使用Feediron插件增强TT-RSS阅读体验
2025-05-05 14:52:03作者:温玫谨Lighthearted
1、项目介绍
Feediron 是一个为 Tiny Tiny RSS(TT-RSS)设计的插件,它可以增强TT-RSS的抓取能力,支持从网站直接抓取内容,而不是仅仅获取RSS订阅的简单信息。通过Feediron,用户可以订阅那些没有提供官方RSS源的网站,从而丰富他们的阅读体验。
2、项目快速启动
环境准备
- 安装有TT-RSS的服务器
- TT-RSS的Web界面访问权限
安装步骤
-
克隆或下载Feediron插件到本地:
git clone https://github.com/feediron/ttrss_plugin-feediron.git -
将下载的插件文件夹移动到TT-RSS的
plugins目录下:mv ttrss_plugin-feediron /path/to/ttrss/plugins -
在TT-RSS管理界面中启用Feediron插件:
- 登录TT-RSS Web界面
- 进入“插件”页面
- 找到Feediron插件并启用它
-
重启TT-RSS服务以应用插件变更。
3、应用案例和最佳实践
添加自定义源
- 在TT-RSS的“订阅”页面中,点击“添加新订阅”按钮。
- 选择“高级”选项卡,然后输入你想要抓取的网站的URL。
- 点击“添加”按钮,Feediron将尝试解析该网站并创建一个订阅。
定制抓取规则
- 进入Feediron插件的设置页面。
- 你可以定义自定义规则来指定如何抓取内容,包括文章的选择、内容的提取等。
- 保存设置后,Feediron将按照你的规则抓取内容。
4、典型生态项目
- Tiny Tiny RSS(TT-RSS):TT-RSS是一个自托管的Web新闻聚合器,它允许用户订阅多个新闻源,并通过Web界面阅读文章。
- Feediron:作为TT-RSS的插件,Feediron扩展了TT-RSS的功能,让用户能够订阅更多类型的网站内容。
- 其他TT-RSS插件:TT-RSS拥有丰富的插件生态系统,例如用于内容过滤、分享和自动化任务的各种插件。这些插件共同构成了一个强大的新闻聚合和阅读平台。
登录后查看全文
热门项目推荐
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