当前流行的双流、两阶段跟踪框架分别提取模板和搜索区域的特征，然后进行关系建模，因此提取的特征缺乏目标意识，且目标与背景的区分能力有限。为了解决上述问题，我们提出了一种新颖的一流跟踪（OSTrack）框架，通过在模板-搜索图像对之间建立双向信息流，统一了特征学习和关系建模。这样，通过相互引导可以动态提取具有区分性的目标导向特征。由于不需要额外的重型关系建模模块且实现高度并行化，所提出的跟踪器运行速度较快。为了进一步提高推理效率，基于一流框架中计算的强大相似性先验，在网络内部提出了一个候选早期消除模块。作为统一框架，OSTrack在多个基准测试中实现了最先进的性能，特别是在单次跟踪基准GOT-10k上表现出色，即达到了73.7%的平均重叠率（AO），比现有的最佳结果（SwinTrack）提高了4.3%。此外，我们的方法在性能和速度之间保持了良好的平衡，并展示了更快的收敛速度。代码和模型可在https://github.com/botaoye/OSTrack获取。