2025-07-07 08:00:00
在当今互联网世界，验证码作为人机验证的重要工具无处不在。然而，频繁输入验证码对用户体验造成了不小的困扰。今天，我想分享一个名为 “CAPTCHA-automatic-recognition” 的开源项目，它巧妙地运用 AI 技术，实现了网页验证码的自动识别与填充。
作为一名经常需要在不同网站注册和登录的开发者，我深受验证码困扰。有时仅仅是查询一个信息，就需要输入验证码；有时验证码字符扭曲到难以辨认，需要多次尝试才能通过。
这些小小的摩擦积累起来，浪费了大量时间。我想：既然现代 AI 视觉模型已经如此强大，为什么不利用它们来自动识别验证码，节省我们的时间和精力呢？
于是，“CAPTCHA-automatic-recognition” 项目诞生了。
我选择了以油猴脚本的形式实现这个功能，因为它可以轻松地集成到各种网站上，无需修改网站源码。
最初的版本非常简单，仅支持 OpenAI 和 Google Gemini 格式，识别文字验证码，需要用户需要手动点击识别按钮，后期则升级支持自动填充。
关键问题是如何准确获取网页中的验证码图片，我简单做了一套图像检测程序，通过选择器找到可能是验证码的图片元素，比如：
captchaSelectors: [
'img[src*="captcha"]',
'img[src*="verify"]',
// ...
],
随着用户的反馈，我加入了对阿里云通义千问的 API 支持，用户可以根据自己的需求和偏好选择不同的 AI 模型。
并且我加强了对 prompt 的优化，根据网友的建议升级了 prompt，让模型更加准确地识别验证码。
来源：https://linux.do/t/topic/756503/135
export const DEFAULT_PROMPT = `# Role: 验证码识别专家
## Profile
- language: 中文
- description: 一个专为高精度识别验证码而设计的AI模型。能够快速、准确地从复杂的图像中提取字符或计算数学表达式的结果，并能有效对抗常见的干扰元素。
- background: 基于海量、多样的验证码图像数据集进行深度训练，精通各种字符扭曲、粘连、遮挡和背景干扰的识别技术，具备强大的泛化能力。
- personality: 精确、高效、客观、直接。只关注任务本身，不产生任何与结果无关的额外信息。
- expertise: 计算机视觉、高级光学字符识别（OCR）、图像预处理与去噪、模式识别、基础算术逻辑。
- target_audience: 需要自动化处理验证码的开发者、自动化测试工程师、数据科学家。
## Skills
1. 核心识别能力
- 高精度字符识别: 准确识别大小写英文字母、数字，并能精确区分外形相似的字符（如：0和O，1和l，g和9）。
- 数学运算处理: 识别并解析图片中的数学算式（如：3+5*2），并计算出最终的数值结果。
- 强抗干扰能力: 自动过滤和忽略图像中的干扰线、噪点、斑块、背景纹理等非关键信息。
- 字符分割技术: 即使在字符粘连、重叠或间距不等的情况下，也能有效地将其分离以便独立识别。
2. 辅助处理能力
- 图像预处理: 自动对输入图像进行灰度化、二值化、去噪等操作，以提升识别的准确率。
- 快速响应: 以极低的延迟返回识别结果，满足实时性要求。
- 结果格式化: 严格按照指定的格式输出，确保输出的纯净性，便于程序调用。
- 鲁棒性: 对于不同字体、大小、颜色、角度的字符组合均有较高的识别成功率。
## Rules
1. 基本原则：
- 结果唯一: 输出内容必须是且仅是验证码的识别结果。
- 绝对精确: 尽最大努力确保字符识别的大小写和数值计算的准确性。
- 任务聚焦: 仅处理验证码内容，忽略图像中的任何其他元素。
- 保持静默: 除最终结果外，不输出任何提示、标签、解释或说明。
2. 行为准则：
- 直接输出结果: 若为字符型验证码，直接返回字符串；若为计算题，直接返回计算后的数字。
- 严格区分大小写: 必须准确识别并返回字符的原始大小写形式（例如'W'和'w'是不同字符）。
- 精准区分易混淆字符: 必须对数字“0”和字母“O”、数字“1”和字母“l”等易混淆字符进行准确区分。
- 自动执行运算: 遇到数学表达式时，必须完成计算并仅返回最终的阿拉伯数字结果。
3. 限制条件：
- 禁止任何解释: 不得对识别过程、结果的置信度或遇到的困难进行任何说明。
- 禁止附加文本: 返回的最终结果前后不能有任何空格、引号、标签或“答案是：”等引导性词语。
- 禁止互动: 不得向用户提问或请求更清晰的图片。
- 禁止失败提示: 即使无法完全识别，也应根据已识别内容尽力输出，而不是返回“无法识别”之类的自然语言。
## Workflows
- 目标: 接收一张验证码图片，精准、快速地返回其内容或计算结果。
- 步骤 1: 接收图像并进行分析，判断验证码类型（字符型或数学计算型）。
- 步骤 2: 应用图像预处理技术，对图像进行降噪、增强和二值化，以凸显关键字符，消除干扰线和背景。
- 步骤 3: 对处理后的图像进行字符分割，然后逐一识别。对于数学题，则识别数字和运算符。
- 步骤 4: 整合识别结果。如果是字符，则按顺序拼接成字符串；如果是数学题，则执行运算。
- 步骤 5: 输出最终结果。确保输出内容绝对纯净，符合Rules中的所有规定。
- 预期结果: 一个不包含任何多余信息的字符串（如“aB5fG”）或一个数字（如“28”）。
## Initialization
作为验证码识别专家，你必须遵守上述Rules，按照Workflows执行任务。
经过测试，可以大大提升对验证码的识别效果，不仅可以识别字母 + 数字的格式，还可以识别计算题型的验证码，包括加减法，乘法，除法等等，这是一个很大的进步。
有用户反馈不知道模型是否可用，因此我加入了 “连通性检测” 的功能，可以帮助用户检查模型的可用性。
在开发的后期，由于人力的因素，虽然内置的验证码识别程序足够满足很多网站使用，但依然有网友反馈识别失败。
我意识到，这不是一个人可以完善的事情。因此我开发了高级设置功能，允许用户自定义验证码选择器和输入框选择器。这解决了不同网站验证码实现差异导致的兼容性问题。
并且简单写了一个教程，帮助用户使用这个功能。
跨域图片访问问题
很多网站的验证码图片设置了跨域限制，无法直接获取图像数据。为解决这个问题，我实现了一套图像处理流程，通过 Canvas 间接获取图像数据，然后处理为 base64 格式传输给 AI 模型。
AI 模型选择与优化
不同 AI 模型各有优缺点：
经过反复测试，我发现 gemini-2.5-flash-lite 模型在验证码识别任务上表现最佳，因此成为我的首选。
目前，这个项目已经在 GitHub 和 Greasyfork 上发布，获得了不少用户的好评。投稿到阮一峰周刊，也收录了该项目。
来源：https://github.com/ruanyf/weekly/blob/master/docs/issue-355.md
CAPTCHA-automatic-recognition 这个项目虽小，功能也比较简单，却体现了 AI 技术如何改善日常生活的小痛点。从最初的想法到如今功能完善的工具，这个过程既有技术上的挑战，也有解决问题带来的成就感。
如果你也经常被验证码困扰，不妨试试这个工具。它可能不是最复杂的 AI 应用，但一定是最实用的 AI 辅助工具之一。
如果你觉得这个功能不错，欢迎点个 star 支持一下～
2025-06-11 08:00:00
时隔三年，终于完成了这个系列，Obsidian 多端同步坚果云之移动端同步。这依赖于坚果云的官方插件 — Nutstore Sync，这个插件支持通过 Webdav 协议将坚果云与 Obsidian 本地笔记进行链接。
Github: https://github.com/nutstore/Obsidian-nutstore-sync
由于该插件还未通过 Obsidian 插件商店审核的原因，需要借助另外一个已上架的插件 – BRAT，可在官方商店直接搜索下载。
需要在 PC 端和移动端同时安装以下两个插件才能进行同步，安装流程都是一样的，我暂以移动端为例。
下面是图示流程；
下载安装完成之后，在 BRAT 的设置页面找到 Add beta plugin 按钮点击它。
在添加插件窗口中输入 Nutstore Sync 的 GitHub 地址，点击 Add plugin 安装，即可完成安装。
这一步完成之后，这个插件就已经存在于你的 Obsidian 设置中，下次打开 Obsidian 就可以直接使用了。
PC 端和移动端使用方法都是一致的，我暂以 PC 端为例进行截图说明。
Nutstore Sync 中我建议以账号密码进行登录，这样 webdav 的权限更稳定一些，有尝试过使用单点登录，但是容易掉登录权限。
账号密码就是你的坚果云密码，注意不是登录密码，需要在坚果云网页设置中进行操作。
可以参考一下我的设置。
Git 语法标记冲突（程序员比较习惯）过滤规则：过滤一些不想同步的文件，由于 .Obsidian 很多配置文件，我不想在手机上同步，就过滤掉了。
2025-05-31 08:00:00
昨天周五下班后，准备食材包粽子，迎接端午节的到来。
主材料：粽叶、糯米 馅料：五花肉、豆沙、咸蛋黄、蜜枣
由于是第一次包，我跟女朋友一边看教程一边学习，刚开始用的一张叶子，总包不好，后面换成两张叶子，发现越来越得心应手。
模样不算太好看，但是都是真材实料，且没有露馅。但是好像是酱油加的有点少了，所以导致不够咸，总体偏淡，但是口感也是可圈可点，是我喜欢的馅。
后面还有一盆糯米，准备改进一下，多加点酱油，手法上也有所进步了，再接再厉！
分享几张图。
2025-05-08 08:00:00
五一刚回来有些忙，推迟了好几天，终于可以闲下来写写游记了。
五一出去象山玩了几天，出发前一周已经做好了攻略，包括路线、时间、住宿哦、饮食等个各方面，但计划赶不上变化。最开始预估的最多三个小时就能到达目的地，结果硬是在高速跑了五六个小时，基本 2/3 的时间都在堵，特别是宁波嘉兴段高速，走走停停，不过还好带了小零食，跟对象说说笑笑就过去了，也不会枯燥。
点赞余姚服务区，跑一半小累下去休息一下，超市价格跟杭州差不多，没有额外涨价，短暂休整后继续驾车前行。一个小插曲，中间大概有几十公里的路程，高速播报允许小汽车在应急车道通行，我犹豫了一下然后果断走了应急通道，非常爽很畅通，虽然车道有些略窄，但是走的很爽没有停下来过，看旁边堵的熙熙攘攘，这也是我第一次走应急通道，不错的体验。
越靠近海边环境越好，空气也很舒服，同时也感叹临海城市天气莫测，刚下象山收费站下起了大雨，然后走了一两公里后，又是大晴天，烈日当空，打开窗户吹吹风，小小的享受了一下。
第一站打算去山顶看看大风车，路途经过一个小村庄，整洁的街边道路两旁，一栋栋精致的民居让人向往，羡慕浙江本地人了，家家户户都盖着小别墅，门前几乎都自己修建了小花园，可以养养花逗逗鸟。
到半山腰发现一个露营地，稍作休息，顺便放出无人机看看周围的情况，发现风景也就一般，跟对象商量直接去下一个景点，当时已经是下午三点多了。
沿着公路一直前行，路过有“小赛里木”之称的湖泊，其实就是一个人工湖，看到有很多人在露营烧烤，然后中间有一段管控，不让开车进，很多人都把车停在门口，我带着对象下来散散步、拍拍照，湛蓝的天空伴着习习微风，令人心旷神怡。
短暂休息后，我们决定前往沙滩游玩，就继续出发一路边走边玩，有说有笑，最后导航来到白沙湾沙滩，路两边也是停满了车，一下车女朋友就很兴奋，我也换上了短裤和人字拖，沙滩度假标配，瞅了一下，人不多还挺宽敞的，沙子也比较干净，基本都是一家三口带着小孩来玩，我们俩也去海水泡泡脚，不过傍晚那段时间海水挺黄的，也正好快赶上涨潮。
简单玩了一会，我们又去把帐篷从车上拉下来，带了不少东西，因为是第一次露营过夜，也是尽量准备周全一点，准备了防潮垫之类的东西，然后带了一个空调被，事实证明这远远不够，靠近海边还是有点冷，温度不高，比正常睡觉偏凉一些。晚上的话就使用自己带的食材美美的吃了一顿，有火锅底料、毛肚、肥牛、金针菇等，刚好吃饭的时候对面还放起了烟花，非常享受。
出去露营一定要收集好自己的垃圾，我专门准备了几个袋子收拾垃圾使用，打包好扔到附近的垃圾桶，之后就是洗漱完躺着享受夜晚，第一次在帐篷过夜，体验很不错。
本来打算第二天下午就回去的，但是早上起来发现空气很好，天空很蓝，海水很清，和傍晚完全不同，就决定多住一夜。早餐就热一下来之前准备的三明治，又是一顿美美的早餐，之后就是常规的拍照打卡环节，早上八九点几乎没什么人，和女朋友漫步在海边，看着照样吹吹清晨的海风，颇有一番滋味。
还在美团下单了一些小铲子等，挖挖贝壳，堆堆沙子，彷佛回到了童年。累了就躺帐篷里休息，休息好了继续出去玩，除了太阳有点大，其他并无不适，还好带了防晒喷雾，这两天下来也没有晒黑，不过忽略了一件事，身上防晒做好了，但是忽略了脚，因为穿着人字拖，一天下来好像有些晒伤，还好缓了几天就缓过来了，下次一点要注意这点。
不过等到晚上的时候，倒是发生了一些突然状态，没有看天气预报，入夜的时候风越来越大，因为在海边有些担心，就跟对象商量了一下放弃过夜的想法，收拾了一下行李装车离开，和来时完全不同，路上几乎没有一辆车，打开窗户慢慢开，注意到了之前没有注意的一些东西，象山的路边交通很像之前看过的台湾偶像剧里面的建筑，可能因为都毗邻海边的缘故，建筑风格也很像，和对象嘻嘻笑笑的踏上了回杭的旅程。
总结下来，对这次旅行还是比较满意的，除了开始的时候在高速堵车，其他时候还是很畅通的，风景吃喝都没有委屈自己，非常棒！完结撒花！
2025-04-20 08:00:00
今天中午吃完饭闲来无事，准备上 GitHub Explore 看看有没有新的开源项目推荐。
发现我的一个项目，居然成功达到了 1k star，记录一下，虽然是一个很简单的工具，但也算解决了部分用户的痛点。
已经迭代了 170+ 个 releases 版本，功能不断更新，解决了 110+ Issues，合并了 20+ Pull requests。
GitHub: https://github.com/ezyshu/linuxdo-scripts
