Selfoss 2.20-SNAPSHOT 技术文档
2024-12-24 11:33:36作者:魏侃纯Zoe
1. 安装指南
1.1 下载
- 稳定版本: 访问 GitHub Releases 页面下载最新稳定版本。
- 开发版本: 如果你想尝试未发布的功能或修复,可以访问 Cloudsmith 下载开发版本。
- 源代码: 如果你想参与开发,可以通过 Git 克隆源代码仓库:
git clone https://github.com/fossar/selfoss.git。
1.2 安装步骤
- 上传文件: 将项目目录中的所有文件上传到你的服务器(包括隐藏的
.htaccess文件)。 - 设置写权限: 确保
data/cache、data/favicons、data/logs、data/thumbnails和data/sqlite目录具有写权限。 - 配置数据库: 编辑
config.ini文件,填写数据库访问信息。如果你使用 SQLite,则无需更改任何内容。 - 自动创建数据库表: 数据库表将自动创建(确保你的数据库用户有权限创建触发器)。
- 设置定时任务: 创建一个 cronjob 或 systemd 定时器,用于更新订阅源,指向
https://yourselfossurl.com/update,使用wget或curl执行。
1.3 开发环境安装
如果你通过 Git 获取了源代码,还需要执行以下步骤:
- 安装依赖: 使用
composer install安装 PHP 依赖,使用npm install安装 JavaScript 依赖。 - 构建客户端: 运行
npm run build构建客户端代码,或使用npm run dev进行开发。
2. 项目使用说明
2.1 基本使用
- 添加订阅源: 你可以通过界面添加 RSS 或其他类型的订阅源,selfoss 会自动聚合这些订阅源的内容。
- 查看更新: 在主界面查看所有订阅源的最新更新。
- OPML 导入: 支持从其他 RSS 阅读器导入 OPML 文件,访问
https://yourselfossurl.com/opml上传文件。
2.2 配置
- 自定义设置: 你可以通过编辑
config.ini文件来自定义 selfoss 的设置,删除不需要覆盖的行。 - 更新配置: 在升级版本时,确保更新
config.ini文件以包含新版本中的新选项。
3. 项目API使用文档
selfoss 提供了一些 API 接口,允许你通过编程方式与应用进行交互。以下是一些常用的 API 接口:
3.1 获取订阅源列表
GET /sources
返回所有订阅源的列表。
3.2 添加订阅源
POST /sources
通过 POST 请求添加新的订阅源,请求体中需要包含订阅源的 URL 和其他相关信息。
3.3 获取文章列表
GET /items
返回所有文章的列表,可以通过参数过滤文章的状态(如已读、未读)。
3.4 标记文章为已读
POST /items/mark
通过 POST 请求标记文章为已读,请求体中需要包含文章的 ID。
4. 项目安装方式
selfoss 可以通过以下几种方式安装:
- 直接下载: 从 GitHub Releases 页面下载稳定版本,解压后上传到服务器。
- Git 克隆: 通过 Git 克隆源代码仓库,然后安装依赖并构建项目。
- 开发版本: 从 Cloudsmith 下载开发版本,适合想要尝试最新功能的用户。
通过以上步骤,你可以顺利安装并使用 selfoss,享受多功能的 RSS 阅读和订阅聚合服务。
登录后查看全文
热门项目推荐
相关项目推荐
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 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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 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
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
311
2.72 K
deepin linux kernel
C
24
7
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++
638
242
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
469
Ascend Extension for PyTorch
Python
148
175
暂无简介
Dart
604
135
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
226
81
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
363
2.99 K
React Native鸿蒙化仓库
JavaScript
236
310