Zenfeed 安装与配置指南
2025-04-21 14:16:21作者:晏闻田Solitary
1. 项目基础介绍
Zenfeed 是一个高度可定制的智能信息助手,它利用人工智能从可信赖的数据源(如 RSS)收集、处理(例如汇总、过滤、搜索)和分发个性化内容。Zenfeed 的目标是帮助用户高效地管理信息流,减轻信息焦虑。
主要编程语言:Go
2. 项目使用的关键技术和框架
- AI 处理:使用大型语言模型(LLM)等技术对内容进行处理,如摘要、分类、评分、过滤。
- Docker:使用 Docker 容器来部署和运行应用,简化了环境配置和部署过程。
- RSSHub:作为数据源之一,RSSHub 提供了丰富的 RSS 订阅源。
- 配置文件:通过配置文件来定制化应用的行为,如数据源选择、AI 模型配置等。
3. 项目安装和配置的准备工作与详细步骤
准备工作
- 确保你的系统中已安装 Docker。
- 准备一个可用的 API Key,用于 AI 模型提供商(例如 SiliconFlow)。
安装步骤
步骤 1:克隆项目
首先,从命令行中克隆项目到本地:
git clone https://github.com/glidea/zenfeed.git
步骤 2:配置项目
进入项目目录,使用以下命令来生成配置文件:
cd zenfeed
然后,使用 yq 工具来定制配置文件。以下是一个示例命令,你需要替换 your_api_key 为你的 API Key:
docker run --rm \
-v $(PWD):/app \
-w /app \
--entrypoint sh \
mikefarah/yq -c '
set -e
mkdir -p zenfeed/config && cd zenfeed
TEMPLATE_URL="https://raw.githubusercontent.com/glidea/zenfeed/main/install/config-template.yaml"
COMPOSE_URL="https://raw.githubusercontent.com/glidea/zenfeed/main/install/docker-compose.yml"
CONFIG_OUTPUT="config/config.yaml"
COMPOSE_OUTPUT="docker-compose.yml"
wget -qO- "$TEMPLATE_URL" | yq \
".timezone = \"Asia/Shanghai\" |
.llms[0].provider = \"siliconflow\" |
.llms[0].model = \"Qwen/Qwen2.5-7B-Instruct\" |
.llms[0].api_key = \"your_api_key\" | # <<<--- 替换 API Key!
.llms[1].provider = \"siliconflow\" |
.llms[1].embedding_model = \"Pro/BAAI/bge-m3\" |
.llms[1].api_key = \"your_api_key\" | # <<<--- 替换 API Key!
.storage.feed.rewrites[0].transform.to_text.prompt = \"{{.summary_html_snippet}}使用中文回复\"" \
> "$CONFIG_OUTPUT"
wget -qO "$COMPOSE_OUTPUT" "$COMPOSE_URL"
'
步骤 3:启动服务
配置完成后,使用以下命令启动服务:
docker-compose up -d --wait
步骤 4:访问 Web 端
安装完成后,可以通过访问 https://zenfeed-web.pages.dev 来使用 Zenfeed 的 Web 端,它会默认连接到本地的 Zenfeed 服务。
注意事项
- 请确保在配置文件中使用的 API Key 是有效的。
- 根据实际需要,你可能需要调整配置文件中的其他设置。
以上就是 Zenfeed 的详细安装和配置指南,祝你安装顺利!
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
535
3.75 K
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
12
1
🔥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
67
20
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
343
406
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++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178