系統內建 AtomCraft

FeedCraft 內建了一系列「原子工藝 (AtomCrafts)」，用於對訂閱源進行特定的處理。你可以將這些原子工藝組合成「組合工藝 (FlowCraft)」來構建強大的數據管道。

內容獲取與修復

這些原子主要用於獲取全文或修復常見的訂閱源問題。

fulltext (全文提取)

從原始網頁提取文章的全文內容。

• 適用場景: 當 RSS 訂閱源僅提供摘要或片段時。
• 機制: 使用標準 HTTP 用戶端請求網頁，並使用演算法提取正文。速度快且輕量。

fulltext-plus (瀏覽器全文提取)

使用無頭瀏覽器 (Puppeteer) 提取全文。

• 適用場景: 針對透過 JavaScript 動態渲染內容或有較強反爬蟲措施的網站。
• 機制: 連線到配置的 Browserless/Puppeteer 服務來渲染頁面。速度較慢但相容性更強。
• 參數:
  • mode (預設: networkidle2): 頁面載入等待模式。
    • load: 等待 load 事件。
    • domcontentloaded: 等待 DOMContentLoaded 事件。
    • networkidle0: 等待直到 500ms 內沒有活躍的網絡連線。
    • networkidle2: 等待直到 500ms 內活躍的網絡連線數不超過 2 個。(推薦用於 SPA 單頁應用)。
  • wait (預設: 0): 顯式等待時間（秒），例如 5。

proxy (代理)

簡單的訂閱源代理。

• 適用場景: 當你只想轉發原始 Feed 而不做修改，或者將 FeedCraft 作為中心閘道使用時。

guid-fix (GUID 修復)

使用文章內容的 MD5 哈希值替換 RSS 條目的 GUID。

• 適用場景: 某些訂閱源在內容未變更的情況下頻繁更改 GUID，導致閱讀器中出現重複的未讀條目。此原子可基於內容穩定 GUID。

relative-link-fix (相對連結修復)

將內容中的相對連結（如 <a href="/about">）轉換為絕對連結（如 <a href="https://example.com/about">）。

• 適用場景: 提取全文後必不可少，否則在 RSS 閱讀器中查看時連結會失效。

cleanup (HTML 清理)

清理 HTML 內容以去除雜亂資訊。

• 適用場景: 透過移除多餘的 class、style 和空標籤來提高可讀性。

---

過濾類 (Filtering)

控制哪些條目可以進入最終生成的 Feed。

limit (數量限制)

限制 Feed 中的條目數量。

• 參數:
  • num (預設: 10): 保留的最大條目數。

time-limit (時間限制)

過濾掉超過指定天數的條目。

• 參數:
  • days (預設: 7): 文章保留的最大天數。

keyword (關鍵詞過濾)

根據標題或內容中的關鍵詞進行過濾。

• 參數:
  • keywords: 逗號分隔的關鍵詞列表（子串匹配，區分大小寫）。例如：ad,sell,SALE。
  • mode: include (保留匹配項，預設) 或 exclude (移除匹配項)。
  • scope: title (標題), content (內容), 或 all (全部，預設)。

---

AI 增強 (AI Enhancement)

使用大語言模型 (LLM) 來轉換和豐富你的內容。

注意

使用此類原子需要在環境變數中配置 LLM (API Key, Base URL 等)。

translate-title (標題翻譯)

將文章標題翻譯為你的目標語言。

• 參數:
  • prompt: 自定義提示詞。預設使用標準翻譯提示詞。支援 {{.TargetLang}} 佔位符。

translate-content (內容翻譯)

翻譯整篇文章內容，替換原文。

• 參數:
  • prompt: 自定義提示詞。支援 {{.TargetLang}}。

translate-content-immersive (沉浸式翻譯)

雙語翻譯模式。在每一段原文後面追加翻譯後的內容。

• 參數:
  • prompt: 自定義提示词。

summary (AI 摘要)

生成文章摘要並將其添加到正文開頭。

• 參數:
  • prompt: 用於生成摘要的自定義提示詞。

introduction (AI 導讀)

為文章生成簡短的介紹或導語。

• 參數:
  • prompt: 自定義提示詞。

beautify-content (智能排版)

使用 LLM 重新格式化文章，修復排版錯誤，去除廣告，並標準化 Markdown 格式，最後轉換回乾淨的 HTML。

• 參數:
  • prompt: 設定「編輯」角色的指令。

---

AI 過濾 (AI Filtering)

利用語義理解進行進階過濾。

ignore-advertorial (軟文過濾)

使用 LLM 檢測文章是否為軟文或廣告，並將其移除。

• 參數:
  • prompt-for-exclude: 如果文章是廣告，應返回 true 的提示詞。

llm-filter (通用 LLM 過濾)

通用的 LLM 過濾器。你可以定義排除條件。

• 参数:
  • filter_condition: 自然語言描述的條件。如果 LLM 回答 “yes” (true)，則該條目會被移除。
  • 示例: “這篇文章是關於體育的嗎？” (移除體育類文章)。