WorkerVless2sub核心功能解析:VLESS、Trojan、VMess全协议支持
WorkerVless2sub是一个基于Cloudflare Workers搭建的优选订阅生成器,它能够自动化批量替换生成优选线路的VMess、VLESS、Trojan节点订阅。这个项目为网络代理用户提供了强大而灵活的工具,让您能够轻松管理多个代理节点,并生成高质量的订阅链接。
🚀 什么是WorkerVless2sub?
WorkerVless2sub是一个创新的订阅生成器,它通过Cloudflare Workers平台运行,支持VLESS、Trojan、VMess三大主流代理协议。无论您使用哪种代理客户端,都能通过这个工具获得最优的网络体验。
🔧 核心功能详解
VLESS协议全面支持
WorkerVless2sub对VLESS协议提供了完整的支持。您可以通过简单的配置参数,快速生成VLESS节点的订阅链接:
- host:您的VLESS伪装域名
- uuid:您的VLESS客户端UUID
- path:您的VLESS路径(可选)
例如:https://您的域名/sub?host=edgetunnel-2z2.pages.dev&uuid=30e9c5c8-ed28-4cd9-b008-dc67277f8b02&path=/?ed=2560
Trojan协议无缝集成
除了VLESS,WorkerVless2sub还完美支持Trojan协议:
- host:您的Trojan伪装域名
- password:您的Trojan客户端密码
- path:您的Trojan路径(可选)
示例:https://您的域名/sub?host=hbpb.us.kg&pw=bpb-trojan&path=/tr?ed=2560
VMess协议兼容性
WorkerVless2sub同样支持VMess协议,确保您现有的VMess节点能够无缝接入系统。
⚡ 优选线路智能管理
静态线路配置
您可以通过ADD变量添加本地静态的优选线路:
icook.tw:2053#优选域名
cloudflare.cfgo.cc#优选官方线路
动态API集成
支持通过API动态获取优选IP地址:
https://raw.githubusercontent.com/cmliu/WorkerVless2sub/main/addressesapi.txt
测速结果筛选
通过ADDCSV变量集成iptest测速结果,并使用DLS参数设置最低速度要求,确保只有高质量的节点才会被包含在订阅中。
🎯 快速订阅与自定义订阅
一键快速订阅
设置TOKEN变量为auto,即可通过/auto路径访问内置节点的订阅链接。
灵活自定义订阅
支持根据不同的客户端需求生成特定格式的订阅:
- Clash格式:
?format=clash - Singbox格式:
?format=singbox
📱 多平台客户端兼容
WorkerVless2sub生成的订阅链接兼容所有主流代理客户端:
- Clash系列(Clash Verge、Clash for Windows)
- V2Ray系列(V2RayN、V2RayNG)
- Shadowrocket、Quantumult X等iOS客户端
🔒 安全特性与注意事项
项目强调公益服务性质,提醒用户不要将私人节点放入LINK变量中,以免泄露敏感信息。
💡 部署方式选择
Cloudflare Pages部署
适合需要自定义域名和更高稳定性的用户,支持绑定次级域名。
Cloudflare Workers部署
快速部署方案,适合想要立即体验的用户。
🎨 界面定制化
WorkerVless2sub提供了丰富的自定义选项:
- 网站图标(ICO变量)
- 网站LOGO(PNG变量)
- 背景图片(IMG变量)
- 订阅器名称(SUBNAME变量)
结语
WorkerVless2sub作为一个功能强大的全协议订阅生成器,为代理用户提供了前所未有的便利性和灵活性。无论您是新手还是资深用户,都能通过这个工具轻松管理您的代理节点,享受更优质的网络体验。
通过智能的优选线路管理和多协议支持,WorkerVless2sub真正做到了"一站式"订阅管理,让复杂的代理配置变得简单直观。🚀
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
