如何使用 Jekyll-Feed 构建您的站点 RSS 订阅
一、项目介绍
Jekyll-Feed 是一个功能强大的 Jekyll 插件,能够自动生成 Atom(类似 RSS)格式的订阅源供你的 Jekyll 文章使用。通过这个插件,你可以轻松地使你的网站具备被 RSS 阅读器抓取的能力,方便读者通过 RSS 阅读器订阅并获取最新更新的文章。
二、项目快速启动
安装步骤
要安装 Jekyll-Feed 并在你的 Jekyll 网站中启用它,请按以下步骤操作:
1. 添加依赖至 Gemfile
打开你的 Jekyll 网站根目录下的 Gemfile 文件,添加下面这行代码:
gem 'jekyll-feed'
2. 更新你的 _config.yml 文件
接下来,在你的 _config.yml 文件中加入或确认已经存在如下配置项:
plugins:
- jekyll-feed
注:如果你使用的是 Jekyll 版本低于 3.5.0,则应该使用 gems: 关键字代替 plugins:。
执行完这些步骤后,记得运行 bundle install 命令来确保所有新的 gem 都正确安装。
使用示例
一旦 Jekyll-Feed 成功安装,就可以在 /feed.xml 下自动生成 Atom 格式的订阅源。默认情况下,该插件限制每个订阅源显示最近的十篇文章,可以修改此行为以适应个人需求。
三、应用案例和最佳实践
自定义标题和描述
Jekyll-Feed 可从 _config.yml 文件中的某些变量自动提取元数据用于生成订阅源,例如:
title: 站点标题。description: 站点的详细描述。url: 站点 URL。author: 全局作者信息。
只要你在配置文件里包含了上述任意一项,它们就会在最终的 XML 输出中相应位置得到体现。
控制订阅源路径
如果在非标准目录下已有现成订阅源,比如由其他服务产生,你需要告诉 Jekyll-Feed 不要在常规位置重新创建一份。具体方法是将 feed_path 设置为空字符串 ("") 或者希望使用的路径。
修改样式表
当仓库根目录有名为 feed.xsl 的 XSLT 样式表时,Jekyll-Feed 将会在 <link> 标签内为生成的订阅源文件关联上这份样式表。这种机制允许你对浏览器中呈现的页面外观进行更多自定义设置。
改变文章数量限制
如果你想改变每页输出的文章数,默认值为 10,则可以在配置文件中设置 posts_limit 参数来进行更改。
应用到集合
除了普通博客文章以外,你还能选择让其他任何类型的集合也拥有自己的订阅源。只需在配置文件的 feed: 节部分列出想要处理的集合名称即可。
四、典型生态项目
Jekyll 生态系统中有许多著名网站和技术社区都运用了 Jekyll-Feed 来提供更丰富的用户体验。例如,代码托管平台页面自带支持,许多技术博主因此选择了使用 Jekyll 搭配 Jekyll-Feed 构建个人博客平台。
希望这篇指南能够帮助大家了解如何利用 Jekyll-Feed 提升 Jekyll 网站的实用性及可访问性。如果你想了解更多高级特性和定制选项,建议查阅 Jekyll-Feed 官方文档 中的详细介绍。
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 StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。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
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
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