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
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 StartedRust088- 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
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
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
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
694
4.49 K
Ascend Extension for PyTorch
Python
558
682
Claude 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 Started
Rust
482
88
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++
956
939
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
411
331
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.6 K
934
昇腾LLM分布式训练框架
Python
148
176
Oohos_react_native
React Native鸿蒙化仓库
C++
337
387
暂无简介
Dart
940
235
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
654
232