DandelionSprout/adfilt项目中图片占位符服务导致的缩略图加载问题分析
在DandelionSprout/adfilt项目的NorwegianList过滤规则中,发现了一个影响网站缩略图加载的技术问题。该问题主要涉及图片占位符服务via.placeholder.com的过滤规则,导致部分网站如Buenos Aires Times的缩略图无法正常显示。
问题现象
当用户访问Buenos Aires Times网站时,位于视口外的文章缩略图无法加载。经过技术分析,发现问题源于过滤规则中对via.placeholder.com域名的屏蔽。该域名是一个广泛使用的图片占位服务,许多网站会使用它作为图片加载前的临时占位。
技术背景
图片占位服务在现代网页开发中被广泛使用,主要用于:
- 在真实图片加载完成前提供占位图
- 保持页面布局稳定
- 实现懒加载效果
via.placeholder.com是这类服务中较为知名的一个,它允许开发者通过URL参数快速生成各种尺寸和样式的占位图片。然而,由于这类服务也可能被用于广告或跟踪目的,它们经常被纳入广告过滤规则中。
问题根源
在NorwegianList过滤规则中,存在一条针对via.placeholder.com的屏蔽规则。这条规则最初是为了解决某些北欧网站的问题而添加的,但随着时间的推移,原始引用网站已经不存在,而该规则却影响了其他正常使用该服务的网站。
解决方案分析
技术团队提出了几种可能的解决方案:
-
完全移除该过滤规则:考虑到原始引用网站已不存在,且该服务被许多正常网站使用,这是最彻底的解决方案。
-
添加例外规则:为特定网站如Buenos Aires Times添加例外,允许其使用该服务。
-
修改规则行为:将屏蔽改为重定向到1x1像素的透明GIF,这样既实现了过滤目的,又不会破坏页面布局。
经过综合评估,项目维护者决定采用第一种方案,即完全移除该过滤规则。这是因为:
- 原始引用网站已不存在
- 该服务在北欧网站中的使用情况已大幅减少
- 完全移除可以避免未来出现类似问题
技术影响
这一变更将影响所有使用NorwegianList过滤规则的用户。对于使用uBlock Origin等广告过滤工具的用户,变更将很快生效;对于使用其他广告过滤工具的用户,可能会有约7小时的同步延迟。
最佳实践建议
对于网站开发者,建议:
- 考虑使用自托管的占位方案
- 实现渐进式图片加载策略
- 对关键图片资源使用预加载
对于过滤规则维护者,建议:
- 定期审查和更新过滤规则
- 对广泛使用的公共服务采取更谨慎的过滤策略
- 建立更完善的规则评估机制
这个问题展示了广告过滤与网站功能之间的微妙平衡,提醒我们在追求隐私保护和无广告体验的同时,也需要确保不影响正常网站功能的完整性。
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
HunyuanVideo-1.5暂无简介00
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-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
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