NoteBlog 的项目扩展与二次开发
项目的基础介绍
NoteBlog 是一款基于 Java 开发的个人博客系统。该项目采用 SpringBoot 2 作为项目骨架,集成了 Spring Data JPA 和 Mybatis 等框架,以及 Layui、Vue.js 等前端技术。NoteBlog 适用于 Mac、Linux、Windows 及其他支持 Java 运行环境的操作系统,支持 MySQL 数据库(5.7 及以上版本)。项目采用 MIT 开源协议,为开发者提供了一个可扩展和二次开发的良好基础。
项目核心功能
- 支持文章发布、编辑、删除等基本操作
- 支持评论功能,包括评论管理和回复
- 集成 Markdown 编辑器,方便撰写和预览 Markdown 格式的文章
- 实现了权限控制,包括管理员和访客权限
- 支持数据备份、导出 Excel 功能以及数据导入功能
- 提供了友链功能,展示友情链接
- 自定义功能中心模块,展示自定义功能或链接
项目使用的框架或库
- 后端框架:SpringBoot 2
- ORM 框架:Spring Data JPA、Mybatis
- 前端 UI 框架:Layui
- 前端路由:vipspa
- 前端数据模型:Vue.js
- 工具类库:Hutool
- 项目管理工具:Maven
- 代码生成工具:Lombok
项目的代码目录及介绍
项目的代码目录如下:
src/
├── main/
│ ├── java/
│ │ └── com/
│ │ └── miyakowork/
│ │ └── noteblog/
│ │ ├── controller/
│ │ ├── service/
│ │ ├── repository/
│ │ ├── entity/
│ │ └── config/
│ ├── resources/
│ │ ├── templates/
│ │ ├── static/
│ │ └── application.properties
│ └── test/
└── pom.xml
其中,java 目录存放 Java 源代码,包括控制器(controller)、服务(service)、数据访问层(repository)、实体类(entity)和配置类(config)。resources 目录包含项目的静态资源(static)、模板(templates)以及配置文件(application.properties)。pom.xml 文件是 Maven 项目的配置文件。
对项目进行扩展或者二次开发的方向
-
功能扩展:根据需求,可以增加新的功能模块,如:标签管理、分类管理、文章推荐、文章搜索、统计功能等。
-
界面优化:根据个人喜好或者设计需求,可以调整前端页面样式,增加动画效果、优化响应式设计等。
-
性能优化:针对数据库查询、缓存策略等方面进行优化,提高系统的响应速度和性能。
-
跨平台适配:优化移动端界面,确保在不同设备和浏览器上的兼容性和体验。
-
国际化:增加多语言支持,使项目能够适应不同国家和地区的用户需求。
-
安全加固:针对常见的网络安全问题,如 SQL 注入、XSS 攻击等,加强代码防护措施。
-
集成第三方服务:如集成第三方登录、云存储、地图服务等,丰富博客系统的功能。
通过以上方向的扩展和二次开发,可以使 NoteBlog 项目更加完善,满足更多用户的需求。
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
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00