Ferdium自定义服务配方开发指南:解决服务消失问题
2025-06-25 23:03:13作者:庞队千Virginia
问题现象分析
在Ferdium 7.0.1版本中,部分Windows 11用户尝试创建自定义服务配方时遇到了一个典型问题:当直接将配方文件放置在/dev目录下时,会导致已配置的所有服务突然消失。这个现象实际上是由于文件路径结构不规范引起的系统识别异常。
根本原因
Ferdium的配方管理系统对自定义配方的目录结构有严格要求:
- 每个配方必须位于独立的子目录中
- 子目录名称需要保持唯一性
- 正确的存放路径应为:
- 推荐路径:
<Ferdium配置目录>/recipes/dev/<自定义配方名称> - 备选路径:
<Ferdium配置目录>/recipes/<自定义配方名称>
- 推荐路径:
直接将配方文件放在/dev根目录会导致Ferdium无法正确解析配方结构,进而引发服务列表读取异常。
解决方案详解
正确创建自定义配方的步骤
-
定位配置目录:
- Windows系统通常位于
%APPDATA%/Ferdium - 可通过Ferdium界面"添加服务→自定义配方→打开文件夹"快速定位
- Windows系统通常位于
-
创建规范目录结构:
/recipes └── /dev └── /your_recipe_name ├── package.json ├── webview.js └── icon.svg -
配方文件要求:
package.json:必须包含有效的配方元数据webview.js:定义服务的前端行为- 图标文件:推荐使用SVG格式
-
重启生效:
- 完成文件放置后需要重启Ferdium客户端
开发建议
-
优先使用dev子目录:
- 将自定义配方放在
/dev下可以明确区分官方配方和本地配方 - 避免与未来官方更新产生冲突
- 将自定义配方放在
-
版本控制方案:
- 对于修改官方配方的需求,建议:
- 复制原始配方到
/dev下新目录 - 修改副本而非原始文件
- 通过Git等工具管理自定义配方
- 复制原始配方到
- 对于修改官方配方的需求,建议:
-
调试技巧:
- 使用开发者工具(CTRL+SHIFT+I)查看控制台日志
- 检查配方加载时的网络请求
高级应用场景
企业级部署方案
对于需要团队共享配方的场景,可以考虑:
- 建立内部配方仓库
- 使用符号链接统一管理配方目录
- 开发自动同步脚本
配方开发最佳实践
- 保持与官方配方相同的文件结构
- 在package.json中明确标注自定义标识
- 定期与上游配方同步更新
通过遵循这些规范,用户可以安全地扩展Ferdium的功能而不会影响现有服务配置。对于高级用户,还可以探索通过插件系统实现更复杂的定制需求。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217