系统内置 AtomCraft

FeedCraft 内置了一系列“原子工艺 (AtomCrafts)”，用于对订阅源进行特定的处理。你可以将这些原子工艺组合成“组合工艺 (FlowCraft)”来构建强大的数据管道。

内容增强

这些原子用于获取全文或清理 HTML。

fulltext (全文提取)

从原始网页提取文章的全文内容。

• 适用场景: 当 RSS 订阅源仅提供摘要或片段时。
• 机制: 使用标准 HTTP 客户端请求网页，并使用算法提取正文。速度快且轻量。

fulltext-plus (浏览器全文提取)

使用无头浏览器 (Puppeteer) 提取全文。

• 适用场景: 针对通过 JavaScript 动态渲染内容或有较强反爬虫措施的网站。
• 机制: 连接到配置的浏览器提供方（browserless-restful 或 cdp）来渲染页面。速度较慢但兼容性更强。
• 参数:
  • mode (默认: networkidle2): 页面加载等待模式。
    • load: 等待 load 事件。
    • domcontentloaded: 等待 DOMContentLoaded 事件。
    • networkidle0: 等待直到 500ms 内没有活跃的网络连接。
    • networkidle2: 等待直到 500ms 内活跃的网络连接数不超过 2 个。(推荐用于 SPA 单页应用)。
  • wait (默认: 0): 显式等待时间（秒），例如 5。

cleanup (HTML 清理)

清理 HTML 内容以去除杂乱信息。

• 适用场景: 通过移除多余的 class、style 和空标签来提高可读性。

relative-link-fix (相对链接修复)

将内容中的相对链接（如 <a href="/about">）转换为绝对链接（如 <a href="https://example.com/about">）。

• 适用场景: 提取全文后必不可少，否则在 RSS 阅读器中查看时链接会失效。

guid-fix (GUID 修复)

使用文章内容的 FNV-1a 哈希值替换 RSS 条目的 GUID。

• 适用场景: 某些订阅源在内容未变更的情况下频繁更改 GUID，导致阅读器中出现重复的未读条目。此原子可基于内容稳定 GUID。

beautify-content (智能排版)

使用 LLM 重新格式化文章，修复排版错误，去除广告，并标准化 Markdown 格式，最后转换回干净的 HTML。

• 参数:
  • prompt: 设定“编辑”角色的指令。

---

AI 加工

使用大语言模型改写、增强或筛查内容。

注意

使用此类原子需要在环境变量中配置 LLM (API Key, Base URL 等)。

translate-title (标题翻译)

将文章标题翻译为你的目标语言。

• 参数:
  • prompt: 自定义提示词。默认使用标准翻译提示词。支持 {{.TargetLang}} 占位符。

translate-content (内容翻译)

翻译整篇文章内容，替换原文。

• 参数:
  • prompt: 自定义提示词。支持 {{.TargetLang}}。

translate-content-immersive (沉浸式翻译)

双语翻译模式。在每一段原文后面追加翻译后的内容。

• 参数:
  • prompt: 自定义提示词。

summary (AI 摘要)

生成文章摘要并将其添加到正文开头。

• 参数:
  • prompt: 用于生成摘要的自定义提示词。

introduction (AI 导读)

为文章生成简短的介绍或导语。

• 参数:
  • prompt: 自定义提示词。

ai-content-process (AI 内容处理)

根据自定义规则使用大语言模型处理文章内容，并将生成结果插入到指定位置。

• 参数:
  • rule (必填): 针对每篇文章内容的处理指令。例如：“总结文章的关键观点并列出行动建议”。
  • extra-payload (默认: article_content): 逗号分隔的附加信息列表，可发送给 LLM。支持：article_summary (AI 生成的摘要), article_content (文章内容), article_date (文章日期), raw_rss_item (原始 RSS 节点数据)。
  • placement (默认: prepend): 生成内容的写入位置。支持：prepend (在原文前追加), replace (替换原文), append (在原文后追加)。

ignore-advertorial (软文过滤)

使用 LLM 检测文章是否为软文或广告（综合评估标题和内容），并将其移除。

• 参数:
  • prompt-for-exclude: 如果文章是广告，应返回 true 的提示词。

---

过滤筛选

控制最终订阅源保留哪些条目，包括关键词、时间和语义过滤。

keyword (关键词过滤)

根据标题或内容中的关键词进行过滤。

• 参数:
  • keywords: 逗号分隔的关键词列表（子串匹配，区分大小写）。例如：ad,sell,SALE。
  • mode: include (保留匹配项，默认) 或 exclude (移除匹配项)。
  • scope: title (标题), content (内容), 或 all (全部，默认)。

limit (数量限制)

限制 Feed 中的条目数量。

• 参数:
  • num (默认: 10): 保留的最大条目数。

time-limit (时间限制)

过滤掉超过指定天数的条目。

• 参数:
  • days (默认: 7): 文章保留的最大天数。

llm-filter (通用 LLM 过滤)

通用的 LLM 过滤器。你可以定义排除条件。LLM 会结合文章标题和内容进行评估。

• 参数:
  • filter_condition: 自然语言描述的条件。如果 LLM 回答 “yes” (true)，则该条目会被移除。
  • 示例: “这篇文章是关于体育的吗？” (移除体育类文章)。

embedding-filter (Embedding 语义过滤)

基于 Embedding 模型的语义主题过滤器。它不会让聊天模型逐条判断文章，而是把“主题锚点”和文章内容都转换成向量，再用余弦相似度判断是否匹配。

提示

当你需要快速、稳定地做主题过滤时，优先使用 embedding-filter，例如“只保留 AI 基础设施新闻”或“移除体育文章”。如果规则需要复杂推理、政策判断或结构化决策，再使用 llm-filter。

环境变量

推荐单独配置 Embedding 服务：

FC_EMBEDDING_API_TYPE=openai
FC_EMBEDDING_API_BASE=https://api.openai.com/v1
FC_EMBEDDING_API_KEY=sk-your-api-key
FC_EMBEDDING_API_MODEL=text-embedding-3-small # 必填
FC_EMBEDDING_BATCH_SIZE=5
FC_EMBEDDING_MAX_INPUT_CHARS=8000

FC_EMBEDDING_API_TYPE 支持：

• openai: OpenAI 或 OpenAI 兼容的 Embedding 接口。
• gemini: 通过 Gemini 的 OpenAI 兼容 Embedding 接口调用。请显式设置 FC_EMBEDDING_API_BASE 和 FC_EMBEDDING_API_MODEL。
• ollama: 本地 Ollama Embedding 模型。请设置 FC_EMBEDDING_API_BASE，例如 http://localhost:11434，并使用 nomic-embed-text 或 bge-m3 这类 Embedding 模型。

如果 FC_EMBEDDING_API_TYPE、FC_EMBEDDING_API_BASE、FC_EMBEDDING_API_KEY 都没有设置，FeedCraft 会回退到对应的 FC_LLM_API_TYPE、FC_LLM_API_BASE、FC_LLM_API_KEY。Embedding 模型名是独立的：你必须显式设置 FC_EMBEDDING_API_MODEL 为有效的 Embedding 模型。 FeedCraft 不再提供默认 Embedding 模型，也不会复用 FC_LLM_API_MODEL，因为它通常是聊天模型。

FC_EMBEDDING_MAX_INPUT_CHARS 是发送给 Embedding 服务前的最终安全上限，包含 instruction 前缀。它是字符预算，不是精确的 tokenizer token 数。建议按模型 token 窗口设置保守值，例如 8k token 的 Embedding 模型可从 8000 开始。

参数

• anchors (必填): 每行一个主题锚点。锚点应描述你想匹配的主题，例如：

  人工智能基础设施
  机器学习研究
  大语言模型部署

• threshold (默认: 0.6): 余弦相似度阈值，范围 0 到 1。值越高越严格。建议从 0.6 开始；漏掉相关文章时调低，混入无关文章时调高。

• mode (默认: include): include 保留匹配项；exclude 移除匹配项。

• max_content_length (默认: 2000): 当前 AtomCraft 使用的文章正文最大字符数；最终发送前还会受 FC_EMBEDDING_MAX_INPUT_CHARS 保护。

• instruction (可选): 会作为文本前缀拼接到每条 Embedding 输入前。除非你的模型确实需要固定任务前缀，否则建议留空。

管理后台使用流程

1. 打开 工作台 → Feed 源处理 → 原子工艺。
2. 新建一个 AtomCraft，例如 ai-news-only。
3. 模板选择 embedding-filter。
4. 在 anchors 中每行填写一个主题。
5. 使用 mode=include 保留匹配文章，或切换到 exclude 移除匹配文章。
6. 保存 AtomCraft。
7. 在 FlowCraft、Recipe、Feed Compare 中使用它，或直接访问：

/craft/ai-news-only?input_url=https%3A%2F%2Fexample.com%2Ffeed.xml

常见问题

• “anchors parameter is required”: anchors 至少需要一行非空内容。
• “FC_EMBEDDING_API_MODEL must be set”: 请配置单个 Embedding 模型。聊天模型不适合这个功能。
• 所有文章都被移除: 降低 threshold，增加更宽泛的锚点，或增大 max_content_length。
• 无关文章仍然保留: 提高 threshold，让锚点更具体，或用代表性短语替代宽泛分类名。
• 服务商提示输入过长: 降低 FC_EMBEDDING_MAX_INPUT_CHARS，降低 max_content_length，或缩短 instruction。

---

输入输出

透传代理。HTML / JSON / 搜索转 RSS 见功能指南与系统工具。

proxy (代理)

简单的订阅源代理。

• 适用场景: 当你只想转发原始 Feed 而不做修改，或者将 FeedCraft 作为中心网关使用时。