告别信息过载烦恼,3分钟上手RSSHub Radar打造专属信息聚合神器
在这个信息爆炸的时代,你是否每天都在被无数网页、APP推送的海量内容淹没?打开浏览器想查找特定资讯,却在各种弹窗和无关信息中迷失方向;收藏了几十篇技术文章,转头就忘记放在哪里;想持续关注几个优质博客,却要每天逐个网站点击查看——这些信息管理的痛点,正在悄悄消耗你的时间和精力。
解决方案:RSSHub Radar让信息主动来找你
当你还在手动整理各类网站内容时,已经有聪明的互联网用户开始用RSSHub Radar重构自己的信息获取方式。这款轻量级浏览器扩展就像你的"信息管家",在你浏览网页时自动扫描可用的订阅源,让原本分散在各个角落的内容,都能汇聚到一个阅读器中。
智能识别,不错过任何有价值的内容源
想象一下,当你浏览技术博客时,浏览器工具栏的RSSHub Radar图标突然显示数字"3"——这代表插件已经发现了3个可用的订阅源。无论是网站自带的RSS feed,还是通过RSSHub规则生成的内容流,它都能精准识别。点击图标就能看到详细的订阅选项,包括文章列表、作者专栏甚至评论区动态,让你不错过任何感兴趣的内容维度。
一键订阅,告别复制粘贴的繁琐操作
传统的RSS订阅需要手动复制链接、打开阅读器、粘贴地址,而RSSHub Radar将这一过程简化到极致。在弹出的订阅面板中,你只需点击对应阅读器的图标(如Feedly、FreshRSS等),就能完成订阅。如果使用的是自定义阅读器,还可以在设置中添加专属订阅模板,实现真正的"一键订阅"体验。
⚠️ 你知道吗?RSSHub Radar不仅能识别普通网页,还能深度整合RSSHub生态。即使某些网站本身没有提供RSS服务,它也能通过内置规则生成订阅链接,真正实现"万物皆可RSS"。这些规则定义在项目的radar-rules.ts文件中,开发者可以根据需要扩展支持的网站范围。
个性化管理,打造你的专属信息频道
每个人的信息需求都是独特的。在RSSHub Radar的设置页面,你可以根据自己的阅读习惯进行精细化配置:启用或禁用特定网站的订阅规则、调整通知显示方式、设置主题模式等。特别是在"规则管理"页面,你可以像整理自己的书架一样,对订阅源进行分类和优先级排序,让最重要的内容优先呈现。
安装指南:两种方式快速上手
📱 官方商店安装(推荐新手)
只需打开浏览器应用商店(Chrome/Edge应用商店、Firefox Add-ons或Apple App Store),搜索"RSSHub Radar",点击"安装"按钮即可完成。整个过程不到1分钟,无需任何技术背景。🛠️ 手动部署(适合进阶用户)
1. 克隆项目仓库:`git clone https://gitcode.com/gh_mirrors/rs/RSSHub-Radar` 2. 安装依赖:`pnpm install` 或 `npm install` 3. 构建开发版:`pnpm dev` 或 `npm run dev` 4. 在浏览器扩展页面启用"开发者模式",加载构建后的`build/chrome-mv3-dev`目录为什么选择RSSHub Radar?三大核心价值解析
效率提升300%:将原本需要在多个网站间切换的时间,压缩到一个阅读器中集中处理,让你在相同时间内获取更多有价值的信息。
隐私保护无虞:所有订阅操作均在本地完成,不会上传你的浏览数据。规则定义和订阅管理都保存在本地浏览器中,确保个人信息安全。
持续进化的工具:作为开源项目,RSSHub Radar拥有活跃的开发社区,不断添加新的订阅规则和功能优化。你不仅在使用一款工具,更是加入了一个不断成长的信息管理生态。
立即体验RSSHub Radar,让信息为你工作。从此告别信息焦虑,用更优雅的方式与互联网内容相处——毕竟,值得你关注的应该是内容本身,而不是寻找内容的过程。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust043
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00