crab-hole 的安装和配置教程
项目基础介绍
crab-hole 是一个用 Rust 编写的跨平台 Pi-hole 克隆项目。它可以作为网络范围内的广告和恶意软件屏蔽工具,或者在你的个人电脑上运行。crab-hole 支持多种安全通信协议,如 DNS-over-HTTPS (DOH)、DNS-over-QUIC (DOQ) 和 DNS-over-TLS (DOT),同时为上游提供 DNSSEC 支持。此外,它还配备了隐私友好的默认日志设置。
项目使用的关键技术和框架
该项目主要使用 Rust 语言编写,利用了 hickory-dns 和 trust-dns 这两个库来实现 DNS 相关的功能。Rust 语言以其安全性和性能而闻名,是系统编程的首选语言之一。hickory-dns 和 trust-dns 是处理 DNS 查询和解析的常用框架。
项目安装和配置的准备工作
在开始安装 crab-hole 前,请确保你的系统已经安装了 Rust 编程语言环境。Rust 的安装可以通过官方的 rustup 工具来进行。
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
安装完成后,确保将 Rust 的 cargo 工具的路径添加到系统的环境变量中。
source $HOME/.cargo/env
安装步骤
1. 克隆项目
首先,需要从 GitHub 上克隆 crab-hole 项目到本地。
git clone https://github.com/LuckyTurtleDev/crab-hole.git
cd crab-hole
2. 构建项目
在项目目录中,使用 cargo 来构建项目。
cargo install crab-hole --locked
确保 ~/.cargo/bin 路径已经添加到系统的 PATH 环境变量中,这样你就可以在命令行中直接运行 crab-hole 命令。
3. 配置项目
在项目目录中,应该有一个名为 config.toml 的配置文件。你需要根据实际情况修改此文件中的设置。以下是一个基本的配置示例:
[blocklist]
include_subdomains = true
lists = [
"https://raw.githubusercontent.com/StevenBlack/hosts/master/alternates/fakenews-gambling-porn/hosts",
"https://s3.amazonaws.com/lists.disconnect.me/simple_tracking.txt",
"file:///blocked.txt"
]
[allow_list]
lists = [
"file:///allowed.txt"
]
[api]
port = 8080
listen = "127.0.0.1"
show_doc = true
[downstream]
protocol = "udp"
listen = "localhost"
port = 8080
[downstream]
protocol = "udp"
listen = "::"
port = 8053
[downstream.tls]
listen = "::"
port = 8054
certificate = "dns.example.com.crt"
key = "dns.example.com.key"
[downstream.quic]
listen = "127.0.0.1"
port = 8055
certificate = "dns.example.com.crt"
key = "dns.example.com.key"
dns_hostname = "dns.example.com"
请注意,你需要用自己的证书和密钥替换 certificate 和 key 字段的值。
4. 运行项目
配置完成后,你可以在命令行中直接运行以下命令来启动 crab-hole 服务。
crab-hole
如果需要检查配置文件的语法是否正确,可以使用以下命令来进行验证。
crab-hole validate-config
如果配置文件中没有语法错误,服务将会启动,并且你可以在浏览器中访问配置的 API 端口(例如 http://127.0.0.1:8080)来查看服务的状态和统计信息。
以上就是 crab-hole 的安装和配置指南,希望对初学者有所帮助。
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