Vitepress项目中使用base配置解决站点地图路径问题
在Vitepress项目开发过程中,站点地图(sitemap)的生成路径配置是一个常见的需求。近期有开发者反馈,在迁移项目时发现站点地图中的URL路径不符合预期,特别是当项目文档目录结构发生变化时。
问题现象
开发者在使用Vitepress 1.1.0版本时,配置了package.json中的directories.doc字段指向非默认目录"records"后,生成的sitemap.xml文件中URL路径没有包含/records前缀。例如,期望生成的是http://test.com/records/ok.html,但实际生成的是http://test.com/ok.html。
原因分析
经过技术分析,这个问题源于对Vitepress配置机制的理解偏差。Vitepress并不直接识别package.json中的directories.doc配置项,这是Node.js项目的通用配置,而非Vitepress特有的配置方式。
解决方案
正确的做法是使用Vitepress提供的base配置项。base配置专门用于设置项目的基础URL路径,它会影响所有生成的静态资源路径,包括站点地图中的URL。
在Vitepress配置文件中,应该这样设置:
// .vitepress/config.js
export default {
base: '/records/',
// 其他配置...
}
深入理解
-
base配置的作用:base配置不仅影响站点地图,还会影响所有静态资源的引用路径,包括CSS、JS和图片等。
-
与部署环境的配合:当项目部署在子目录时,base配置尤为重要。例如部署在GitHub Pages的/docs目录下时,base应设置为'/docs/'。
-
开发与生产环境:在开发环境下,Vitepress会自动处理base路径,确保本地开发时也能正确访问资源。
最佳实践
-
始终使用Vitepress提供的标准配置项,而非依赖package.json中的通用配置。
-
对于复杂的项目结构,可以考虑结合使用base和rewrites配置来实现更灵活的路径映射。
-
在项目文档中明确说明部署环境的要求,特别是当项目需要部署在非根路径时。
通过正确使用base配置,开发者可以轻松控制Vitepress项目生成的各类路径,确保站点地图和其他资源引用的一致性,为SEO和用户体验提供更好的支持。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00