本文提出 ProbFlow，一种基于概率编程的方法，用于估计 Tor 匿名通信网络中继节点的容量。作者首先改进了先前提出的网络概率模型，使其能够更准确地反映真实 Tor 网络的复杂性。然后利用 NumPyro 概率编程语言进行推理，克服了纯解析方法难以处理的数学障碍。ProbFlow 被集成到 Tor 网络现有的容量估计算法中。通过在基于流的 Python 模拟器和 Shadow 模拟器（Tor 网络最高保真度的模拟器）上的实验，ProbFlow 能显著提升估计准确性，从而改善用户性能：在 Shadow 模拟中平均下载速度提高了 25%。该研究为匿名网络的性能优化提供了新的概率建模思路。