[原创]使用AI还原腾讯点选验证码算法-动态jsvmp-WEB安全-看雪安全社区

[原创]使用AI还原腾讯点选验证码算法-动态jsvmp

发表于: 2026-2-28 15:17 23599

[原创]使用AI还原腾讯点选验证码算法-动态jsvmp

执着的猫

2026-2-28 15:17

23599

# 使用 AI 还原腾讯点选验证码算法

## 一、背景与目标

### 1.1 腾讯防水墙（TCaptcha）简介

腾讯防水墙是腾讯自研的验证码服务，广泛应用于 QQ、微信生态以及大量第三方接入站点。它提供多种验证类型：滑动拼图、文字点选、空间推理等。

本文以腾讯防水墙的文字点选验证码为目标。当用户触发需要验证的操作后，页面会弹出一个验证码 iframe，要求用户"请依次点击"指定的三个汉字。验证通过后返回 ticket，前端携带 ticket 完成业务请求。

验证码运行在跨域 iframe `turing.captcha.gtimg.com` 中，核心逻辑由一个名为 `tdc.js` 的脚本驱动。这个脚本负责采集用户的浏览器指纹、鼠标轨迹等行为数据，加密后生成一个 `collect` 字段提交给服务端验证。

### 1.2 为什么难：一切都在变

如果你打开 tdc.js 看一眼，会发现它只有几行代码——但这几行代码定义了一个完整的**栈式字节码虚拟机**，腾讯称之为 **CHAOS VM**。所有真正的业务逻辑（指纹采集、加密算法、数据组装）都编译成了字节码，运行在这个 VM 内部。你看不到任何业务代码——没有 `function encrypt()`，没有 `key = [...]`，一切都藏在一个巨大的 Base64 字符串里。

但 VM 保护本身不是最难的部分。真正的核心难点是：**tdc.js 每次加载都会变**。

每次请求 `<mark class="encrypted">bf2K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6@1N6i4u0A6L8X3N6Q4x3X3g2U0j5i4m8@1j5$3S2S2i4K6u0W2M7h3y4D9L8%4g2V1i4K6u0W2j5$3!0E0i4K6u0r3N6r3c8U0i4K6u0W2K9Y4y4Q4y4U0m8Q4c8f1k6Q4b7V1y4Q4z5p5y4Q4c8e0k6Q4z5f1y4Q4z5p5c8Q4c8e0g2Q4z5p5q4Q4b7e0q4Q4c8e0N6Q4b7f1u0Q4b7f1k6Q4c8e0W2Q4z5o6y4Q4b7V1c8Q4c8e0c8Q4b7V1y4Q4z5f1q4Q4c8e0g2Q4z5p5q4Q4b7e0S2Q4c8e0k6Q4z5o6m8Q4z5o6q4Q4c8e0N6Q4z5e0c8Q4z5f1k6Q4c8e0k6Q4z5o6S2Q4z5e0m8Q4c8e0c8Q4b7U0S2Q4z5o6m8Q4c8e0c8Q4b7V1u0Q4b7V1c8Q4c8e0g2Q4z5o6g2Q4b7e0S2Q4c8e0k6Q4z5e0k6Q4b7U0m8Q4c8e0N6Q4z5f1q4Q4z5o6b7`.</mark> tdc.js。变化的内容包括：

| 变化项 | 说明 | 影响 |
|--------|------|------|
| **XTEA 加密密钥** | 4 个 int32 的 key，每次完全不同 | 无法硬编码 key |
| **key 的运行时偏移** | 加密时给特定 key 索引加的偏移值，每次不同 | 必须动态提取 |
| **操作码索引** | VM 的 58 个操作码在 handler 数组中的位置打乱 | 无法硬编码 opcode 映射 |
| **37 个模块的 ID** | 每个采集器模块的注册 ID 随机重新分配 | 无法按 ID 判断模块类型 |
| **模块的调用顺序** | cd 数组中模块的排列顺序随机打乱 | 无法硬编码字段位置 |
| **key 构建函数的 scope** | 真实/诱饵 key buffer 的索引每次不同 | 无法硬编码判别规则 |

这意味着你**不能做一次分析然后硬编码结果**——上一秒分析出来的 key、模块顺序、opcode 映射，下一秒全部作废。

### 1.3 为什么"补环境"不够

面对 tdc.js 的 VM 保护，一个常见的思路是"补环境"：用 Node.js 或 jsdom 搭建一个模拟的浏览器环境，直接执行 tdc.js，调用 `TDC.getData(true)` 拿到结果。

这个思路确实能跑通——但它是一个**黑盒方案**。你不知道 tdc.js 内部在做什么，不知道它采集了哪些指纹，不知道哪些环境变量会影响结果。这带来几个问题：

1. **指纹不可控**。tdc.js 内部有 37 个模块采集浏览器指纹（Canvas 指纹、WebGL 渲染器、屏幕分辨率、CPU 核心数等）。补环境方案中，这些值要么是 Node.js 的默认值（明显异常），要么需要你逐一伪造——但你不知道它到底采集了哪些项
2. **检测风险高**。tdc.js 有 27 项自动化检测（`navigator.webdriver`、ChromeDriver 标记等）。补环境稍有遗漏就会被标记
3. **维护成本高**。腾讯一旦更新 tdc.js 的采集项或检测逻辑，补环境方案就可能失效，而你无法快速定位问题

我们选择了另一条路：**白盒还原**。完全理解 tdc.js 的内部逻辑，用 Python 从零构造 `collect`。这条路更难，但一旦走通，每个参数都在掌控之中。

### 1.4 最终目标

用纯 Python 还原 `TDC.getData(true)` 生成的 `collect` 加密字段，实现端到端的自动化流程：

```
prehandle 获取会话 → 动态下载并解析 tdc.js → OCR 识别验证码文字
→ 生成鼠标轨迹 → 构造 collect → 求解 PoW → 提交 verify → 获取 ticket
```

整个过程不需要运行任何 JavaScript，不需要浏览器环境，完全在 Python 中完成。

---

## 二、请求流程分析

### 2.1 验证码触发与交互流程

用户触发需要验证的操作后，服务端返回验证码弹出指令，前端随即加载腾讯验证码 SDK（TCaptcha.js），弹出一个跨域 iframe。

这个 iframe 的域名是 `turing.captcha.gtimg.com`，与宿主页面跨域隔离。验证码的所有逻辑——图片展示、用户交互、行为采集、数据加密——都在这个 iframe 内部完成。这也给逆向分析带来了额外的挑战：你不能在主页面的 console 中直接访问验证码的变量和函数，必须切换到 iframe 上下文才行。

### 2.2 五阶段请求流程

**阶段 1：预处理（prehandle）**

```
GET https://turing.captcha.qcloud.com/cap_union_prehandle
参数: aid=xxx, ua=Base64(UserAgent), ...
```

返回内容包括：
- `sess`：会话标识，后续所有请求都要携带
- `pow_cfg`：PoW（工作量证明）配置，包含 prefix 和目标 MD5
- `dyn_show_info`：验证码展示信息，包含文字指令（"请依次点击：X X X"）和图片 URL

**阶段 2：tdc.js 加载**

```
GET https://turing.captcha.qcloud.com/tdc.js?app_data={sid}&t={random}
```

tdc.js 下载后通过 blob URL 加载到 iframe 中。加载完成后，iframe 的 `window` 上会出现一个 `TDC` 对象，暴露 4 个方法：

```javascript
window.TDC = {
    setData:  core.mSet,      // 设置额外数据（如 ft 字段）
    getData:  core.mGetData,  // 获取加密后的 collect ← 核心入口
    getInfo:  getInfoFunc,    // 获取 eks 环境信息
    clearTc:  core.mClear     // 清除采集数据
}
```

tdc.js 加载后立即调用 `core.mInit()` 开始采集行为数据（鼠标移动、键盘事件等）。

**阶段 3：用户交互**

用户看到验证码图片，依次点击指定的汉字。每次点击的坐标被记录为 `ans` 参数。与此同时，TDC 持续采集鼠标移动轨迹。

**阶段 4：提交验证**

用户点击完成后，前端脚本 dy-ele.js 执行以下操作：

```javascript
TDC.setData({ft: "qf_7Pf__H"});           // 设置额外数据
collect = decodeURIComponent(TDC.getData(true));  // 获取加密行为数据
eks = TDC.getInfo().info;                  // 获取环境信息
pow_answer = solvePow(pow_cfg);            // 求解 PoW

POST /cap_union_new_verify {
    collect, eks, tlg: collect.length,
    ans: JSON.stringify(clicks),
    sess, pow_answer, pow_calc_time, ...
}
```

**阶段 5：响应处理**

- 成功：返回 `ticket` + `randstr`，前端携带这两个值重新发起登录请求
- 失败：返回 `errorCode`（如 `"50"` 表示验证失败），同时返回新的 `sess`

### 2.3 参数分类

提交验证时有 8 个参数，但需要逆向的实际上只有 2 个：

| 参数 | 难度 | 说明 |
|------|------|------|
| `collect` | 核心难点 | TDC.getData(true) 生成的加密行为数据 |
| `eks` | 简单提取 | tdc.js 源码中的硬编码常量，正则提取即可 |
| `ans` | OCR 问题 | 用户点击坐标，明文 JSON |
| `pow_answer` | 简单 | MD5 碰撞，几行代码 |
| `sess` | 透传 | 从上一次响应中获取 |
| `tlg` | 无需逆向 | collect 字符串长度 |
| `pow_calc_time` | 无需逆向 | PoW 计算耗时 |
| `aid` | 固定值 | 接入方分配的 ID |

### 2.4 无状态架构

一个有意思的设计：服务端如何知道 XTEA 加密的密钥？

答案藏在 `eks` 字段里。eks 是一个 Base64 编码的 176 字节数据，实质上是 XTEA key + offsets + 元数据的**加密信封**。服务端生成 tdc.js 时，随机生成 XTEA key，用服务端主密钥加密后写入 tdc.js 源码中的一个全局变量。客户端原样回传 eks，服务端用主密钥解密即可还原 key。

这种设计实现了完全无状态的验证架构——服务端不需要存储任何 key-session 映射关系。

key 的生命周期与 tdc.js 绑定：页面加载时生成新 key，整个验证会话内不变（包括多次重试和刷新题目）。只有页面刷新重新加载 tdc.js 才会产生新 key。

---

## 三、CHAOS VM 逆向

### 3.1 VM 架构概览

打开 tdc.js，格式化后只有约 226 行。前几行是普通 JS 赋值（Date 代理函数、eks 常量），核心是一个名为 `__TENCENT_CHAOS_VM` 的函数，它定义了一个完整的栈式字节码虚拟机。

VM 的主循环极其简洁：

```javascript
for (var E = !1; !E;) E = U[k[N++]]();
```

三个核心变量：
- `N`：程序计数器（PC）
- `k`：指令流数组（操作码 + 操作数）
- `U`：操作码处理器表（handler 数组，约 70 个 slot，58 个有效）

每次循环取出 `k[N]` 作为操作码索引，调用 `U` 中对应的 handler 函数执行操作。handler 返回 `true` 时虚拟机停止。

字节码和字符串表的编码方式也很巧妙：

```javascript
// tdc.js 最后的调用
__TENCENT_CHAOS_VM(0, function(Q) {
    var B = Q[0],    // Base64 编码的字节码字符串
        F = Q[1],    // 字符串/常量表（数组）
        U = P(B),    // Base64 解码
        ...
    // 将字节码 charCode 和字符串表合并成指令流 k
})
```

Q 参数是一个大数组：`["NgMBAjQ0NgYB...", 偏移1, 值1, 偏移2, 值2, ...]`。Base64 解码后，每个字符的 charCode 作为操作码或操作数，字符串表按偏移位置插入指令流。最终产出一个约 45000 个元素的指令数组。

### 3.2 操作码自动识别

VM 的操作码表 `U` 是一个数组，每个元素是一个 handler 函数。问题是：每次加载 tdc.js，操作码在数组中的索引位置会变。比如"加法"操作这次在 `U[19]`，下次可能在 `U[37]`。

但 handler 函数的代码本身不变。我们通过分析每个 handler 的代码特征来识别它的语义：

```python
# opcode_mapper.py 中的部分匹配规则
# 每个 handler 的 JS 代码有唯一的特征签名
patterns = {
    'ADD':      lambda code: 'b+a' in code or 'a+b' in code,
    'SUB':      lambda code: 'b-a' in code,
    'MUL':      lambda code: 'b*a' in code,
    'SHL':      lambda code: '<<' in code and '>>>' not in code,
    'USHR':     lambda code: '>>>' in code,
    'PUSH_IMM': lambda code: 'k[N++]' in code and len(code) < 50,
    ...
}
```

58 个操作码涵盖了一个完整语言的基本操作：算术运算、位运算、比较、跳转、函数定义与调用、属性访问、数组操作等。每次拿到新的 tdc.js，自动识别一遍即可。

### 3.3 反汇编器实现

有了操作码映射，就可以将指令数组反汇编成可读的汇编代码。

反汇编器采用递归下降策略：

1. **字节码解码**：解析 tdc.js 源码，提取 Base64 字节码和字符串表，合并为指令数组
2. **函数边界识别**：`FUNC_DEF` 指令标记函数的起始 PC 和参数个数，据此拆分函数
3. **跳转目标标注**：`GOTO`、`JMP_IF`、`JMP_UNLESS` 指令的目标地址标注为 label
4. **按函数输出**：每个函数输出为独立的 `.asm` 文件

以 demo01 版本为例，反汇编产出 **214 个函数**、**24000+ 条指令**。一个典型的反汇编片段：

```asm
; func_15662.asm — module 13 的 .get 函数（18 条指令）
15662  PUSH_STR "Array"       ; 压入 "Array"
15664  LOAD_GLOBAL            ; window.Array
15665  CALL_NEW 0             ; new Array()
15667  STORE_VAR 5            ; M[5] = arr
15669  INIT_SLOT 5            ;
15671  PUSH_IMM 0             ;
15673  VAR_PROP               ; arr[0]
15674  PUSH_IMM 537691106     ; 立即数
15676  SET_PROP               ; arr[0] = 537691106
15677  PUSH_ARRAY 5           ;
15679  RETURN                 ; return arr
```

### 3.4 AI 在 VM 逆向中的角色

反汇编只是第一步。24000 条指令中，大部分是 37 个采集器模块的代码，真正的加密核心只有几百条。AI 在这一步的价值是**快速定位和理解**：

- 给 AI 一个函数的反汇编代码，它能直接还原为伪代码。比如看到 `PUSH_STR "charCodeAt"` → `VAR_PROP` → `LOAD_VAR 4` → `CALL_METHOD 1`，AI 可以立即识别这是 `string.charCodeAt(i)` 调用
- 面对 214 个函数，AI 能通过关键字搜索（如搜索包含 `2654435769` 的函数）快速定位 XTEA 加密核心
- 逐层深入：先理解顶层调用链（mGetData → get_collected → encrypt），再逐个分析子函数

整个 VM 逆向过程是一个"AI 精读 + 人工验证"的循环：AI 提出伪代码假设，人在浏览器中打断点验证。

---

## 四、XTEA 加密还原

### 4.1 算法定位

在 45000 个指令元素中，有一个数字极具辨识度：`2654435769`，即 `0x9E3779B9`——这是 TEA 系列加密算法的标志性 delta 常量，来源于黄金分割比。

在指令数组中搜索这个值，直接定位到 XTEA 核心函数（demo01 中是 func_9181，约 255 条指令）。从这个函数向上追溯调用链：

```
func_9181 (XTEA 核心) ← 被 func_7313 (主加密函数) 调用
func_7313 ← 被 func_10005 (导出包装) 调用
func_10005 ← 被 func_6186 (mGetData) 调用
func_6186 = TDC.getData 的实际实现
```

### 4.2 变化中的不变：Key 提取规则

Key 每次都变，但**提取 key 的方法是不变的**。这是"变化中找不变"这条主线在加密层面的体现。

XTEA 的 key 是 4 个 int32，由 4 个字符串通过小端序打包生成。每次 tdc.js 变化的是字符串内容和偏移值，但打包公式的**代码结构**不变：

```python
# 每个 key 元素的生成公式（不变）
key[index] = Σ (charCodeAt(string[i]) - offset) << (8 * i)    # i = 0..3

# 变化的是具体的 string、offset、index
```

难点在于**真假混淆**。主加密函数有 14 个子函数参与 key 构建，其中只有 4 个写入真实 key buffer（buf_A），其余 10 个写入诱饵 buffer（buf_B）。真实和诱饵使用**完全相同的字符串**（如 `"SUGU"` 同时出现在 buf_A 和 buf_B），仅凭字符串无法区分。

而且，真实 buffer 的 scope 索引每个版本都不同——版本 A 中 `M[9]` 是真实 key，版本 B 中 `M[8]` 才是。不能硬编码。

**不变的判别规则**：虽然索引在变，但 XTEA 函数**必须引用真实的 key buffer 才能加密**。所以我们从 XTEA 函数的 scope 声明出发，逆向追踪它引用的是哪个 buffer，再映射到父函数中找到写入该 buffer 的子函数——这条 scope chain 追踪逻辑是跨版本稳定的。

用同样的思路处理 XTEA 的运行时偏移值（每次加密时给特定 key 索引加的额外偏移）：偏移值本身每次不同，但它在字节码中的位置模式不变——总是作为 `PUSH_IMM` 指令嵌入在 XTEA 循环的条件分支中。搜索 XTEA 函数范围内符合特征的立即数，即可自动提取。

我们用 6 个不同版本的 tdc.js 验证了这套自动提取方案的正确性。

### 4.3 互联网调研

在动手实现之前，我们搜索了中英文社区（看雪、CSDN、知乎、GitHub、cn-sec.com 等），确认**没有人公开过从字节码中自动静态提取 key 的方法**。现有方案要么需要手动断点抓取（每次操作浏览器），要么走补环境路线（不提取 key，直接跑 tdc.js）。

我们的方案是：**纯静态分析字节码，自动提取 key**。不需要浏览器，不需要 Node.js，从 tdc.js 文本直接计算出 key 值。

---

## 五、collect 动态构造

### 5.1 collect 整体结构

`collect` 不是简单地"加密一段 JSON"。它由 4 段密文直接拼接而成：

```
collect = base64(xtea(chunk1_padded))
        + base64(xtea(trajectory_padded))
        + base64(xtea(chunk2_padded))
        + base64(xtea(sd_str))
```

- **chunk1**：`{"cd":[` + 轨迹前的指纹值（逗号分隔）+ `,`
- **trajectory**：鼠标轨迹数据 `[[x,y,t],[dx,dy,dt],...]`
- **chunk2**：`,` + 轨迹后的指纹值 + `],`
- **sd**：`"sd":{"od":"C","ft":"xxx"}}`

chunk1、trajectory、chunk2 在加密前用空格 pad 到 24 字节对齐（确保 Base64 编码后没有 `=` 填充符），sd 不 pad。4 段密文的 Base64 之间没有分隔符，直接拼接。

这个设计很聪明：因为每段都 pad 到 24 字节对齐，Base64 编码后没有 `=`，4 段拼起来看起来就是一个完整的 Base64 字符串。但解密时也可以整体 decode + decrypt，因为 XTEA 是 ECB 模式（每 8 字节独立加密）。

### 5.2 cd 数组与 37 个模块

`cd` 数组是 collect 的主体，包含了 37 个采集器模块的输出。这些模块采集各种浏览器指纹和环境信息：

| 类型 | 采集内容 | 值示例 |
|------|---------|--------|
| screen_fingerprint | 屏幕综合信息 | `"1512-982-900-30-*-*-\|-*"` |
| user_agent | navigator.userAgent | `"Mozilla/5.0..."` |
| canvas_fingerprint | Canvas 2D 指纹 | Base64 字符串 |
| webgl_renderer | WebGL 渲染器 | `"ANGLE..."` |
| hardwareConcurrency | CPU 核心数 | `14` |
| timezone | 时区偏移 | `"+08"` |
| webdriver_detect | 自动化检测 | `0` |
| trajectory | 鼠标轨迹 | 轨迹数组（加密后的密文） |
| ... | ... | ... |

37 个模块中：
- 31 个有标准 `.get` 导出，通过 `module.get()` 返回 `[value, secondary, type_flag]`
- 6 个无 `.get`（webdriver_detect、template_url、webrtc_ip、console_detect、timezone、dom_compliance），但仍产生 cd token
- guid_token 是 RAW 模式，一次产生多个逗号分隔的 token

### 5.3 核心挑战：模块 ID 每次都变

这是整个项目中最核心也最曲折的部分——它完美体现了"变化中找不变"的主题。

**问题**：tdc.js 每次加载时，37 个模块的 ID 随机重新分配。上一秒"模块 13"是 `user_agent`，下一秒"模块 13"可能变成 `timezone`。要正确构造 cd 数组，你必须知道每个模块 ID **这次**对应什么类型——而这个映射关系每次都不同。

这是补环境方案完全无法解决的问题。补环境可以跑出一个 `collect`，但它不知道 cd 数组中第 5 个位置是 `user_agent` 还是 `screen_width`。一旦你需要控制指纹值（比如随机化 UA 或屏幕分辨率来避免被检测），就必须知道每个位置填什么。

**失败的尝试 v1-v3**

我们尝试了 3 个版本的静态分析器，思路是"追踪每个模块 `.get` 函数的返回值来源"。从字节码中确实能找到正确的 JS API 字符串（如 `"userAgent"`、`"characterSet"`），但**位置映射全部错误**——类型识别是对的，分配给了错误的模块。

根因是 VM 的动态语义（变量自增、共享引用、运行时 scope 修改）无法通过纯静态分析推断。

**突破：代码变了位置，但没变内容**

失败三次后，我们重新审视了问题，发现了一个关键洞察：

> **tdc.js 的"动态化"是重新排列，不是重新生成。**

模块的 ID 变了、位置变了，但**每个模块的代码逻辑完全不变**。采集 `userAgent` 的模块，不管被分配到 ID 13 还是 ID 57，它的字节码里一定包含字符串 `"userAgent"`。采集 `timezone` 的模块，一定包含 `"getTimezoneOffset"`。

这就是不变量。

基于这个洞察，我们放弃了"追踪返回值"的思路，转而用**字符串集合 + 结构特征**作为指纹来识别模块类型：

```python
# module_fingerprint.py — 每个模块类型有唯一的字符串指纹
fingerprint_rules = {
    'user_agent':          {'userAgent'},
    'canvas_fingerprint':  {'getContext', '2d'},
    'webgl_renderer':      {'UNMASKED_RENDERER_WEBGL'},
    'timezone':            {'getTimezoneOffset'},
    'webdriver_detect':    {'$cdc_asdjflasutopfhvcZLmcfl_'},
    'webrtc_ip':           {'RTCPeerConnection'},
    ...
}
```

对于没有区分性字符串的通用模块（如两个都只有简单赋值的模块），用 `.get` 函数的指令数 + entry 函数的指令数 + 是否包含特定指令来区分。

结果：**3 个 tdc.js 版本、37 个模块、全部正确识别**，无一 unknown。从 v1 的全部错位到指纹方案的全部正确，关键不是更复杂的分析，而是换了一个更好的问题——不再问"这个模块返回什么值"，而是问"这个模块的代码长什么样"。

### 5.4 模块顺序还原

知道了每个模块 ID 对应的类型后，还需要知道它们在 cd 数组中的排列顺序。

这个顺序由编排函数决定。编排函数的字节码结构是固定的：按 `require_seq` 顺序依次调用每个模块，将模块对象 push 到数组中。从编排函数的字节码中提取所有 `PUSH_IMM mid` 指令，就得到了完整的模块调用顺序。

```python
# 从编排函数提取 require_seq
# demo01: [8,9,10,13,14,15,16,19,20,22,23(traj),1,28,29,32,35,36,37,38,39,40,41,48,49,50,51,53,55,56,57,58]
```

结合指纹识别结果，每个位置的类型就确定了。再根据类型查表填入对应的指纹值，就能生成正确的 cd JSON。

### 5.5 func_4310 构建逻辑

`func_4310` 是将 37 个模块的输出组装成 JSON 字符串并分段加密的核心函数，逻辑如下：

```python
output = '{"cd":['
first = True

for module in cd_array:
    if not module: continue
    value, secondary, type_flag = module.get()

if not first: output += ","
    first = False

if type_flag == 2:
        # 轨迹分界：加密当前累积的 chunk1
        encrypted = base64(xtea(pad_to_24(output)))
        traj_output = encrypted + value  # value 是模块内部已加密的轨迹
        output = ""  # 重置，开始 chunk2
    elif value is None:
        output += "null"
    elif isinstance(value, (int, float)):
        output += str(value or 0)  # falsy 数字变 0
    elif type_flag == 1:
        output += value  # RAW：不加引号
    else:
        output += '"' + value + '"'  # 字符串：加引号

if isinstance(secondary, (int, float)):
        output += "," + str(secondary or 0)

output += "],"
traj_output += base64(xtea(pad_to_24(output)))  # 加密 chunk2
```

几个细节：
- `type_flag == 2` 只有 trajectory 模块会触发，是分段加密的边界标记
- `type_flag == 1` 表示 RAW 输出（如 `[360,360]`），不加引号直接拼接
- `value || 0`：JS 中 `0 || 0` 结果为 `0`，但 `undefined || 0` 也是 `0`
- `secondary` 是部分模块的第二个返回值，作为额外的逗号分隔值输出

---

## 六、全流程打通

### 6.1 轨迹生成

验证码要求用户依次点击 3 个汉字，过程中 TDC 会采集完整的鼠标移动轨迹。轨迹格式：

```json
[[x, y, t],        // 第一个点：绝对坐标 + 时间偏移（毫秒）
 [dx, dy, dt],     // 后续点：相对上一个点的偏移
 [dx, dy, dt],
 ...
 [1, 1, 12]]       // 固定结尾标记
```

坐标系是相对于验证码容器 `tCaptchaDyContent`（360×360 像素），使用 `event.offsetX/Y`。注意这与 `ans` 参数的坐标系不同——`ans` 使用的是原始图片坐标（672×480）。

轨迹生成用贝塞尔曲线模拟真实鼠标移动：

```python
def generate_trajectory(click_points):
    trajectory = []
    last_x, last_y, last_t = 0, 0, 0

for i, (target_x, target_y) in enumerate(click_points):
        # 贝塞尔曲线生成从当前位置到目标的移动路径
        points = bezier_move(last_x, last_y, target_x, target_y)

for x, y, t in points:
            if not trajectory:
                trajectory.append([x, y, t])  # 第一个点用绝对值
            else:
                trajectory.append([x - last_x, y - last_y, t - last_t])
            last_x, last_y, last_t = x, y, t

trajectory.append([1, 1, 12])  # 结尾标记
    return trajectory
```

### 6.2 OCR 文字识别

验证码图片中，需要点击的汉字以黄色高亮显示在背景图上。识别流程：

1. **HSV 颜色空间分割**：将图片转为 HSV，提取黄色区域（H: 20-40, S: 100-255, V: 200-255）
2. **连通域分析**：找到独立的黄色文字区域，按面积过滤噪点
3. **PaddleOCR 识别**：对每个区域裁剪后送入 PaddleOCR v5 进行汉字识别
4. **匹配排序**：将识别结果与指令中的目标汉字匹配，按要求顺序排列

当前瓶颈是形近字的误识别。例如"边"和"芭"、"笆"在低分辨率下容易混淆。PaddleOCR 的识别准确率在 85% 左右，这直接影响了整体验证通过率。后续可以换用更强的 OCR 模型（如基于 Transformer 的方案）来优化。

### 6.3 指纹随机化

如果每次请求都用相同的浏览器指纹，很容易被服务端检测到异常。我们实现了指纹随机化：

```python
# fingerprint/profiles.json 定义了 6 款 Mac 设备画像
{
    "MacBook Pro 14 M3 Pro": {
        "screen": {"width": 1512, "height": 982, "colorDepth": 30},
        "webgl_renderer": "ANGLE (Apple, Apple M3 Pro, OpenGL 4.1)",
        "webgl_vendor": "Google Inc. (Apple)",
        "hardwareConcurrency": 12,
        "canvas_hash": "GgoAAAA...base64..."
    },
    "MacBook Air 13 M2": { ... },
    "iMac 24 M3": { ... },
    ...
}
```

每次请求随机选择一款设备画像，再随机组合 Chrome 版本（130-145）和 macOS 版本，生成一致的 User-Agent、sec-ch-ua headers 和环境变量。所有相关的指纹值（屏幕尺寸、WebGL 渲染器、CPU 核心数等）都从同一个画像中取，确保自洽。

### 6.4 PoW 求解

验证码提交前需要解决一个 PoW（工作量证明）：给定 `prefix` 和目标 MD5 前缀，找到一个 `nonce` 使得 `MD5(prefix + nonce)` 以目标前缀开头。

```python
import hashlib

def solve_pow(prefix, target):
    nonce = 0
    while True:
        candidate = f"{prefix}{nonce}"
        if hashlib.md5(candidate.encode()).hexdigest().startswith(target):
            return f"{prefix}#{nonce}"
        nonce += 1
```

通常几千到几万次尝试即可完成，耗时几十毫秒。

### 6.5 端到端编排

`full_flow.py` 是整个流程的编排器：

```python
def main():
    # 1. 生成随机指纹
    profile = random_profile()

# 2. prehandle 获取会话
    sess, pow_cfg, captcha_info = prehandle(profile)

# 3. 下载并解析 tdc.js
    tdc_js = download_tdc(sess)
    key, offsets, eks, module_types, require_seq, traj_index = parse_tdc(tdc_js)

# 4. 下载验证码图片 + OCR
    image = download_image(captcha_info)
    chars = locate_chars(image)  # HSV 分割 + PaddleOCR
    click_points = match_click_points(chars, captcha_info['instruction'])

# 5. 生成轨迹
    trajectory = generate_trajectory(click_points)

# 6. 构建 collect
    collect = build_collect(
        key, offsets, module_types, require_seq, traj_index,
        trajectory, profile, eks
    )

# 7. 求解 PoW
    pow_answer = solve_pow(pow_cfg)

# 8. 生成 ans
    ans = generate_ans(click_points)

# 9. 提交 verify
    result = verify(sess, collect, eks, ans, pow_answer)

if result.get('ticket'):
        print(f"验证通过！ticket: {result['ticket']}")
```

整个流程纯 Python 实现，不依赖浏览器环境，单次执行约 2-3 秒（主要耗时在网络请求和 OCR）。

---

## 七、工具介绍：JS Reverse MCP

### 7.1 为什么需要这个工具

传统 JS 逆向的工作流是：打开 DevTools → 搜索代码 → 手动打断点 → 触发操作 → 观察变量 → 记录到笔记。这个过程效率低、容易遗漏，且完全依赖人的经验。

AI 编码助手（如 Claude Code、Cursor、Copilot）擅长分析代码、识别模式、快速迭代方案。但它们有一个致命短板：**无法直接操控浏览器调试器**。AI 可以读反汇编代码并还原伪代码，但无法自己打个断点去验证。

市面上也有一些浏览器自动化的 MCP 工具（如 Playwright MCP、Puppeteer MCP），但它们的设计目标是**UI 自动化测试**，不是逆向分析。它们能点击按钮、填写表单、截取截图，但不能设断点、不能查看调用栈、不能 Hook 函数、不能在断点处求值表达式——而这些恰恰是 JS 逆向最核心的操作。

**JS Reverse MCP** 是专门为 JS 逆向分析设计的 MCP 服务器。它将 Chrome DevTools Protocol（CDP）的完整调试能力暴露为标准化的 MCP 工具，让 AI 能像经验丰富的逆向工程师一样操作 DevTools。

### 7.2 核心能力

JS Reverse MCP 提供了 30+ 个工具，覆盖 JS 逆向分析的完整链路：

**脚本分析**：列出页面所有 JS 脚本、在所有源码中搜索关键字、获取脚本源码（支持压缩代码的字符偏移定位）

**断点调试**：设置行断点、条件断点、XHR/Fetch 断点。支持 `set_breakpoint_on_text` —— 直接搜索代码文本自动设置断点，特别适合压缩代码（整个文件在一行上）

**执行控制**：暂停/恢复执行、step over / step into / step out。在断点处用 `evaluate_on_callframe` 求值任意表达式

**函数追踪**：`hook_function` 拦截全局函数或对象方法，记录每次调用的参数和返回值。`trace_function` 更强大——它能追踪 webpack/rollup 打包的模块内部函数，使用条件断点（logpoint）实现零侵入式日志

**网络分析**：查看请求详情和响应内容、获取请求发起的 JavaScript 调用栈（快速定位哪段代码触发了某个 API 请求）

**运行时检查**：深度检查对象结构和原型链、获取 cookies/localStorage/sessionStorage、监控 DOM 事件、截取页面截图

### 7.3 一般 AI 工具做不到的事

JS Reverse MCP 有几个在逆向场景中至关重要、但其他 AI 工具完全不具备的能力：

#### 跨域 iframe 切换

这是本项目中最关键的能力之一。腾讯验证码运行在跨域 iframe `turing.captcha.gtimg.com` 中，与宿主页面完全隔离。普通的浏览器自动化工具（Playwright MCP、Puppeteer MCP）只能操作主页面上下文，**无法进入跨域 iframe 的 JS 执行环境**。

JS Reverse MCP 通过 CDP 的 `Runtime.executionContextCreated` 事件追踪所有 frame 的执行上下文，支持自由切换：

```
AI: list_frames
→ [0] main frame: https://login.example.com
→ [1] tcaptcha_iframe_dy: https://turing.captcha.gtimg.com/...

AI: select_frame(1)   ← 切换到验证码 iframe

AI: evaluate_script(() => window.TDC)
→ {getData: ƒ, getInfo: ƒ, setData: ƒ, clearTc: ƒ}   ← 直接访问 TDC 对象！

AI: evaluate_script(() => TDC.getData(true))
→ "b4lpdxdUNOU90e5D..."   ← 拿到加密后的 collect
```

如果没有这个能力，AI 根本无法接触到验证码的核心对象 `TDC`，更无法验证加密逻辑的正确性。在整个项目的动态验证阶段，几乎每一次浏览器操作都需要先 `select_frame(1)` 切换到 iframe。

#### 过检测能力

现代网站普遍使用 `navigator.webdriver`、`window.chrome` 等属性检测自动化浏览器。Puppeteer 和 Playwright 默认会被检测到，导致页面行为异常（验证码无限弹出、数据采集结果异常等）。

JS Reverse MCP 支持**连接到用户已运行的 Chrome 实例**，而不是自己启动一个受控的浏览器：

```bash
# 用户自己启动 Chrome（完全正常的浏览器环境）
/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome \
    --remote-debugging-port=9222 --user-data-dir=/tmp/chrome-debug

# MCP 连接到这个已运行的 Chrome
claude mcp add js-reverse node /路径/build/src/index.js -- --browser-url=http://127.0.0.1:9222
```

这意味着：
- **零检测风险**：连接的是用户正常使用的 Chrome，没有任何自动化标记。`navigator.webdriver` 为 `false`，`window.chrome` 正常存在，所有指纹都是真实的
- **保留登录状态**：已登录的 cookie、localStorage 都在，不需要重新登录
- **真实环境调试**：在真实的、未被篡改的浏览器环境中调试，观察到的行为和数据与用户完全一致

这对于分析验证码这类场景至关重要——腾讯防水墙的 tdc.js 有 27 项自动化检测（包括 `navigator.webdriver`、`document.$cdc_asdjflasutopfhvcZLmcfl_` ChromeDriver 标记等），如果被检测到，采集到的行为数据会包含异常标记，服务端直接拒绝。

#### 断点处执行任意表达式

Playwright/Puppeteer MCP 只能执行页面级脚本（相当于在 console 中输入代码）。但 JS 逆向中最有价值的操作是**在断点处检查局部变量和闭包变量**——这些变量在全局作用域中不可见。

JS Reverse MCP 的 `evaluate_on_callframe` 可以在暂停的调用帧上下文中求值任意表达式：

```
AI: set_breakpoint(url="tdc.js", line=178, condition="H && H.find(...)")
用户: 触发验证

AI: get_paused_info   ← 获取调用栈和 scope 变量
AI: evaluate_on_callframe("H[9][0]")   ← 提取闭包中的 XTEA key
→ [1466650466, 1112888626, 1363366223, 1112430392]
```

在本项目中，XTEA 的 key buffer 存在于 VM 的闭包 scope 中，从全局作用域完全不可见。没有断点处求值的能力，就无法验证从字节码中静态提取的 key 是否正确。

### 7.4 在本项目中的实际应用

这个工具贯穿了整个逆向分析过程：

**请求分析阶段**：用 `list_network_requests` 过滤 XHR/Fetch 请求，找到 `cap_union_new_verify` 接口。用 `get_network_request` 查看请求参数，识别出 `collect`、`eks` 等加密字段。

**入口定位阶段**：用 `break_on_xhr("cap_union_new_verify")` 设置 XHR 断点 → 触发验证 → `get_paused_info()` 获取完整的 JavaScript 调用栈，直接从请求倒推到加密函数的入口。

**Key 验证阶段**：在 XTEA 函数入口设置条件断点 → 用 `evaluate_on_callframe` 在断点处提取运行时的 key 和 scope 变量 → 与 Python 静态提取的结果对比验证。

**iframe 切换**：验证码运行在跨域 iframe 中。用 `list_frames` 列出所有 frame → `select_frame(1)` 切换到 `tcaptcha_iframe_dy` → 然后就可以在 iframe 上下文中执行脚本，直接调用 `TDC.getData(true)`。

**Hook 拦截**：用 `hook_function("encodeURIComponent")` 拦截 URL 编码函数，抓取 collect 加密后、URL 编码前的原始数据。用 `hook_function("String.fromCharCode")` 捕获 XTEA 加密输出的字节拆分过程（298 次调用 = 298 个 int32 = 1192 字节密文）。

**源码搜索**：用 `search_in_sources("2654435769")` 在所有加载的脚本中搜索 XTEA delta 常量，虽然 tdc.js 通过 blob URL 加载（CDP 无法直接列出），但搜索功能仍能覆盖。

### 7.5 安装与配置

**GitHub 地址**：<mark class="encrypted">5e6K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6*7K9r3W2*7K9s2g2G2k6r3g2E0j5h3!0Q4x3V1k6B7M7#2)9J5k6s2u0W2N6X3g2J5M7$3g2Q4x3X3c8E0j5%4l9`.</mark>

```bash
# 克隆并构建
git clone https://github.com/zhizhuodemao/js-reverse-mcp.git
cd js-reverse-mcp
npm install
npm run build
```

配置到 AI 编码助手：

```bash
# Claude Code
claude mcp add js-reverse node /路径/js-reverse-mcp/build/src/index.js

# 连接已运行的 Chrome（推荐，保留登录状态和 cookie）
# 先启动 Chrome：
/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome \
    --remote-debugging-port=9222 --user-data-dir=/tmp/chrome-debug

# 再配置 MCP 连接：
claude mcp add js-reverse node /路径/js-reverse-mcp/build/src/index.js -- --browser-url=http://127.0.0.1:9222
```

Cursor 和 VS Code Copilot 也支持，在 MCP 设置中添加相同的配置即可。

### 7.6 典型工作流

一个完整的 AI 驱动逆向分析流程：

```
你: "帮我分析这个页面的登录请求是怎么加密的"

AI: list_network_requests → 找到 POST /api/login，发现 header 中有 x-sign 加密参数
AI: get_request_initiator → 获取调用栈，定位到 encrypt() 函数
AI: search_in_sources("x-sign") → 找到 x-sign 赋值的代码位置
AI: set_breakpoint_on_text("x-sign") → 在赋值处设断点

你: 刷新页面，点击登录

AI: get_paused_info → 查看当前作用域变量，发现 sign = hmacSHA256(body, key)
AI: evaluate_on_callframe("key") → 提取密钥值
AI: step_into → 进入 hmacSHA256 函数，确认算法细节
AI: resume → 继续执行

AI: "分析完成。x-sign = HMAC-SHA256(请求体, 固定密钥)，密钥是 ..."
```

整个过程中，你只需要操作浏览器触发请求，AI 负责所有的调试和分析工作。

---

## 八、总结与思考

### 8.1 AI 的实际贡献

回顾整个项目，AI 在以下方面提供了实质性帮助：

**字节码精读与伪代码还原**。面对 24000+ 条反汇编指令，AI 能快速将指令序列还原为可读的伪代码。一个 300 条指令的函数，人工分析可能需要半天，AI 几分钟就能给出伪代码初稿。

**模式识别**。从 14 个 key 构建子函数中识别真实 vs 诱饵的判别规则，从 37 个模块的字节码中提取指纹特征——这类"在大量相似代码中找差异"的任务，AI 比人高效得多。

**方案迭代速度**。模块分析器从 v1 到 v2 到 v3 再到最终的指纹方案，每次迭代都涉及重构核心逻辑。AI 让每次迭代的成本从"几天"降到了"几小时"。

**跨文件关联**。追踪 scope chain（从 XTEA 函数的 M[7] → parent 的 M[X] → encrypt 的 M[Y]）、函数调用链（mGetData → get_collected → encrypt → XTEA）、模块注册映射（PUSH_IMM mid → FUNC_DEF）——这类需要在多个文件间跳转关联的任务，AI 的工作记忆是关键优势。

### 8.2 AI 做不好的部分

**JS 位运算语义**。`+` 不截断但 `<<` 截断的差异，AI 在第一次实现时没有正确处理。这类"语言规范的细微之处"需要人工提醒和验证。

**VM 动态行为推断**。`LOAD_DYN`（动态加载变量）、共享引用赋值、运行时 scope 修改——这些只有在 VM 实际执行时才能确定的行为，AI 的静态分析无法推断。模块分析器 v1-v3 的失败就是因为试图用静态分析解决本质上是动态的问题。

**创造性突破**。从"逐个分析每个模块返回什么值"到"用指纹识别模块类型"的思路转换，是一个关键的创造性跳跃。AI 在已有思路上迭代很快，但提出全新思路的能力仍有限。这个转换是人工观察到"模块代码语义不变，只是 ID 变了"后提出的。

### 8.3 变化中找不变：方法论回顾

回顾整个项目，核心方法论可以概括为一句话：**在每次都变的代码中，找到跨版本不变的结构特征，然后基于这些不变量构建自动化提取管线。**

| 层面 | 每次变化的 | 跨版本不变的 | 提取方法 |
|------|-----------|-------------|---------|
| 操作码 | handler 在数组中的索引 | handler 函数的代码特征 | 代码模式匹配 |
| XTEA key | 4 个 int32 的值 | 打包公式的字节码结构 | scope chain 追踪 |
| key 偏移 | 偏移值的大小 | 偏移值在字节码中的位置模式 | 特征搜索 |
| 真/假 key | buffer 的 scope 索引 | XTEA 必须引用真实 buffer | scope 追踪 |
| 模块 ID | 37 个模块的 ID 分配 | 每个模块的代码语义和字符串集合 | 字符串指纹 |
| 模块顺序 | cd 数组中的排列 | 编排函数的字节码结构 | 提取 require_seq |

这条路比补环境难得多，但收益也大得多：每个参数都在掌控中，可以精确控制指纹值、随机化设备画像、构造逼真的行为轨迹。

### 8.4 安全对抗趋势

腾讯 CHAOS VM 的动态化设计确实增加了逆向成本——你不能做一次分析就硬编码结果，必须实现自动化的解析管线。但它的软肋在于：**动态化是"重新排列"，不是"重新生成"**。模块代码不变，只是换了 ID 和位置，这给了指纹识别的机会。

如果未来对模块代码本身也进行变换（如指令替换、插入花指令、变量名混淆），指纹识别的难度会大幅增加。但这也会增加服务端的生成成本和 JS 体积。攻防永远是成本的博弈。

AI 工具的介入正在改变这个博弈的平衡点。过去需要一个经验丰富的逆向工程师花几周完成的工作，现在一个了解基本原理的开发者配合 AI 和专用工具（如 JS Reverse MCP）可以在几天内完成。

回复或点赞可查看完整内容

传递专业知识、拓宽行业人脉——看雪讲师团队等你加入！！

最后于 2026-2-28 15:35 被执着的猫编辑，原因：

#其他

收藏・43

点赞・245

打赏

赞赏记录

参与人

雪币

留言

时间

mb_cxdpjdsd

感谢你分享这么好的资源！

1天前

git_67235Quocdev03

谢谢你的细致分析，受益匪浅！

6天前

mb_dvqqrcce

谢谢你的细致分析，受益匪浅！

2026-9-11 17:18

git_51951meggadf3df

非常支持你的观点！

2026-9-11 02:52

晨曦。

为你点赞！

2026-9-9 07:38

铭信

你的帖子非常有用，感谢分享！

2026-9-7 21:56

mb_zdzjnhmc

为你点赞！

2026-9-7 19:50

mb_qntdycms

非常支持你的观点！

2026-9-2 22:34

mb_bcgfbzfy

你的分享对大家帮助很大，非常感谢！

2026-9-2 00:21

wx_Deity

感谢你分享这么好的资源！

2026-9-1 17:11

chickenfit

期待更多优质内容的分享，论坛有你更精彩！

2026-9-1 10:10

mb_cawopqfr

你的分享对大家帮助很大，非常感谢！

2026-8-30 19:56

mb_jcawcirk

为你点赞！

2026-8-30 19:34

jayson_wang

感谢你的贡献，论坛因你而更加精彩！

2026-8-30 17:27

mb_vvrqbzst

你的分享对大家帮助很大，非常感谢！

2026-8-30 00:08

亮亮0107

感谢你分享这么好的资源！

2026-8-29 15:19

lychee

非常支持你的观点！

2026-8-26 00:13

git_82427whis11

你的分享对大家帮助很大，非常感谢！

2026-8-25 21:14

mb_reyfinlv

你的分享对大家帮助很大，非常感谢！

2026-8-24 15:57

gtict

为你点赞！

2026-8-24 13:34

mb_nuomemmo

你的分享对大家帮助很大，非常感谢！

2026-8-22 00:02

千屈

感谢你分享这么好的资源！

2026-8-21 22:45

mb_lthgjpwj

为你点赞！

2026-8-21 08:07

1RHorizon

期待更多优质内容的分享，论坛有你更精彩！

2026-8-20 13:57

二木先生

这个讨论对我很有帮助，谢谢！

2026-8-18 16:13

mb_spexjlbb

你的帖子非常有用，感谢分享！

2026-8-17 09:06

leiusurely

非常支持你的观点！

2026-8-17 07:51

mb_phossfny

你的分享对大家帮助很大，非常感谢！

2026-8-15 01:04

mb_tseughrh

你的分享对大家帮助很大，非常感谢！

2026-8-14 00:29

U_M_R

感谢你的积极参与，期待更多精彩内容！

2026-8-13 16:04

blanke

期待更多优质内容的分享，论坛有你更精彩！

2026-8-13 11:12

mb_fnhnpexj

你的分享对大家帮助很大，非常感谢！

2026-8-13 00:19

mb_kvvvwhmo

你的分享对大家帮助很大，非常感谢！

2026-8-12 00:34

mb_qzedasmm

你的分享对大家帮助很大，非常感谢！

2026-8-12 00:32

sheyestherrr

这个讨论对我很有帮助，谢谢！

2026-8-10 21:59

mb_xksvswcb

感谢你分享这么好的资源！

2026-8-10 16:47

lpyqwq

你的帖子非常有用，感谢分享！

2026-8-8 11:06

jhthaotian

你的分享对大家帮助很大，非常感谢！

2026-8-7 16:02

aizhiqun

谢谢你的细致分析，受益匪浅！

2026-8-6 21:21

mb_bnjbcdzy

你的分享对大家帮助很大，非常感谢！

2026-8-6 00:22

v0id_

感谢你的积极参与，期待更多精彩内容！

2026-8-5 16:31

mb_vqfofemv

非常支持你的观点！

2026-8-3 18:31

mb_jymresnr

感谢你的积极参与，期待更多精彩内容！

2026-8-2 10:50

mystica

这个讨论对我很有帮助，谢谢！

2026-8-1 14:18

聂风云

非常支持你的观点！

2026-7-31 06:35

mb_uhhezopd

为你点赞！

2026-7-29 01:05

mb_xultgqpf

你的分享对大家帮助很大，非常感谢！

2026-7-29 00:13

chenzhouch

期待更多优质内容的分享，论坛有你更精彩！

2026-7-27 13:47

wx_红尘自破

感谢你的贡献，论坛因你而更加精彩！

2026-7-24 11:15

mb_nurasyvl

你的分享对大家帮助很大，非常感谢！

2026-7-24 10:42

null_root

这个讨论对我很有帮助，谢谢！

2026-7-24 00:40

uid0

感谢你分享这么好的资源！

2026-7-24 00:33

zx_yuny

你的帖子非常有用，感谢分享！

2026-7-22 17:36

Hades一KXXY

为你点赞！

2026-7-22 17:35

0xLazyBug

你的帖子非常有用，感谢分享！

2026-7-22 15:49

纸鸢花的花语

为你点赞！

2026-7-21 22:01

hostname

感谢你的积极参与，期待更多精彩内容！

2026-7-21 11:32

lvcoffee

谢谢你的细致分析，受益匪浅！

2026-7-20 11:27

mb_sugmkwgp

非常支持你的观点！

2026-7-19 18:26

遥远的星际

谢谢你的细致分析，受益匪浅！

2026-7-18 20:22

wx_月亮经过

你的分享对大家帮助很大，非常感谢！

2026-7-17 11:01

wx_晨梦

为你点赞！

2026-7-16 07:57

mb_fxlgpykp

你的分享对大家帮助很大，非常感谢！

2026-7-15 15:06

hmyujian

谢谢你的细致分析，受益匪浅！

2026-7-15 05:19

alidaxia

这个讨论对我很有帮助，谢谢！

2026-7-14 20:05

afishlong

为你点赞！

2026-7-14 18:41

z_d_p

为你点赞！

2026-7-14 16:27

LuoJunJunJun

感谢你分享这么好的资源！

2026-7-13 15:02

蜕无痕

你的分享对大家帮助很大，非常感谢！

2026-7-8 14:58

mb_lspjevor

感谢你的贡献，论坛因你而更加精彩！

2026-7-8 11:53

moyujojo

你的帖子非常有用，感谢分享！

2026-7-8 10:09

zxhk

感谢你的积极参与，期待更多精彩内容！

2026-7-8 00:30

git_97773mripikwoielm

非常支持你的观点！

2026-7-7 22:12

DriverUnload

你的分享对大家帮助很大，非常感谢！

2026-7-6 17:24

Dr_Knox

期待更多优质内容的分享，论坛有你更精彩！

2026-7-6 13:25

mb_mkejyonc

为你点赞！

2026-7-5 02:00

Bonnie-Ran

你的分享对大家帮助很大，非常感谢！

2026-7-3 22:04

微笑:)

你的分享对大家帮助很大，非常感谢！

2026-7-3 13:43

libc

非常支持你的观点！

2026-7-2 23:57

fengyuan_

感谢你分享这么好的资源！

2026-7-2 18:40

mb_comgmvxn

你的帖子非常有用，感谢分享！

2026-7-2 15:46

mb_cvjhpchn

你的分享对大家帮助很大，非常感谢！

2026-7-1 01:51

mb_gctkjhqx

感谢你的贡献，论坛因你而更加精彩！

2026-6-30 16:30

mb_krvgkzor

这个讨论对我很有帮助，谢谢！

2026-6-30 10:19

eagletier

期待更多优质内容的分享，论坛有你更精彩！

2026-6-29 00:37

mb_vrovbvfc

这个讨论对我很有帮助，谢谢！

2026-6-28 21:27

lialong

感谢你的积极参与，期待更多精彩内容！

2026-6-26 00:23

andy张刘

你的分享对大家帮助很大，非常感谢！

2026-6-24 16:47

长剑一杯酒

你的帖子非常有用，感谢分享！

2026-6-23 20:47

foamcold

你的分享对大家帮助很大，非常感谢！

2026-6-21 20:09

git_61026Rimchars

这个讨论对我很有帮助，谢谢！

2026-6-21 19:07

git_77269qarudeka

谢谢你的细致分析，受益匪浅！

2026-6-17 23:45

mb_hvqxihom

感谢你的贡献，论坛因你而更加精彩！

2026-6-17 15:00

mb_wmoqgpfb

为你点赞！

2026-6-13 20:40

血音乐

谢谢你的细致分析，受益匪浅！

2026-6-12 19:39

mb_rkazhnlk

为你点赞！

2026-6-12 19:10

mb_azhbwglp

为你点赞！

2026-6-11 20:19

mb_bsvjdfrr

你的分享对大家帮助很大，非常感谢！

2026-6-11 01:10

XiaoMo

谢谢你的细致分析，受益匪浅！

2026-6-10 20:12

mb_vxtcight

非常支持你的观点！

2026-6-10 13:53

jjjo

为你点赞！

2026-6-8 10:42

mb_nsjsxlqy

感谢你的积极参与，期待更多精彩内容！

2026-6-4 17:00

mb_fwhiplbc

非常支持你的观点！

2026-6-1 18:34

mb_jisgifyc

谢谢你的细致分析，受益匪浅！

2026-6-1 16:27

李我爱你

谢谢你的细致分析，受益匪浅！

2026-6-1 11:56

mb_oumdhrfh

非常支持你的观点！

2026-5-29 20:06

呆呆呆呆

你的分享对大家帮助很大，非常感谢！

2026-5-29 18:20

_小新

为你点赞！

2026-5-28 15:19

Cure.

感谢你的积极参与，期待更多精彩内容！

2026-5-27 16:22

mb_pfsyglzv

感谢你分享这么好的资源！

2026-5-25 21:04

mb_mxgnavsi

感谢你的积极参与，期待更多精彩内容！

2026-5-25 10:28

mb_bffiregn

期待更多优质内容的分享，论坛有你更精彩！

2026-5-23 22:16

mb_fhvyokic

你的帖子非常有用，感谢分享！

2026-5-22 20:24

git_14035Mm100405

期待更多优质内容的分享，论坛有你更精彩！

2026-5-21 16:13

Kr1s

非常支持你的观点！

2026-5-21 16:12

mb_ycerxfzi

你的分享对大家帮助很大，非常感谢！

2026-5-21 10:59

上网鱼

你的帖子非常有用，感谢分享！

2026-5-20 08:39

mb_eozbcmcf

感谢你分享这么好的资源！

2026-5-19 04:57

看海518

你的帖子非常有用，感谢分享！

2026-5-18 22:01

iCookiie

为你点赞！

2026-5-17 17:50

mb_rdvjnfkc

为你点赞！

2026-5-17 17:42

mb_cvidrpyo

你的帖子非常有用，感谢分享！

2026-5-17 14:55

mb_ejekfyqx

你的分享对大家帮助很大，非常感谢！

2026-5-17 14:25

mb_gtijekpz

为你点赞！

2026-5-15 11:39

mb_miaybhzp

你的帖子非常有用，感谢分享！

2026-5-15 00:00

虎鳗

谢谢你的细致分析，受益匪浅！

2026-5-14 14:59

zxxxx

这个讨论对我很有帮助，谢谢！

2026-5-13 15:30

mb_vzvuimyh

谢谢你的细致分析，受益匪浅！

2026-5-13 15:10

mb_gatolgsc

你的帖子非常有用，感谢分享！

2026-5-12 23:58

mb_eezbyhux

你的分享对大家帮助很大，非常感谢！

2026-5-9 17:57

Y6blNU1L

这个讨论对我很有帮助，谢谢！

2026-5-8 16:03

mb_mltcuqkd

为你点赞！

2026-5-8 11:16

梧桐生

你的分享对大家帮助很大，非常感谢！

2026-5-7 18:47

wjdidi

非常支持你的观点！

2026-5-7 09:14

mb_nofqtpir

为你点赞！

2026-5-6 14:23

mb_xtrpovjn

为你点赞！

2026-5-5 21:44

madsome

为你点赞！

2026-5-5 10:33

程序原

非常支持你的观点！

2026-5-4 06:32

mb_rfxnvwjv

谢谢你的细致分析，受益匪浅！

2026-5-2 19:54

wonghouleong

为你点赞！

2026-5-2 19:49

mb_irwnwden

感谢你分享这么好的资源！

2026-5-2 12:39

kaokaoyou

这个讨论对我很有帮助，谢谢！

2026-5-2 02:27

doduhuang

这个讨论对我很有帮助，谢谢！

2026-5-2 01:00

mb_uybperis

为你点赞！

2026-4-29 23:36

mb_gvpwphsw

感谢你的积极参与，期待更多精彩内容！

2026-4-29 22:27

kagayaki

期待更多优质内容的分享，论坛有你更精彩！

2026-4-29 21:52

x500x

感谢你的贡献，论坛因你而更加精彩！

2026-4-29 21:30

mb_rdtnfatx

这个讨论对我很有帮助，谢谢！

2026-4-29 15:04

mb_rhpdcerm

为你点赞！

2026-4-28 22:46

mb_rwrgttny

感谢你的贡献，论坛因你而更加精彩！

2026-4-28 16:21

mb_fdvtaidh

感谢你分享这么好的资源！

2026-4-28 14:52

mb_wptnghgx

这个讨论对我很有帮助，谢谢！

2026-4-25 03:55

江有川Jason

你的帖子非常有用，感谢分享！

2026-4-24 12:43

mb_jkmwzbwu

感谢你的积极参与，期待更多精彩内容！

2026-4-24 10:53

mb_wxrockdx

这个讨论对我很有帮助，谢谢！

2026-4-23 16:29

mb_gqyogfde

你的帖子非常有用，感谢分享！

2026-4-22 19:37

mb_dgjazyzk

为你点赞！

2026-4-22 15:17

mb_zqdbipgn

期待更多优质内容的分享，论坛有你更精彩！

2026-4-22 11:02

mb_jahwrglx

感谢你分享这么好的资源！

2026-4-22 10:50

mb_zznqfzqh

期待更多优质内容的分享，论坛有你更精彩！

2026-4-21 12:04

mb_rnzntnun

为你点赞！

2026-4-20 02:04

mb_dcxezzzn

感谢你分享这么好的资源！

2026-4-19 13:55

mb_kxjktxfv

你的帖子非常有用，感谢分享！

2026-4-18 17:57

mb_jsitvrum

这个讨论对我很有帮助，谢谢！

2026-4-18 14:36

mb_fjtdptaz

感谢你分享这么好的资源！

2026-4-18 11:05

git_62791angcho7919

为你点赞！

2026-4-16 23:15

mb_kyfqgtye

为你点赞！

2026-4-16 15:54

mb_cewmovav

为你点赞！

2026-4-16 11:23

mb_ffhjqale

这个讨论对我很有帮助，谢谢！

2026-4-13 21:53

chuyuan178

为你点赞！

2026-4-13 14:18

mb_gjttoonf

你的帖子非常有用，感谢分享！

2026-4-11 12:31

nianchu

这个讨论对我很有帮助，谢谢！

2026-4-8 22:37

yzmm0

感谢你分享这么好的资源！

2026-4-8 16:16

爆浆鸡排J

期待更多优质内容的分享，论坛有你更精彩！

2026-4-8 12:58

mb_slvvxlbn

感谢你的贡献，论坛因你而更加精彩！

2026-4-4 01:14

mb_redsxhkk

为你点赞！

2026-4-3 01:03

mb_ggwryilo

期待更多优质内容的分享，论坛有你更精彩！

2026-3-30 16:46

mb_swjttvjq

谢谢你的细致分析，受益匪浅！

2026-3-28 14:13

mb_tyheksof

感谢你分享这么好的资源！

2026-3-27 14:42

ldljlzw

为你点赞！

2026-3-26 09:08

打工是不可能打工的

这个讨论对我很有帮助，谢谢！

2026-3-26 06:25

git_44485fengwind2006

期待更多优质内容的分享，论坛有你更精彩！

2026-3-25 17:56

mb_czouwwwh

非常支持你的观点！

2026-3-25 16:14

Max_hhg

为你点赞！

2026-3-25 15:58

mb_xzeurggz

这个讨论对我很有帮助，谢谢！

2026-3-25 11:53

SGSGsama

你的分享对大家帮助很大，非常感谢！

2026-3-23 16:01

mb_whpjlctd

为你点赞！

2026-3-23 11:52

mb_xrhmetpo

这个讨论对我很有帮助，谢谢！

2026-3-22 15:05

la0shiren

这个讨论对我很有帮助，谢谢！

2026-3-19 15:05

wx_Chance.vi

你的分享对大家帮助很大，非常感谢！

2026-3-19 10:32

console_

为你点赞！

2026-3-18 10:37

Foodie

感谢你的贡献，论坛因你而更加精彩！

2026-3-18 10:14

Canrad

这个讨论对我很有帮助，谢谢！

2026-3-16 19:16

frankyxu

这个讨论对我很有帮助，谢谢！

2026-3-16 17:08

sergiojune

谢谢你的细致分析，受益匪浅！

2026-3-16 14:35

mb_ieeyzety

你的帖子非常有用，感谢分享！

2026-3-16 14:34

mb_pvudcdpc

感谢你分享这么好的资源！

2026-3-16 13:52

ONewTach

感谢你的积极参与，期待更多精彩内容！

2026-3-16 08:53

mb_tvuiswau

为你点赞！

2026-3-15 05:40

影光

感谢你的贡献，论坛因你而更加精彩！

2026-3-13 21:38

Qira

你的分享对大家帮助很大，非常感谢！

2026-3-13 16:53

mb_dtidoewd

为你点赞！

2026-3-13 10:51

王叔叔

感谢你分享这么好的资源！

2026-3-13 10:47

Smartlhq

非常支持你的观点！

2026-3-12 23:49

mb_disdapvb

你的分享对大家帮助很大，非常感谢！

2026-3-12 23:17

mb_njvrxitq

为你点赞！

2026-3-12 18:58

Janeho117

感谢你分享这么好的资源！

2026-3-12 17:27

mb_hizkgenz

谢谢你的细致分析，受益匪浅！

2026-3-12 16:53

mb_eqyftgqr

非常支持你的观点！

2026-3-12 15:46

sun-shine

你的帖子非常有用，感谢分享！

2026-3-12 10:33

辉尽

谢谢你的细致分析，受益匪浅！

2026-3-11 19:00

kupei

感谢你的积极参与，期待更多精彩内容！

2026-3-11 11:13

wx_-_127

谢谢你的细致分析，受益匪浅！

2026-3-11 10:05

小马_code

你的帖子非常有用，感谢分享！

2026-3-11 01:12

yxnwh

非常支持你的观点！

2026-3-9 22:34

wx_funcrever

这个讨论对我很有帮助，谢谢！

2026-3-9 18:37

LooKoo

为你点赞！

2026-3-8 16:59

孤独的街

你的帖子非常有用，感谢分享！

2026-3-8 12:45

samshine

你的分享对大家帮助很大，非常感谢！

2026-3-6 14:54

我的小拇指啊

这个讨论对我很有帮助，谢谢！

2026-3-5 18:50

qqizai

感谢你分享这么好的资源！

2026-3-5 18:10

nekomiao

期待更多优质内容的分享，论坛有你更精彩！

2026-3-5 09:28

mb_zsmeyemp

感谢你的积极参与，期待更多精彩内容！

2026-3-3 20:17

anthropj

你的帖子非常有用，感谢分享！

2026-3-3 17:55

Harpe

期待更多优质内容的分享，论坛有你更精彩！

2026-3-3 09:38

darbra

非常支持你的观点！

2026-3-2 17:20

岁月。

感谢你的积极参与，期待更多精彩内容！

2026-3-2 12:09

周游列国

你的分享对大家帮助很大，非常感谢！

2026-3-2 11:54

ptr1234565

谢谢你的细致分析，受益匪浅！

2026-3-2 10:52

mb_ovfonqtb

你的帖子非常有用，感谢分享！

2026-3-2 10:30

Imxz

感谢你分享这么好的资源！

2026-3-2 10:25

Kisesy

感谢你的贡献，论坛因你而更加精彩！

2026-3-1 20:34

wx_春风十里

你的帖子非常有用，感谢分享！

2026-3-1 18:35

fogSea

感谢你的积极参与，期待更多精彩内容！

2026-3-1 10:04

Ot²

期待更多优质内容的分享，论坛有你更精彩！

2026-3-1 09:55

顽劣

感谢你的贡献，论坛因你而更加精彩！

2026-3-1 01:48

nonovo

这个讨论对我很有帮助，谢谢！

2026-2-28 20:18

Rocky虞

感谢你分享这么好的资源！

2026-2-28 18:17

huangyalei

谢谢你的细致分析，受益匪浅！

2026-2-28 17:19

陈某人

谢谢你的细致分析，受益匪浅！

2026-2-28 17:18

令狐双

感谢你分享这么好的资源！

2026-2-28 17:11

fu11p7r

为你点赞！

2026-2-28 16:19

laifuling

感谢你的贡献，论坛因你而更加精彩！

2026-2-28 16:00

superjj

你的分享对大家帮助很大，非常感谢！

2026-2-28 15:47

juice4fun

期待更多优质内容的分享，论坛有你更精彩！

2026-2-28 15:21

最新回复 (221) 1 2 3 4 5 6 7 8 9 ▶
mb_ldbucrik 雪币： 6 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 691 粉丝 7 关注私信	mb_ldbucrik 2 楼感谢分享 2026-2-28 15:43 2
mb_asiwnxyv 雪币： 6 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 100 粉丝 0 关注私信	mb_asiwnxyv 3 楼感谢分享 2026-2-28 19:50 1
fjqisba 雪币： 318 活跃值： (9633) 能力值： ( LV7，RANK：102 ) 在线值：发帖 18 回帖 347 粉丝 87 关注私信	fjqisba 4 楼 2026-2-28 19:58 0
mb_yxzahbyi 雪币： 222 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 5 粉丝 0 关注私信	mb_yxzahbyi 5 楼看看 2026-2-28 20:06 0
godiand 雪币： 3 活跃值： (1259) 能力值： ( LV2，RANK：10 ) 在线值：发帖 1 回帖 56 粉丝 0 关注私信	godiand 6 楼感谢分享学习 2026-3-1 21:47 0
Imxz 雪币： 112 活跃值： (9420) 能力值： ( LV2，RANK：10 ) 在线值：发帖 6 回帖 752 粉丝 9 关注私信	Imxz 7 楼 tql 2026-3-2 10:13 0
kccp 雪币： 14 活跃值： (740) 能力值： ( LV2，RANK：10 ) 在线值：发帖 3 回帖 83 粉丝 0 关注私信	kccp 8 楼 111 2026-3-2 11:19 0
mb_lghhumnu 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 22 粉丝 0 关注私信	mb_lghhumnu 9 楼 666 2026-3-5 16:33 0
九黎雪币： 51 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 92 粉丝 0 关注私信	九黎 10 楼 666 2026-3-5 18:02 0
mb_hgstwdka 雪币：能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 1 粉丝 0 关注私信	mb_hgstwdka 11 楼 tql 2026-3-6 13:52 0
mb_pesxllvn 雪币： 378 能力值： ( LV1，RANK：0 ) 在线值：发帖 1 回帖 122 粉丝 2 关注私信	mb_pesxllvn 12 楼 666 2026-3-6 16:48 0
mb_ifjlatem 雪币： 10 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 66 粉丝 0 关注私信	mb_ifjlatem 13 楼 666 2026-3-6 17:59 0
Snowman_Liam 雪币： 4 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 138 粉丝 1 关注私信	Snowman_Liam 14 楼 666 2026-3-6 18:09 0
wx_何少_366 雪币： 205 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 4 粉丝 0 关注私信	wx_何少_366 15 楼 666 2026-3-8 10:27 0
mb_ybvqgbkl 雪币： 263 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 37 粉丝 1 关注私信	mb_ybvqgbkl 16 楼 666666 2026-3-8 16:24 0
我joker 雪币： 200 活跃值： (116) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 2 粉丝 0 关注私信	我joker 17 楼 666666 2026-3-10 16:53 0
mb_powwxesw 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 3 粉丝 0 关注私信	mb_powwxesw 18 楼 66666 2026-3-12 10:04 0
lancer_444864 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 1 粉丝 0 关注私信	lancer_444864 19 楼 666666666 2026-3-12 10:11 0
pan_634488 雪币： 0 活跃值： (1505) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 71 粉丝 0 关注私信	pan_634488 20 楼 666666 2026-3-12 14:09 0
mb_turetepw 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 5 粉丝 0 关注私信	mb_turetepw 21 楼感谢分享 2026-3-13 10:45 0
mb_grkcgjyc 雪币： 200 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 4 粉丝 0 关注私信	mb_grkcgjyc 22 楼 666 2026-3-13 16:32 0
mb_vlysoyke 雪币： 200 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 2 粉丝 0 关注私信	mb_vlysoyke 23 楼 6 2026-3-13 18:10 0
月淼Ym 雪币： 145 活跃值： (271) 能力值： ( LV2，RANK：10 ) 在线值：发帖 1 回帖 3 粉丝 0 关注私信	月淼Ym 24 楼 666 2026-3-15 17:44 2
你送的花开了雪币： 779 能力值： ( LV1，RANK：0 ) 在线值：发帖 3 回帖 1 粉丝 0 关注私信	你送的花开了 25 楼 666 2026-3-16 08:46 2
	游客登录 \| 注册方可回帖回帖表情雪币赚取及消费高级回复

执着的猫

发帖

回帖

120

RANK

关注

私信

他的文章

关于我们

联系我们

企业服务

看雪公众号

最新回复 (221) 1 2 3 4 5 6 7 8 9 ▶
mb_ldbucrik 雪币： 6 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 691 粉丝 7 关注私信	mb_ldbucrik 2 楼感谢分享 2026-2-28 15:43 2
mb_asiwnxyv 雪币： 6 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 100 粉丝 0 关注私信	mb_asiwnxyv 3 楼感谢分享 2026-2-28 19:50 1
fjqisba 雪币： 318 活跃值： (9633) 能力值： ( LV7，RANK：102 ) 在线值：发帖 18 回帖 347 粉丝 87 关注私信	fjqisba 4 楼 2026-2-28 19:58 0
mb_yxzahbyi 雪币： 222 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 5 粉丝 0 关注私信	mb_yxzahbyi 5 楼看看 2026-2-28 20:06 0
godiand 雪币： 3 活跃值： (1259) 能力值： ( LV2，RANK：10 ) 在线值：发帖 1 回帖 56 粉丝 0 关注私信	godiand 6 楼感谢分享学习 2026-3-1 21:47 0
Imxz 雪币： 112 活跃值： (9420) 能力值： ( LV2，RANK：10 ) 在线值：发帖 6 回帖 752 粉丝 9 关注私信	Imxz 7 楼 tql 2026-3-2 10:13 0
kccp 雪币： 14 活跃值： (740) 能力值： ( LV2，RANK：10 ) 在线值：发帖 3 回帖 83 粉丝 0 关注私信	kccp 8 楼 111 2026-3-2 11:19 0
mb_lghhumnu 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 22 粉丝 0 关注私信	mb_lghhumnu 9 楼 666 2026-3-5 16:33 0
九黎雪币： 51 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 92 粉丝 0 关注私信	九黎 10 楼 666 2026-3-5 18:02 0
mb_hgstwdka 雪币：能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 1 粉丝 0 关注私信	mb_hgstwdka 11 楼 tql 2026-3-6 13:52 0
mb_pesxllvn 雪币： 378 能力值： ( LV1，RANK：0 ) 在线值：发帖 1 回帖 122 粉丝 2 关注私信	mb_pesxllvn 12 楼 666 2026-3-6 16:48 0
mb_ifjlatem 雪币： 10 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 66 粉丝 0 关注私信	mb_ifjlatem 13 楼 666 2026-3-6 17:59 0
Snowman_Liam 雪币： 4 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 138 粉丝 1 关注私信	Snowman_Liam 14 楼 666 2026-3-6 18:09 0
wx_何少_366 雪币： 205 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 4 粉丝 0 关注私信	wx_何少_366 15 楼 666 2026-3-8 10:27 0
mb_ybvqgbkl 雪币： 263 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 37 粉丝 1 关注私信	mb_ybvqgbkl 16 楼 666666 2026-3-8 16:24 0
我joker 雪币： 200 活跃值： (116) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 2 粉丝 0 关注私信	我joker 17 楼 666666 2026-3-10 16:53 0
mb_powwxesw 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 3 粉丝 0 关注私信	mb_powwxesw 18 楼 66666 2026-3-12 10:04 0
lancer_444864 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 1 粉丝 0 关注私信	lancer_444864 19 楼 666666666 2026-3-12 10:11 0
pan_634488 雪币： 0 活跃值： (1505) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 71 粉丝 0 关注私信	pan_634488 20 楼 666666 2026-3-12 14:09 0
mb_turetepw 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 5 粉丝 0 关注私信	mb_turetepw 21 楼感谢分享 2026-3-13 10:45 0
mb_grkcgjyc 雪币： 200 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 4 粉丝 0 关注私信	mb_grkcgjyc 22 楼 666 2026-3-13 16:32 0
mb_vlysoyke 雪币： 200 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 2 粉丝 0 关注私信	mb_vlysoyke 23 楼 6 2026-3-13 18:10 0
月淼Ym 雪币： 145 活跃值： (271) 能力值： ( LV2，RANK：10 ) 在线值：发帖 1 回帖 3 粉丝 0 关注私信	月淼Ym 24 楼 666 2026-3-15 17:44 2
你送的花开了雪币： 779 能力值： ( LV1，RANK：0 ) 在线值：发帖 3 回帖 1 粉丝 0 关注私信	你送的花开了 25 楼 666 2026-3-16 08:46 2
	游客登录 \| 注册方可回帖回帖表情雪币赚取及消费高级回复