LiteLoaderQQNT 项目适配 QQNT 9.9.15 版本的解决方案
2025-06-01 05:09:47作者:董宙帆
背景介绍
LiteLoaderQQNT 是一个为 QQNT 客户端设计的插件加载框架,它允许用户在 QQNT 上安装各种插件来扩展功能。然而,随着 QQNT 9.9.15 版本的更新,原有的 LiteLoaderQQNT 安装方式不再适用,因为腾讯移除了关键的 index.js 文件并修改了文件结构。
问题分析
在 QQNT 9.9.15-28060 及后续版本中,腾讯进行了以下重要变更:
- 移除了 resources/app/app_launcher 目录下的 index.js 文件
- 将相关文件转移到了 versions/版本号/resources/app/app_launcher 目录下
- 修改了文件加载机制,导致原有的 LiteLoaderQQNT 安装方式失效
这些变更使得 LiteLoaderQQNT 无法通过传统的修改 index.js 文件的方式来加载插件框架。
解决方案
经过 LiteLoaderQQNT 开发团队的更新,目前已经提供了针对新版 QQNT 的适配方案。以下是详细的安装步骤:
准备工作
- 下载最新版的 LiteLoaderQQNT 项目源码(版本号不低于 73097c1)
- 将源码解压到任意位置,并记住 LiteLoaderQQNT 的完整路径
安装步骤
-
创建加载文件
- 进入 QQNT 安装目录下的 resources/app/app_launcher 文件夹
- 新建一个任意名称的 .js 文件(例如 llqqnt.js)
- 在该文件中写入以下内容:
require(String.raw`你的LiteLoaderQQNT完整路径`);
-
修改 package.json
- 打开 resources/app/package.json 文件
- 找到 "main" 字段
- 将其值修改为 "./app_launcher/你刚才创建的文件名.js"
-
部署 preload.js
- 检查 resources/app 目录下是否存在 versions 文件夹
- 如果存在:
- 进入 versions/当前版本号/ 目录
- 创建 application 文件夹(如果不存在)
- 将 LiteLoaderQQNT/src/preload.js 复制到 application 目录下
- 如果不存在:
- 直接在 resources/app 目录下创建 application 文件夹
- 将 LiteLoaderQQNT/src/preload.js 复制到该目录下
- 如果存在:
- 检查 resources/app 目录下是否存在 versions 文件夹
-
文件权限设置
- 确保 QQNT 安装目录有读写权限
- 在 Linux 系统上,可能需要将 package.json 文件权限改为 646
注意事项
- 对于 Windows 用户,可能需要使用 QQNTFileVerifyPatch 工具绕过文件验证
- 对于 Linux 用户(特别是 Flatpak 安装方式),需要额外配置容器文件系统映射
- 如果遇到启动问题,可以尝试在终端中直接运行 QQ 可执行文件查看错误信息
技术原理
新版解决方案通过以下方式实现插件加载:
- 通过自定义的 .js 文件作为入口点,加载 LiteLoaderQQNT 核心
- 修改 package.json 的 main 字段指向我们的自定义加载器
- 预加载 preload.js 来实现插件系统的初始化
- 完全避开了对原版 index.js 文件的依赖
常见问题处理
-
启动无反应
- 检查文件权限是否正确
- 确认路径书写是否正确(特别注意反斜杠/正斜杠)
- 尝试在终端中运行查看错误输出
-
插件不生效
- 检查 preload.js 是否放置在了正确位置
- 确认 LiteLoaderQQNT 版本是否为最新
- 查看 QQNT 控制台是否有错误输出
-
文件被自动恢复
- 确保使用了文件验证绕过工具
- 检查是否有杀毒软件干扰
- 考虑将文件设置为只读属性
结语
随着 QQNT 客户端的不断更新,LiteLoaderQQNT 项目也在持续适配和改进。本文介绍的方法是目前针对 QQNT 9.9.15 及以上版本的有效解决方案。用户在使用过程中如遇到问题,可以参考常见问题处理部分,或者关注项目的后续更新。
建议用户在安装前备份重要数据,并确保理解每一步操作的含义,这样可以更好地解决问题并享受 LiteLoaderQQNT 带来的丰富功能扩展。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0576
MiniMax-H3MiniMax H3 是一个通用的全模态生成系统。它支持对由文本、图像、视频和音频组成的多模态上下文进行统一理解,并能生成分辨率高达 2K、时长可达 15 秒的带原生立体声音频的视频。得益于面向任务泛化的系统设计,H3 在预训练阶段就已具备广泛的多模态上下文理解与生成能力,能够出色地执行复杂的多模态指令。Python00
DataFlow基于大模型算子和工作流的高效文本大模型训练数据合成框架Python07
doraDORA (Dataflow-Oriented Robotic Architecture 面向数据流的机器人架构) 是为 AI 与具身智能机器人打造的高性能开发框架,以数据流范式重构开发逻辑,原生支持分布式部署与端边云协同 —— 无需复杂适配,即可实现一体端到端具身大小脑、VLA等模型部署,无缝衔接感知、推理、控制全链路,让 AI 能力与机器人动作深度融合。 依托 Rust 内核与零拷贝通信技术,它将具身大小脑、VLA等模型推理、多模态数据融合延迟压缩至微秒级,同时兼容 ROS2 生态与国产 AI 芯片,彻底降低具身智能机器人的开发门槛,让分布式部署下的 AI 赋能创新更高效、更灵活。Rust02
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
py-xiaozhi基于Python的Xiaozhi AI,适用于想要完整Xiaozhi体验而无需拥有专用硬件的用户。Python01
项目优选
收起
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
509
550
暂无描述
Markdown
852
5.68 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.04 K
2.48 K
deepin linux kernel
C
33
16
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
838
1.27 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
844
1.69 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.16 K
856
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.25 K
1.37 K
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
502
345
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
783
410