built-in转gki方法

一个视频教会你 l k a m 转 g k i 工作模式，以及如果失败如何保留数据，就砖。以我的一加平板二 pro 为例给大家演示。首先先说一下注意事项，我们需要先找到和自己设备对应的 a k 三压缩包， 设备版本和系统必须匹配，比如十五系统不能刷十四系统的包，然后我们一定要备份原系统的布包，方便变砖后就砖。先说一下怎么找 a k 三压缩包，这个可以直接上大侠阿木官网上点击其他资源，这里就可以看到。 gki 这里找到自己对应的包，保存到手机里即可。 我这用的是泡菜的工具箱，里面也有 ak 三压缩包，必须系统和设备型号对应，千万不要下载错了。然后我们去提取一下 book 文件，先看一下自己平板的系统是多少， 我这平板的系统是十五四零幺的系统，我们就需要提取对应的 book 依旧大侠阿木官网。找到自己的平板，去复制对应的链接， 复制好链接，把 book 文件提取出来备用。 这里是我的簿文件，这个文件千万不要下载错版本。然后开始刷入 a k 三压缩包，这里我刷入一个错误的包，给你们演示一下如何就转 这里，如果包刷的正确，点击重启就结束了。由于我刷的包不对，平板就会无限重启。不开机，我们把平板进入 fast 模式，然后连接电脑， 这里我们刷入原机的簿就可以开机了，就是刚刚保存的簿。 然后我们再刷入正确的 a k 三压缩包即可。这里可以看到工作模式切换成功以及 k p m 等功能都正常。

直接教你们红米 note 十 pro 刷杂于面具 g g 加隐藏环境。在此之前，我劝那些拿着别人公益去圈的， 先感谢公安大佬翻译的 boot 文件， qq 某些人还要圈三十。废话不多说，直接开始工具去 bilibili 搜索无知南风同款视频评论或简介下面有。打开紫罗兰工具箱，手机进 fastboot， 点击本刷入，找到我工具里面的镜像文件，拖到电脑桌面备用。 手机进好 fast boot 后点开始刷入。对了，这个翻译过， boot 镜像不支持最新版的杂鱼面具最好用我工具里面的那个版本，如果刷好了发现屏幕触摸不了出 bug， 得重新刷入或者刷回原厂 boot 镜像 小白都会，别被人圈了。接着来讲怎么隐藏环境，刷这两个模块就行了，去 mount 管理器，打开这个 data app tricky store， 把左边这两个蓝色的解压过去。 好了，环境过完了， 我群友看我上个一键隐藏环境教程作品用的杂鱼环境竟然没过。

问大家一个问题，你们想从杂一 j a i 换成其他面具或者换成 a o m 的 时候，是不是有无限重启或者转换不成功的情况呢？ 其实这个跟你们的安卓版本有关，如果你的内核里的安卓是十三或者一项的，就是你又正好刷了 j a i 工作模式。如果你想换成 a o m 的 时候，只需要重新刷一遍没有修补的文件就好了，这是因为 j a i 是 对你的 boot 文件就好了，这是因为 j a m 修补的却是英特 boot， 所以你只需要还原原版的 boot 文件，你的面具就成功变回了 f a m 工作模式。这个原理只适合安卓十三或者一项的，就比如在堂子一键起拍里的性价比 root 机，像一加 a 四二 pro a 四五或者 a 三 v 这些安卓十三或者一项的都需要刷原版 boot。 如果你们要是听不懂或者不会的，可以来找主播，不管是刷 root 还原面具还是降级就砖什么的，通通都可以。

今天教大家如何随时切换 gki， 并且不用 gki 时还能随时切换成 lkm。 首先要保证 rb 叉槽都是同一系统，不然会切换失败。 我们选择下载最新完整包，并且安装即可。安装教程就不展示了，首先看我现在是 lkm 模式， 先打开我们的 terminals， 并且输入速获取 root 权限，然后再执行这一串切换叉槽的命令。最后一个数字零代表 a 叉槽，数字一代表 b 叉槽， 我现在 a 叉槽是 l k m， 所以 我要切换成 b 叉槽，因为我的 b 叉槽已经安装了 g k i， 再执行 reboot 命令重启手机即可。 手机重启后，我们看一下有没有切换插槽成功， ok 啊，插槽也是切换成功了。好吧，再打开我们的面具，看一下工作模式有没有变化， ok 啊，也是没毛病的好吧， 如果我们不想使用 gki 了，我们就可以通过刚才的方法恢复成 lkm， 我 们还是要使用我们的 turbo。 这里主包忘记使用 su 获取 root 权限了，所以会报错。 现在我们还是要使用 su 获取一下 root 权限，然后再执行这个切换成叉槽 a 的 命令。 切换成功后，我们使用 reboot 重启手机。 手机重启完后，我们打开爱玩具工具箱，看一下是不是成功切换成 a 叉槽了， 确定没问题之后，再打开我们的面具，看一下工作模式有没有变成 l k m。 ok 啊，主包这里也是成功了。好吧，视频到这里就结束了，拜拜。

大家好，大家好，今天要跟大家聊的这个话题是 chrome building ai， 也就是在 chrome 浏览器里边去内置的 ai 模型， 那么我把它比喻成说是智能引擎，因为我们知道在 ai ai 崛起的这个时代，我们前端会有很多的迷茫或者是挫败的感觉，那么这个 chrome 它 building 的 ai， 它的模型能够给我们带来新的能量和新的动力 啊。我是钱俊颖，大家，我在这个社区里的名字是 jax 啊，我是长沙本地的前端开发者，呃加也是前端架构师，也是这个长沙的谷歌开发者社区的组织者。 那今天跟大家聊的是这样几个方面，就是，呃，首先说来解释一下什么是浏览器内置的 ai， 然后呢，我们来聊一聊它有什么价值，我们为什么要用它，以及怎么去用好它， 以及它有什么样，它有什么样的能力能够提给我们来用。那最后呢，我们来通过一个简单的呃小的案例来拆解，来看看它的实战表现是如何的。好，首先我们来进入到一个概念性的介绍，就是说， 呃，按照这个模型的部署位，部署位置来分类的话，呃可以分为这么几个，大几个大块。那我们日常所使用的，比如说今天高频提到的 cloud， cloud open ai 等等，它们的模型其实都是 server side ai， 对 不对？它们把模型部署在云端， 那么相对应的就有一类场景，就是把模型部署在客户端，比如说我们的手机，我们的电脑，甚至是车机、相机，可穿戴设备，对吧？那在这个呃 client side ai 里面又可以细分，比如说它是部署在 native 环境里的，比如说是我们的 mac os 或者是 windows 系统， 那么也可以是我们的外部环境下，比如说我们的浏览器环境，我们的微信小程序，我们的各种快应用，各种 p w a 等等等等。那在外 v i 的 这个场景下呢？它又可以细分，可以细分成是模型，是自主托管，自托管的，也就是说应用的开发者他自己去 加载，自己去部署，自己去管理这个模型。那另外一个方面呢，就是我们今天要聊到的 building ai， 也就是这个环境它自己提供这个模型，我们开发者或者说用户根本不需要操心模型是怎么来的，是怎么管的，这就是我们今天要聊的重点。 building ai， ok， 那 么说到这个，刚刚刚刚讲到这个 ai， web ai， 它这个范畴里面有一些可以自托管的场景，那比如说我们可以用 transformer 点 gs， 比如说用 web lm 这些工具框架，可以把一个 啊模型下载到浏览器，下载到外部环境本地，然后运行，把它运行起来，然后和它去做交互。那么相应的在就运行的这个范畴里面，那就是浏览器他会内置一套运行时给模型，然后呢把模型加载进来，这个模型可以可能是大语言模型，也可能是一些专家模型，一些神经网络模型。 好，我们来聚焦到这个 building ai 上来看，那么它的这个架构其实可以分为这么几层，最底，最底层呢是这个硬件层面，比如说我们这个终端设备上的这个计算单元，像 cpu、 gpu、 npu、 tpu， 各种 pvp 啊组成的，组成的硬件的知识基础。那么在此之上我们可能会通过 web assembly 或者是 web gpu， webgl 等等构成它们的这个算力，呃计算算力的来源以及运行时的构成。那么在此在有了这个运行时之后，我们可以在上面去运行各种模型，然后呢 跟这个自托管模型，它的自托管模型的场景一个完全不同的，呃，完全不同的层面呢，就是它会有提供出来这个原生的 java script api， 也就是说我们开发者可以使可以使用一些呃 java script 代码，能够直接去和模型去做交互，是这样的一个， 呃，这样的一个角度，那在此基础上，我们在浏览器里的这个生态里面就可以去开发外部应用，去开发浏览器扩展，呃这些自带的模型，它会给我们的应用，我们的扩展带来这个原生 ai 的 能力的支持。 那现在就现在来说，呃已经有少量的这个浏览器厂商开始去做这些事情了。最开始 呃起头的就是 chrome 浏览器，他把自家的这个 java nano 这个模型内置到的浏览器 chrome 里面里面去。呃，紧接着呢就是呃 microsoft edge edge 浏览器，因为实际上他俩是一家的两兄弟，所以他们有他们，他们两个是率先去支持内置模型的。那么 不同的是 java nano 它虽然是最先被放到浏览器里的，但是它是并不是一个开放的模型，那么所以说在 呃 windows 爱在在 microsoft 的 爱智浏览器里，它不可能是 java nano， 所以 去它就内置了呃 firefly mini 这个模型。 两者的区别呢？呃 java nano 它是一个多模态模型，因为我们知道 java， 它是 google 这个呃 ai， 呃，或者说大大模型的这个家族里，它的全全所有的模型，全系列都是都是多模态的，那 firefly mini， 它目前只是支持文本类型类型的交互。 呃，这两个模型呢？它的体积，它们的餐量都不大，比如说以 jamming nano 来讲，最新版本的应该是在不超过二点四个 gb， 所以 它是非常去适合放在端侧去运行的，不会给端侧去造成太大的压力。好，那我们来看一下， 如果说要在这个呃 chrome 里面去运行这个内置的模型，那么对于我们的设备需要有哪些要求？首先呢，我们目前的这个呃 building ai， 它只支持在桌面端，移动端目前还不支持，那么在硬件方面，我们可能需要去准备 呃二十二 gb 的 内存空间，当然不是说要下载的模型，它会把这个它会塞满这二十二 gb， 但是我们是呃这个浏览器的这个要求是要预留的。呃，那么如果是涉及到 cpu 或 gpu 的 运算，那就是有也有对应的这个参数要求。 呃，操作系统方面呢？那 mac os、 windows 和 linux 比较新的一般都支持浏览器呢？那就是呃从 chrome 的 幺三八正式版本开始都支持的。那如果我们想体验一些最新的这个特性呢？那可以去下载 chrome， chrome 的 浏览器，去去去试玩。 好，那我们再来看看这套东西，我们为什么要用它？它对我们有什么好处？ 这是呃去年一篇论文里做的一个调查，就是他们调查者访问了一些呃这个从业专家， 去了解他们对于这个模型部署的一个策略的态度。那么我们在这个上面的树状图上可以看到有百分之八十八的人，他是对于这个云端和本地混合模型去部署的，是抱有非常高的好感的，那么 有那么对于这个纯本地部署比较看好的，也就是中间这个中间图标，这部分的橙黄色的柱状图也是有超过百分之五十的人， 超过半数的人，那么如果说是纯云端部署的策略，那么其实是有百分之八十的人对此是不太满意的，那么他们的不满意的点呢？可能就是他会依赖于网络环境，他会有延迟，而且他的成本也比较高，也会对于用户的数据隐私会有一定的会有一定的这个影响。 那这张时间线呢？也是二零二三和二零二四两年的不完全的统计的这个观测模型的发布，这上面所有列出的模型都是都是在观测运行的模型，然后呢黄色的这个方块呢？它们是这个 呃大语言模型，然后蓝色的方块呢？呃呃蓝绿色的方块吧？是这个多模态的模型。我们从这个趋势和密集程度上来看，就是说随着时间的推移，这个端侧模型这种清亮的模型它的发布是越来越密集的，各个厂商已经都开始在这个这个领域去开始布局，开始竞争。 那么另一个趋势呢，就是多模态的模型是也是越出现的越来越多， 那么我们把模型放在端侧，或者说具体到内置的浏览器里有什么优点？其实这是一个层层叠加的一个优势。那如果说我们把模型放在这个 呃客户，客户端就不分是移动端，呃，不不分是原声端还是外部端，那么它首先模型运行的本地，它不需要去通过 http 请求去和这个模型的运呃模型的服务器去做交互，那么能够极大地保证这个用户数据的安全隐私性 啊，不会被降低了被攻击的风险，那么他也也也可以做到很低的延迟在一些啊。对于这个实时性比较要求比较高的这个场景，那端侧模型其实是很有优势的。而且对于用户和厂商来说啊，端侧模型其实都是 都是能够降低成本的，那对于厂商来说，他可能不需要去，不需要去买卡，不需要去交电费，那么对用户来说，他也不需要去担心我用多了会不会啊偷根超限， 然后，呃因为因为透明超限而被而被限制使用。那么如果是模型运运行在这个外部短，那就是外部 ai 的 范畴， 外部应用有什么优势呢？那就是免安装，即开即用，而且跨平台，只要你的哪个系统，哪个平台有这个浏览器能够打开网页，那么就能直接访问，他的形态也是比较灵活的，对不对？我们一套前端代码可以包装成外部应用，包装成这个小程序，浏览器扩展等等等等， 那具体到这个内置，呃，具体到这个内置模型，他可以有这么几的几种优势。那么刚才的之前的大脑的分享也提到过，就是说我们可能以后端测呃端测的这个模型场景会变得会变得多起来，那么每一家厂商他可能都会 都会需要，都会去部署自己的本地模型，那比如说操作系统级别， windows 或者说 macos， 他 自己弄一个模型在本地那，呃浏览器，呃呃，不是那那个各个各个大型的应用，比如说微信，比如说其他的应用也都也都内置一些模型在这里面，那这样的话， 从另一个层面来讲，我们比如说有 a 和 b 两个不同的这个外部应用，开发者他们都会需要在本地加载这个模型，那如果说都用自托管的方式， a 和 b， a 应用 a 和应用 b 加载的时候都会加载各自的模型，那这个模型可能是同一个，或者说他们对于模型的要求不是那么高的话，甚至是可以可以可以做到共享的，但是实际上是实际上没有办法共享。但如果说他们的运行环境，也就是浏览器环境里面是自带一个模型的，那么好， 这个开发者呃，开发者 a 和开发者 b 他 们并不需要再去自己去部署模型，对于用户来说也是减轻啊这个硬盘空间和和这个贷款流量的一个节省。 而且对于开发者来说，有了这个原生的 java script api 的 支持，开发体验也是比较舒适的，不需要再去做复杂的模型管理。 那么是不是说就是端测 ai， 就是 就能够完全完全取代云端 ai 呢？其实也不是，端测 ai 也是有它的局限性。首先呢就是设备的这个局限，我们本地的设备肯定是不如跑在 这个，跑在这个 h h 一 百一百的等等等这些，这个显卡上的那个算力那么强，而且端测设备它能提供的功耗范畴也也功耗也是有有很低的天花板的。 那么第二个层面呢，就是模型的局限性，因为刚才提到就说啊，比如以这个 gemini nano 为例，它的这个餐量应该是在呃 五 b 以下，呃，应该是五 b 以下，然后体量也是体积也是比较小，那么相对应的，它必须要阉割一部分这个上下文，阉割一部分这个 算量，那么即使是它有多模态，但是可能也并不如这个云端的 jamna 多模态的能力那么强，所以这是综合了设备和模型两方的局限 导致了啊。这个 biu ai 或者说端侧 ai， 它有它自己的场景，所以说就是端侧 ai 的 出现和发展。它并不是说为了要取代云端 ai， 只不过是它们有各自的这个应用场景，能够解决各自的痛点。 所以最好的模式呢，可能就是端云协调。比如说我一个业务场景，那可能需要在这个 用户隐私方面比较，用户隐私需求比较高的场景，或者说呃弱网断网的场景，那么可以临时用这个端测模型来解决一下。那么大型的复杂的，大型的复杂的任务，呃，或者说对于这个稳定性要求比较高的任务，可以放到云端来实现。 ok， 那 我们来看看这个 building ai 内置的模型，它能够做什么？它有什么样的能力？ 现在屏幕上列出来的呃，这几这几个方块呢？就是呃， chrome 浏览器它们在目前目前在实施的几个 api， 我 们看到左侧绿色的是呃 语言检测语中检测语言翻译的 api， 那 右侧呢？会有一些书写书写辅助的 api， 比如说润色、重写、总结等等。还有一个去检查语法错误的 api 叫 proofreader api， 以及一个最基础但是功能最强大、玩法最多的叫 prompt api， 这些 api 目前来说还没有正式的进入到这个 w 三 c 标准里面去，所以它是实验性质的，并不能保证稳定性和这个兼容性，那么它可能 api 本身都会都会随着时间随着这个需求的变化而变化。比如说这个 呃他们的命名空间，那，那在去年的，去年的两个月里，就短短短短两个月的时间里就变了三次，给给我们这个 提前尝鲜的开发者就是造成了很很大的困扰，就是突然间有一天发现之前写的 demo， 或者说视力就不能用了，又要重新去接入，又要重新去替换那个那个命名空间。 然后呢就是从这个，从他的，从这个各个 api， 它的这个呃 标准建设的层面来讲，或者说是呃实施落地的层面来来看的话，它可以这么去排列，比如说呃有的有的 a， 有 的 a p i， 比如说 translator detector， 它们已经呃在 m d n 上去建立的文档，而且已经在这个 chrome 幺三八版本正式版去 呃正式的可以可以默认的开启去使用了。但是有一些比如说下面的这四个，那他们还是在他们的这个解释文档还在 github 仓库里面，没有正式的头，没有一些正还没有正式定型。而且呢他们的这个 在浏览器里的启动是需要走这个 ot 通道，也就是 origin trail， 大家可以理解为一个灰度内测。对，所以说目前的这个推进进度，呃向这向向着这个 w 三 c 标准的这个进度还正在推进之中， 那么做这些事情的是什么人呢？就是啊，屏幕左侧的这一个团队啊， chrome 团队有专门的这个，有专门的一般人马来做这个，把模型接入到这个浏览器中，然后呢并且去发展配套的 java script api 的 标准，那么流程其实是在右侧这个 一个标准的这个呃标准的语言建设流语言标准建设流程首先会有一个提案，提案呢然后由厂商浏览器厂商自己去实现，实现呢会通过 early preview program a p p 的 方式开发给开放给开发者去试用，那稍微稳定了一些之后会进入到 origin trails， 能够小范围的去面向，面向面向真，面向那个真实真终端用户去去投入使用。那如果说运行一段时间没有问题了，会进入到这个呃 stable 阶段，甚至到了这个最后会成为这个 w 三 c 的 一个 web 标准。 那我们接着来快速看一下各个 api 它具体有什么样的能力。首先是 language detector 检测语种， 那他可以把一个我们输入一，输入一个文本，一段文本给他，他可以去帮我们检测出是属于哪个语种。他的检测逻辑其实是就是去通过机器学习去判断啊。这个当前书的文字 从概率上来讲是从概率和成分上来讲是属于哪个语种。目前呢支持一百多个语种的检测， 那和它搭配使用的这个和它搭配使用的这个 translator 就是 翻译翻译呃语言翻译的 api， 那 么它可以实现，目前是实现英文、西班牙语、日语和多种语言之间的这个切换。 我这里写了一个，呃，简单的视例，就是一个翻译工具，比如说我们在左侧去去粘贴一个或输入或粘贴一段文本，左侧呢？左左上角那个输入框里，它是自动检测出来当前文本属于哪个语种，然后呢，识别出来之后，有了原语种和目标语种之后就能够翻译。 我们看到在这个切换语种去翻译的时候，这个响应速度是非常快的。我的设，我这个测试设备是一个比较老的 m 一 m 一 的这个 macbook pro， 这个速度还是还是比较快的，几乎是没有卡顿的。 接着就是今年刚出来的一个 proofreader 版本， ok， proofreader 它就是帮我们检测语语法里的错误，句子里的语法错误，以及一些书写辅助的 api。 比如说总结，总结一段文字， 它可以按照不同的这个风格进行总结以及书写 api， 我 们给他一段大纲结构，他可以帮我们扩展成一段文字， 以及去做一些 chatbot， chatbot 或者说文文捕全的应用，可以使用 prompt api， 甚至说我们可以用这个 prompt api 去玩一些提示词技巧，玩一些上下文技巧，它能够支持结构化输出，能够计算 token。 而且呢他是支持多模态的，比如说我们未给他一个图片或者一段语音，他是能够去理，他是去能够去推理出其中的意思的，然后以文本的形式去给我们进行后续的对话。 好的，那这是我之前做过的一个给自己用的一个浏览器扩展，我之前在读英文文档的时候会遇到一些不懂的词，那有那按照我之前的流程，我可能会去把它复制出来，然后粘贴到比如说呃词典应用，或者说词典插件里面去解释， 那这个词词典给我的解释其实是把英文翻译成中文，但是我可能更希望自己去能够以呃 原原始原始语种的的思路去去解释和理解，那么我就做了这样一个应用，就是当我遇到生词的时候，我双击把它选中，然后右侧的这个浏览器扩展能够识别到我选中的文本，然后他会抓这个单词和上下文， 呃应该是前二十个词和后和后二十个词，然后综合起来给为给这个呃浏览器内置的 java nano 模型，让它给出结合当前文本的解释。这个是呃一般的词典应用做不到的，因为第一个是它是 以英文解释英文，比如说我们在提示词里，提示词里去暗示他说你要把我当一个五岁的小孩，用五岁小孩能看懂的英文来给我解释，那这样我们在理解这个词的时候难度会降低，对不对？那第二个呢？第二个优势呢？就是它是结合当前上下文来解释的，因为一个词它可能是多义的，那么它 我们以我们如果用词典去查，然后获取到这个各个多种语义，然后我们要人工的去带入到这个上下文里去适配来来筛选它到底是哪种哪种语义。但是现在如果有这样的功能，那么就 就完全可以直接给出我们符合当前语当前语境的这个上下文的意思。 那么同时从工程实践来讲，他是这样的结构，我们看到像我们刚才看到的一样，左侧的页面，左侧左侧的英文页面他其实就是蓝色的部分，那右侧的这个浏览器扩展就是右侧的侧边栏， 呃，我们选中一个单词，呃，这个侧边栏在初识化的时候，他会向左侧的页面注入一个，注入一段脚本，然后呢会去监听这个选呃选中词汇的这个事件，然后呢当选中词汇的时候，把 词把这个词本身和它的上下文抓出来，抓出来组装到提示词里，然后为给这个端侧，呃为给这个内置的模型，然后内置的模型生成这个解释，然后显示在右侧侧边栏里， 就是这样一个逻辑，具体的代码实现我们就快速快速跳过了，都是一些开发浏览器扩展的常规常规代码。 那这里其实我们可以着重看一下，这里是检测可用性，因为我们这个内置内置模型在浏览器里它不是默认开启的，我们可能需要呃有一个条件去触发，出发之后呢 模型它也需要一段一定的时间来下载到本地，所以我们要总是去检测它是否可用， api 是 否可用的。 然后呢如果这个模型可用了，我们就创建一个 session， 我 们可以把系统提示词，把一些 nsh 的 样例放在里面去， 这里就是生成解词语解释，其实很简单的，就是把组装好的提示词喂给这个内置模型，然后它就它就输出就好了。 所以呢这就是端测啊，端测模型，或者说内置模型带给我们的价值。我们可能，呃以前只是会一些呃掌，会一些前端的开发，呃，我们可能也可能有一些灵感，有一些创意，但是 因为种种原因很难去，很难去落地，但是现在有了浏览器内置的一个模型。呃，就像上上一场那个大佬讲的一样， 他对我，我们对模型或或或许有敬畏，或许有好奇，那么我们最好的办法就是去去接近他。那现在这样一个好的接近模型的机会就来了，就是你装的只要你电脑里有 chrome 浏览器，那么这个模型他就离你就这么近，你可以去充分的去了解他，去调教他，去了解他的 脾气喜好，去用它来锻炼自己，锻炼我们前端人在写 ai 应用的时候的一些工程技巧，一些经验，这些东西都能够给我们带来更好的体验。好，以上就是我分享的全部内容，感谢大家。

banana 配合 sora 工作流一键生成带货视频 vintage national trend design perfect four couples 导入我们的产品商品图输，填入描述提示词直接运行。下面会根据商品图分析开始细节分解。 banana 视觉识别功能让我们的产品保持一致性。传输到 sorry 插件进行内容调整再产出到视频合成整过程只要一件事，应用室分为直接拉满当礼物送朋友送娃都超合适，直播间专属价，手慢就没了，赶紧冲。

这是一台粉丝邮寄的一家 a 四五至尊要求试解 dl 刷闸于 cd 工作模式并隐藏环境要过春秋。 连续点击七次以上版本后，打开开发者选项，找到开发者选项，打开 o e m 解锁和 usb 调试。十六系统只要不是出厂都是可以了解 dl 的， 用数据线连接电脑， 弹出 usb 用于不要去选择，点上面空白处就行了。重启到 fast boot， 先按住音量键再回车，提示已解锁。重启到系统这边激活开机了。传入 usb boot， 修补 lk m 点位，安装，选择未修补的 usb boot， 再把修补的 usb boot 传出电脑。 重启到 fast boot， 把修补后的 innit boot 刷进去开机了。刷写 x 三转个 d， 重启后也是显示 boot in， 三点二，零级以上的面具管理器 a 一 点零 kick d 二点零都是显示 boot in。 隐藏环境的过程就不展示了，直接展示成果。收到货没一小时刷好直接 s f 发走。

上面是市场上比较常见的 root 管理器，有些人还不知道怎么选择，今天就从各个方面简单说一下， 到底要如何选择适合自己的管理器。首先就是内核级， root 的 开创者 kernel soup， 运行方式从用户级改为内核级，隐藏性相较于面具大大的提升， 且支持修改内核参数，但是功耗会变得更高，性能也可能会减弱，处理器不是非常顶的，不建议使用。同时还有更方便的 kernel sux 和 suki 兔 u h r 的 l k n 模式和 g d 模式可以来回切换。除此之外， suki 兔的模块兼容性比较高，适配大多数的模块， 刷了个 g 模式，还支持 k p m 驱动的安装，比别的免费驱动更加稳定。但是这三类处理器必须使用 innit boot 来修补，对于低端机型不太友好。另外就是 ipad 面具工作模式、内核及修补方式， boot 适用于大多数老机型，隐藏效果还可以，但是模块兼容性差，手机功耗也会加巨。最后就是大家都知道的两款面具， elva 和 magiskelta， 在 suiqoo ultra 没有出来的时候， alpha 无论是模块兼容性和机型适配都远大于 magisk delta， magisk delta 也早被 alpha 替代，工作模式同为用户级，但是 alpha 的 隐藏环境性比 magisk delta 好 用多。此外这两款面具的修补方式分别为 init boot 跟 boot 都可以修补，机型适配比较广。 alpha 和 suiqoo ultra 的 lkm 模式的隐藏效果几乎一样， 但是用户级还是比不过内核级。总结，打游戏的话，性能强的手机就用 sukyoo ultra 的 g k l 工作模式，老机型就用 ipad 或者 a 发，玩机的话首选 a 发， 手机性能低的可以用 sukyoo ultra 的 l k n 模式 ipad a 发根据个人需求选择。还是那句话，淘鸡主页。