新闻详情

新闻详情

首页 / 资讯中心 / 详情

Jackett:聚合上百个种子站搜索,3 分钟部署上手

发布时间:2026/11/11 13:21:09来源:尧图网络
Jackett:聚合上百个种子站搜索,3 分钟部署上手
Jackett聚合上百个种子站搜索3 分钟部署上手Jackett 是一款开源的种子搜索代理服务器把上百个种子的搜索接口统一成标准 API让你的下载管理工具直接调用。新手跟着下面几步几分钟就能跑起来。你受够了在十个搜索框之间来回切换吗每个种子站的搜索入口不同、返回格式各异手动一个个翻结果太累。更麻烦的是Sonarr、Radarr 这类下载管理工具根本不认识这些网站没法直接接入。Jackett 就是架在中间的中间人工具发一个统一请求它拆成各站点自己的查询去执行再把所有结果按同一份格式打包返回。公共站、半私有站、私人站它都支持支持列表很长仓库里现成就有。Jackett 3 步快速上手获取源码执行git clone https://gitcode.com/GitHub_Trending/ja/Jackett启动服务Linux/macOS 运行jackett_launcher.shWindows 双击jackett_launcher.bat浏览器打开http://localhost:9117点 Add indexer 挑一个站点启用就能开始搜了它是靠什么让上百个站点「说同一种话」的可以把它拆成三层来理解。第一层是接口适配层像餐厅门口的领位员你只说「我要电影」领位员负责跑进每个后厨用各后厨听得懂的话下单。每个站点在仓库里都有一份 YAML「点单手册」放在 Definitions 目录加新站点就是添一份手册不用动主程序。第二层是数据处理层像出餐前的质检台各后厨端回来的菜统一称重、分类、装盘。不同站点返回的大小、类别、磁力链接字段在这里被整理成一致的结构。第三层是 API 服务层像统一的取票柜台Sonarr、Radarr 等工具都到这个柜台取票。票面格式Torznab、TorrentPotato固定不变工具端一次配置就通用。三个真实用法每个都能省下小时级时间追剧党配合 Sonarr剧集更新后 Sonarr 通过 Jackett 发请求各站点被并行查询最新一季自动挑出来交给下载器。你负责看它负责追更。电影库爱好者接 Radarr配好几个影视站点后新片上线就自动检索下载入库片单自己长。偶尔手动找资源时用管理页里的 Manual Search一次搜索同时查所有已启用站点结果表格里标着来自哪个站、大小、做种数直接挑。多站点聚合的种子搜索结果常见踩坑点与进阶设置 定期在索引器列表页点 Test All各站点连通状态一眼看清坏了早点修。 缓存默认开启默认 2100 秒短时间别重复刷同一搜索免得触发站点风控。 把 Server port 从 9117 改成非常用端口减少被扫描器盯上的概率。 部分地区访问站点需要代理在 Proxy type 里配置 SOCKS 等类型详见 README.md。 私人站点的账号密码会存在本地配置里数据目录记得备份并控制访问权限。服务器设置面板端口与代理可在此调整配好一个 Jackett你收藏的所有种子站就等于合成了一个可搜索的入口。今晚就把它跑起来明早的追更自由它帮你盯着。创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/10 4:49:37

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/11 9:31:44

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/11 5:36:08

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/10 15:15:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉