BearBlog项目中的主题自定义技巧
前言
BearBlog作为一个极简风格的博客平台,其设计理念强调简洁性和可定制性。本文将深入探讨如何通过CSS修改来实现对BearBlog主题的个性化定制,包括关闭暗黑模式、隐藏文章日期以及修改标题字体等常见需求。
关闭暗黑模式
暗黑模式是现代网站常见的功能,它根据用户系统设置自动切换亮/暗主题。在BearBlog中,暗黑模式是通过CSS的@media (prefers-color-scheme: dark)媒体查询实现的。
要完全禁用暗黑模式,只需在CSS编辑器中删除或注释掉整个@media (prefers-color-scheme: dark)查询部分。这样无论用户的系统设置如何,博客都将始终显示为亮色主题。
隐藏文章日期
有时为了保持页面更加简洁,可能需要隐藏文章的发布日期。在BearBlog中,日期是通过HTML5的<time>元素显示的。通过添加以下CSS规则可以轻松隐藏所有日期:
time {
display: none;
}
这条规则会完全移除页面中所有日期元素的显示,同时保持HTML结构不变。如果需要保留某些特定位置的日期显示,可以通过更具体的选择器来实现选择性隐藏。
修改标题字体
BearBlog的字体设置是通过CSS变量在:root伪类中定义的。要修改标题字体,需要调整这些CSS变量:
:root {
--main-font: 'YourFontName', sans-serif;
--secondary-font: 'YourSecondaryFont', serif;
}
其中--main-font通常用于标题等重要文本,而--secondary-font用于正文内容。替换'YourFontName'为你想要的字体名称即可。需要注意的是,这里使用的是CSS字体栈,可以指定多个字体作为备选。
进阶技巧
-
选择性暗黑模式:如果不希望完全禁用暗黑模式,而是想调整暗黑模式下的具体样式,可以保留
@media查询,只修改其中的样式规则。 -
日期样式定制:除了完全隐藏日期,还可以通过其他CSS属性来美化日期显示,例如:
time { color: #888; font-size: 0.8em; font-style: italic; } -
字体加载优化:当使用自定义字体时,考虑添加
font-display: swap;规则来优化加载体验,避免文字闪烁。
总结
BearBlog的设计哲学鼓励用户通过简单的CSS修改来实现个性化定制。无论是主题颜色、日期显示还是字体选择,都可以通过少量的CSS代码实现显著的效果变化。这些修改不仅能够满足个人审美需求,还能让博客更好地服务于特定的内容类型和目标读者群体。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00