Windows:双击安装证书到"受信任的根证书颁发机构"
- macOS:添加到钥匙串并设置信任
- Linux:根据浏览器/系统要求导入
3. 启动Zwift客户端
确保本地服务器已运行,正常登录即可进入离线模式。
🚴♂️ Windows一键配置步骤
使用项目提供的scripts/launch.bat脚本可以简化配置过程:
- 右键以管理员身份运行launch.bat
- 脚本自动配置hosts文件和SSL证书
- 启动zoffline服务器
- 正常打开Zwift客户端即可
📊 数据管理技巧
所有骑行数据默认存储在data/目录下,包含:
- 爬坡数据:climbs.txt
- 经济配置:economy_config.txt
- 成就数据:entitlements.txt
- 事件配置:events.txt
定期备份该文件夹即可保留所有骑行记录和设置。
❓ 常见问题解决
安全软件误报怎么办?
将项目目录添加到杀毒软件白名单,或暂时禁用实时保护。所有文件均来自开源仓库,确保安全可靠。
支持多用户使用吗?
是的,通过创建multiplayer.txt文件在storage目录即可启用多用户支持。
如何更新zoffline?
定期通过git pull更新项目以获取最新功能和修复,确保与最新版Zwift客户端兼容。
🛠️ 高级功能探索
幽灵骑行功能
启用"Enable ghosts"选项后,系统会自动保存您的骑行记录作为幽灵车手,下次骑行相同路线时可与自己的记录竞赛。
机器人陪骑
创建enable_bots.txt文件可以加载幽灵作为陪骑机器人,增加骑行的趣味性和挑战性。
活动上传支持
zoffline支持将骑行活动上传到Strava、Garmin Connect和Intervals.icu,只需配置相应的API密钥即可。
📝 使用注意事项
- 本项目仅用于个人学习和测试,请勿用于商业用途
- 遇到问题可查看项目README.md或提交issue获取帮助
- 不要将zoffline暴露到公网,它仅为本地使用设计
通过zoffline,您可以随时随地享受Zwift的虚拟骑行乐趣,无需担心网络状况或订阅费用。立即尝试,开启您的离线骑行之旅吧!
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
