先釐清:為什麼不是「和 ChatGPT 一樣套規則就好」?
很多讀者已經照過本站的ChatGPT/OpenAI 分流,覺得 AI 產品只要幫兩三個主機名稱上代理就結束。相對地,本機大模型代表你把推理放在自己的機器上,但權重與中繼檔往往不從單一入口一路到底:你可能先經由 Ollama 的庫中繼、再打到 huggingface.co 的 repo 與大檔下載、又碰到不同的儲存與分流網域。只要其中一段誤走直連、或走了延遲很高的出口,模型下載 就表現成「斷一截、重試、又斷一截」──表面像逾時,實則是多條管線沒有一起命中同一個好路徑。這就是為什麼本文刻意與單一網頁入口類題材區隔:我們要處理的是「下載管線的網域與路徑拆分」,不是只把瀏覽器網址列那一格打通。
另一個常見誤解,是把所有 HTTPS 都丟到同一個 PROXY 就安心。實務上,長連線、大檔、斷點續傳與不同 CDN 邊節的組合,會讓「能連上、但下不完」的狀況在終端裡變成更刺眼的 拉模型 失敗。你要的是可預測的出口一致性,而不是讓每個子請求自行碰撞不同的路由決策。接下來,我們用「在連線日誌裡到底出現了哪些主機名稱」作為出發點,把Clash 分流寫在可觀測的證據上。
Ollama 與 Hugging Face 在流量形態上長什麼樣子?
在動手改設定檔前,建議你先在用戶端或核心的連線日誌中看一次實況。不同版本與不同模型來源,主機名稱會變,但大類上通常可以分到四種,方便用規則「分車道」。
第一類是 庫/中繼:Ollama 在挑選、解析與拉取內建庫名稱時,連線常會出現 registry.ollama.ai 之類的註冊庫主機。它負責中繼條目、版本與快取導向,體積可能不如單一權重檔大,卻是「一開始就失敗」時最常出現的域名之一。第二類是 模型內容與頁面,集中在 huggingface.co 及相關子網域;瀏覽器、CLI 與 git 拉取、以及部分工具鏈,可能各自命中不同的路徑。第三類是 大型物件與分片下載:Hugging Face 的 LFS 與靜態分流常落在另外的主機上(名稱會隨產品演進變化),若你只為根網域寫了規則、卻讓實際下載在別名上直連,就會變成「目錄看得到、實體下不動」。第四類是自選鏡像或地區性端點:社群或內部架設的 鏡像 可能使用與官網完全不同的後綴;一旦你把其中幾台節點寫在環境變數、設定檔或 hosts 裡,卻沒有在 Clash 裡用等價的規則覆蓋,就會產生「同一個模型名稱、兩台機器走兩條路」的靈異現象。
讀到這裡,你可以先記一個實務原則:不要從教學文硬抄一張「聲稱包山包海」的 DOMAIN 表,而是從你設備上實際觀測到的主機名稱,逐步收斂。長期要維護時,可搭配本站Rule Providers 教學,把「產品相關清單」和「基礎網路設定」拆成兩個更新週期,減少一次大改版整份打結。
策略組設計:幫庫、檔案與鏡像各取一個有語意的名字
我們建議在 proxy-groups 裡新增語意明確的組名,例如 OLLAMA-LIB 對應註冊庫、HF-CORE 對應 Hugging Face 公網主域、HF-ARTIFACTS 對應 LFS 或下載專用主機、HF-MIRROR 則專放你實際啟用的鏡像。這樣在日誌中一眼能對上「為什麼走這邊」;除錯時也毋須在腦內轉譯 PROXY 第幾格。
在型態上,select 適合你要手動固定一條高頻寬、適合大檔的節點,並在夜間測下載;url-test 或 fallback 則能處理「臨時掛點就換一條」的場景。要提醒的是:低延遲節點未必適合大檔下載,有時寧可固定一顆可承受長連的節點,也不要讓續傳不斷因為測速切換而重來。下例僅示範骨架,實際鍵名、核心能力與你訂閱的後端類型請以用戶端與核心文件為準;YAML 內註解一律使用英文,方便你貼上後再依環境補滿。
proxy-groups:
- name: OLLAMA-LIB
type: select
proxies:
- NODE-BULK-A
- NODE-BULK-B
- DIRECT
- name: HF-CORE
type: select
proxies:
- NODE-BULK-A
- DIRECT
- name: HF-ARTIFACTS
type: select
proxies:
- NODE-BULK-B
- DIRECT
rules:
- DOMAIN-SUFFIX,registry.ollama.ai,OLLAMA-LIB
- DOMAIN-SUFFIX,huggingface.co,HF-CORE
- DOMAIN-SUFFIX,hf.co,HF-CORE
- DOMAIN-SUFFIX,cdn-lfs.huggingface.co,HF-ARTIFACTS
上表刻意把大檔與一般頁面拆開兩條,不是為了炫技,而是因為在不少網路環境裡,同一個雲邊的 TCP 行為對幾十 KB 的 JSON 和幾 GB 的 blob 天差地遠。你如果把兩者硬塞到同一條寬泛規則,診斷時會變成「有時能拉、有時全紅」的假隨機。實作上,請以日誌中實際出現的主機名稱去補齊,而不是只相信任何一篇部落格的固定清單。
規則優先序:從觀測到固定,先避免被寬泛規則攔走
Clash 系列核心的規則是由上而下命中即停。Ollama 與 Hugging Face 最容易踩雷的情況,是前面某條地區 GEOIP、DOMAIN-SUFFIX,cn、或第三方大包規則,先把部分主機名稱判成 DIRECT,而剛好那條直連在你所在網路非常慢。於是下載行為在斷斷續續的直連與偶發的代理之間擺盪,使用者端就看到看似網路不穩的 逾時。解法仍是老話:把產品相關的精確 DOMAIN/DOMAIN-SUFFIX 放在夠前段、卻不會壓過你對本機與乙太區網的直連的位置。若你使用 RULE-SET,也請確認 behavior 與內容格式和核心版本一致,避免出現「載入成功、匹配怪異」的狀況。延伸可複習 自訂路由入門,裡面對 DOMAIN-KEYWORD 與後綴涵蓋範圍的討論,同樣適用於庫主機與內容主機的取捨。
另一件小事是 www 與非 www、或跳轉到 hf.co 短域名的歷程:若你只在規則裡寫了其中一種,另一種卻在後段才命中,就會產生「看起來同一個下載、其實兩次決策不同」的現象。遇到時,請以日誌實測到的那串主機名稱成對補齊,比抄別人的大表可靠。
DNS 與策略一致性:斷在解析還是斷在傳輸?
和本站其他 AI 產品分流文相同,DNS 解析若與實際連線所依賴的決策鏈不一致,就會讓你「規則寫了、卻沒有命中在對的 IP 形態上」。在 fake-ip 與紅/透明代理的組合裡,常見的混亂是:應用程式先從作業系統或容器收到某個 A 記錄,但實際 TCP 連線卻在另一層轉手,導致策略與實測行為看起來解釋不了。對大檔 模型下載 來說,反覆的解析切換也會讓斷點續傳的會話在邊上重新協商,體感像無限 逾時。
實務上可以用兩步篩:第一,先確認你的裝置上,下載程式的 DNS 查詢有沒有經過核心或相同上游;第二,在懷疑解析時,針對目標 DOMAIN 關掉會造成「兩條系統、兩條表」的捷徑(例如讓下載專用容器走同一條 TUN 決策,而不是一邊讀 resolv.conf 一邊讀系統圖形介面裡的 DNS)。想建立完整心智圖時,可讀本站說明與文件,並在卡住時用連線有卻上不到網的日誌排查同一套框架檢查 fake-ip 與規則的銜接。
鏡像、自架端點與環境變數:別讓隱性網域逃逸出去
在中文社群裡,為了減少跨境延遲,很常把 Hugging Face 類流量導到公眾鏡像或企業內的反向代理。若你把鏡像位址寫在環境變數(例如讓客戶端以另一個 ENDPOINT 讀庫)或寫在 /etc/hosts 裡,卻沒有在 Clash 分流 內寫到對應的 DOMAIN 規則,核心就不會在「看起來應該要代理的時候」介入那條 TCP。結果下載行為有時還是走你預期外的直連。做法是:不論用哪種鏡像,務必在規則裡用你實際訪問的那個主機名稱 建桶,與庫、官網分開命名策略組。若你同時有開發者往 GitHub 拉大型物件,可順便對照Cursor 與 GitHub 相關分流,觀念同是「一個產品、多主機名稱、不要一條 PROXY 糊成一片」。
此外,本機大模型生態不只有 Ollama。若你使用與 llama.cpp、推論服務、或自架儀表盤的組合,也會有額外的計量、授權或更新網域。建議一樣用日誌觀測、再寫回規則,而不是在社群貼一長串不驗證的 DOMAIN 關鍵字。
TUN 與純系統代理:讓上傳下載的 UDP/長連一併可見
純系統代理常漏掉不吃代理變數的行程;若要讓整台機器上的 CLI、容器與服務在同一個決策平面,多數人會在桌面改走 TUN 或等價的透明攔截。實作細節因平台而異,但判準只有一條:當 ollama 相關行程發起的連線真的進入你指定的核心時,前面談的 Clash 分流 與 DNS 自檢 才會是「有效敘述」,而不是紙上談兵。可延伸閱讀TUN 模式導讀,釐清與本機服務、路由表的邊界。
自檢清單:把「拉不動」變成可逐步勾的步驟
當 拉模型 失敗,建議從上往下執行,每完成一步寫下結果,避免同時改節點、改訂閱、又改系統值然後全案崩潰。
- 確認下載相關行程的連線有進入核心:TUN、系統代理或手動變數中,必須有至少一條你看得懂的、穩定生效的路徑。
- 在日誌依時間排序,記錄主機名稱:分出庫、repo、LFS 或鏡像,各自是否命中了預期策略組。
- 查規則順序:寬泛直連、大型規則集、或
GEOIP是否攔在精確的DOMAIN之前。 - 查 DNS 鏈路:是否與 fake-ip/redir-host 類設定衝突;有無重複的解析者。
- 針對大檔,固定一顆可長連的節點做對照:暫時關掉過度靈敏的自動切換,看續傳是否明顯改善。
- 檢查本機攔截:廣告或追蹤規則是否誤殺了驗證、授權或中繼子網域(症狀常是靜默失敗,而非 403 大字)。
這份清單與我們處理雲端 API 的Codex CLI 分流文是同一邏輯,只是產品從雲端 API 換成大檔與庫的組合;兩邊併讀,你可以很快習慣「先觀測、再寫規則、最後用日誌驗證」的節奏。
合規與風險:工具只調路徑,不替你決定內容是否可用
請在遵守你所在地法律、服務條款與內部網路政策的前提下使用代理。本文討論的是如何讓你合法擁有與有權使用的模型,在路徑上穩定傳到本機,而非規避權利管理或內容限制。訂閱、規則集與節點應只取自可信來源,並依需要更新。若關心開放原始碼與授權,可另行參考上游儲存庫;安裝用戶端仍建議走本站彙整的取得方式,減少在眾多檔名中誤下載。
結語:讓庫、檔案與鏡像各走其路,模型下載 才能穩到可實驗
把 Ollama 與 Hugging Face 相關主機從一鍋煮的泛用直連中拆出來,用獨立策略組、嚴格規則順序、加上DNS 自檢,通常比不停換節點更能根治「拉模型 每到一半就斷」的體感。當 本機大模型 的實驗成本下降,你才有腦力去調整量化、測推論參數,而不是 nightly 和網路拔河。
若你正在挑一款介面清楚、能安全合併自訂片段、且日誌可讀的用戶端,Clash 生態在規則層的表達力與社群共識,能讓這類多網域場景維持在「可讀、可還原、可版本控」的狀態。相比拼湊過時的片段,選對工具能省下大量在終端重試的時間。→ 立即免費下載 Clash,開啟流暢上網新體驗