前言

---

在信息爆炸的時代，如何高效獲取并篩選有價值的內容成為關鍵挑戰。華為云ModelArts結合開源工具FeedMe，打造AI驅動的智能RSS閱讀新體驗，助力用戶輕松駕馭信息洪流。本文將分享如何通過Flexus應用服務器與DeepSeek大模型服務，快速構建個性化智能閱讀平臺。

---

一、華為云ModelArts Studio平臺介紹

1.1 ModelArts Studio介紹

🌟 平臺介紹

ModelArts Studio是華為云提供的一個大模型即服務平臺（MaaS服務），旨在簡化模型開發流程，支持定制化大模型的開發，并使這些模型能夠無縫集成到業務系統中。通過降低企業AI應用的成本和難度，ModelArts Studio助力企業快速實現AI技術落地。

👉 立即體驗：通過ModelArts Studio，讓大模型成為企業數字化轉型的核心驅動力，解鎖智能未來！

1.2 ModelArts Studio主要特點

1. 全棧模型生態，性能卓越
   ? 主流模型全覆蓋：集成Llama、Baichuan、Yi、Qwen、DeepSeek等99%業界SOTA開源模型，預適配昇騰算力底座，精度與推理性能顯著提升。
   ? 零代碼自動化開發：沉淀100+行業調優經驗，提供一鍵訓練、自動超參優化、標準化流水線，無需手動調參，開發周期縮短50%+。
   ? 昇騰深度優化：基于昇騰算子與顯存優化技術，訓練/推理效率大幅提升，預置最優超參配置，開箱即用。

2. 資源靈活可控，成本優化
   💡 按需付費，彈性擴縮：分鐘級獲取算力資源，按實際使用收費，避免閑置浪費，降低AI入門門檻。
   💡 高可用性保障：多數據中心部署，支持故障快速恢復（快恢）與斷點續訓，確保訓練任務不中斷，保護項目連續性。

3. 智能應用快速構建
   🤖 Agent開發加速器：提供優質Prompt模板與智能Agent沉淀，支持復雜任務拆解（如多系統協同決策），快速生成業務專屬智能體。
   🤝 組件化生態集成：即插即用MCP Server、LangChain、RAG、Guard等工具，一站式構建智能問答、知識管理、流程自動化等應用。

4. 一站式全生命周期服務
   📦 全流程工具鏈：覆蓋模型調優、壓縮、部署、評測等環節，支持「即開即用」，無需跨平臺切換。
   ?? 標準化流水線：內置性能與精度評價體系，自動化完成模型優化，確保全場景高性能表現。

1.3 ModelArts Studio使用場景

1. 行業大模型定制開發
   🔹 金融/醫療/制造：基于開源模型微調，快速構建風控分析、智能診斷、供應鏈優化等垂直領域大模型。
   🔹 優勢：無需從頭訓練，依托昇騰優化提升行業數據適配性，降低定制成本。

2. 復雜業務流程自動化
   🔹 企業級決策支持：拆解項目級任務（如跨部門協作、多系統調用），通過智能Agent實現自動化決策與執行。
   🔹 典型場景：智能客服（多輪對話+知識庫檢索）、工單自動化處理、數據分析報告生成。

3. 低成本AI創新探索
   🔹 中小企業/初創團隊：通過按需付費模式，零門檻試用大模型能力，快速驗證業務場景（如營銷文案生成、智能質檢）。
   🔹 優勢：分鐘級啟動開發，無需預置算力資源，試錯成本降低80%。

4. 高性能實時推理場景
   🔹 實時交互應用：智能問答、推薦系統、工業實時監控等，依托昇騰優化保障低延遲、高并發推理。
   🔹 技術支撐：多數據中心容災架構，確保7×24小時穩定服務。

5. 多模態應用集成
   🔹 智能內容生成：結合RAG（檢索增強生成）與Guard（安全防護），構建企業級知識中臺、數字人交互等多模態應用。
   🔹 組件化優勢：快速集成LangChain等工具，實現「數據-模型-應用」閉環。

1.4 ModelArts Studio產品架構

華為云ModelArts Studio產品架構集成了模型服務、應用服務和資源管理等多個模塊，支持從模型調優、壓縮到部署的全生命周期管理，并提供豐富的插件和應用體驗。其底層依托于ModelArts Standard平臺，涵蓋模型開發、數據工程、訓練和推理等核心功能，確保高效靈活的AI開發流程。通過統一資源調度和AI專屬資源池，ModelArts Studio實現了資源的按需使用和快速擴展，助力企業輕松應對復雜多變的業務需求。

二、FeedMe工具介紹

2.1 FeedMe簡介

FeedMe 是一款輕量級、開源的 AI 驅動 RSS 閱讀器，致力于為用戶提供“無負擔”的信息聚合體驗。通過靜態頁面或 Docker 輕松部署，無需注冊登錄、無需下載客戶端，即可一站式瀏覽多個信息源，并借助 AI 自動生成文章摘要，實現高效閱讀。

2.2 FeedMe主要特點

• 多源 RSS 聚合：支持訂閱多個 RSS 源，統一整合展示，輕松掌握多方資訊。
• AI 摘要生成：利用大語言模型（LLM）自動生成文章摘要，快速把握內容重點。
• 定時更新機制：集成 GitHub Actions 或 crond，自動定時抓取最新內容。
• 分類瀏覽：支持按類別組織信息源，便于按興趣或主題篩選查看。
• 主題切換：提供亮色與暗色主題，適配不同使用場景和視覺偏好。
• 響應式設計：界面自適應 PC 與移動端，隨時隨地便捷瀏覽。
• 靜態部署支持：可一鍵部署至 GitHub Pages 等靜態托管平臺，零成本上線。
• Docker 部署支持：提供 Docker 鏡像，方便本地或私有服務器快速部署運行。

三、本次實踐介紹

3.1 本次實踐介紹

1. 本次實踐基于個人測試環境，依托華為云 Flexus X 實例與 ModelArts Studio 平臺開展；
2. 實踐內容為將 FeedMe 工具接入 ModelArts Studio 提供的 DeepSeek 商用大模型服務，并完成 FeedMe 的部署與配置。

3.2 環境規劃

云廠商	服務器	云服務	部署項目	IP地址	操作系統版本	內核版本	Docker版本	大模型	備注
華為云	本地服務器	MaaS平臺提供的DeepSeek商用服務	FeedMe	192.168.3.88	Ubuntu 22.04.1 LTS	5.15.0-142-generic	28.1.1	華為云DeepSeek-V3-32K等	——

四、環境準備工作

4.1 檢查系統版本

本次實踐在本地測試服務器進行，使用操作系統版本22.04.1 LTS，需要提前安裝Docker環境。建議使用華為云Flexus X實例，環境部署更加方便快捷。

root@jeven01:~/feedme# vim docker-compose.yml
root@jeven01:~/feedme# cat /etc/os-release
PRETTY_NAME="Ubuntu 22.04.1 LTS"
NAME="Ubuntu"
VERSION_ID="22.04"
VERSION="22.04.1 LTS (Jammy Jellyfish)"
VERSION_CODENAME=jammy
ID=ubuntu
ID_LIKE=debian
HOME_URL="https://www.ubuntu.com/"
SUPPORT_URL="https://help.ubuntu.com/"
BUG_REPORT_URL="https://bugs.launchpad.net/ubuntu/"
PRIVACY_POLICY_URL="https

4.2 檢查Docker環境

檢查Docker版本，當前安裝版本為28.1.1。

root@jeven01:~/feedme# docker -v
Docker version 28.1.1, build 4eba377

檢查Docker Compose版本，當前安裝版本為：v2.35.1。

root@jeven01:~/feedme# docker compose version
Docker Compose version v2.35.1

4.3 安裝基礎軟件包

如果是初始環境，可以安裝以下基礎軟件

apt install -y build-essential cmake curl wget gnupg unzip vim git net-tools iputils-ping software-properties-common

五、開通DeepSeek商用服務

5.1 進入ModelArts Studio控制臺

ModelArts Studio是華為云提供的一個大模型即服務平臺（MaaS服務），旨在簡化模型開發流程，支持定制化大模型的開發，并使這些模型能夠無縫集成到業務系統中。通過降低企業AI應用的成本和難度，ModelArts Studio助力企業快速實現AI技術落地。我們登錄華為云官網后，進入ModelArts Studio大模型即服務平臺的介紹頁。官網地址：https://www.huaweicloud.com/product/modelarts/studio.html。點擊“ModelArts Studio控制臺”，即可進入maas服務控制臺內。

5.2 開通商業服務

訪問 ModelArts Studio 大模型即服務平臺后，ModelArts Studio 控制臺，登錄后進入 模型推理 頁面，選擇 在線推理 > 預置服務 > 商用服務，在模型列表中找到 DeepSeek-R1-32K，點擊“開通服務”以啟用該模型，具體操作如下所示：

同樣的方法，我們可以開通DeepSeek-V3-32K和DeepSeek-R1-32K-0528商用服務，如下所示已正常開通。

5.3 復制OpenAI SDK信息

您可以選擇某個已開通的商用服務（例如 DeepSeek-V3-32K），點擊其右側的 “調用說明” 選項，即可查看與該模型兼容的 OpenAI SDK 調用信息。請在此頁面復制所需的 模型名稱 和 API 地址，并保存至本地，以便后續配置和使用。

5.4 創建API key

我們在ModelArts Studio控制臺左側菜單欄中，單擊“API Key管理”，開始創建API key。

填寫API key的標簽和描述，填寫完畢后，確認創建。

復制我們剛才生成的密鑰，如下所示：

可以在本地建一個臨時文本文件，將以上關鍵信息保存下來。

六、部署FeedMe應用

6.1 下載FeedMe項目

執行以下命令，拉取FeedMe項目。

git clone https://github.com/Seanium/feedme.git

進入FeedMe項目目錄，查看項目內容如下所示：

root@jeven01:~# cd feedme/
root@jeven01:~/feedme# ll
total 280
drwxr-xr-x 11 root root   4096 Jun 25 11:37 ./
drwx------ 13 root root   4096 Jun 25 11:37 ../
drwxr-xr-x  2 root root   4096 Jun 25 11:23 app/
-rw-r--r--  1 root root     10 Jun 25 11:23 CNAME
drwxr-xr-x  3 root root   4096 Jun 25 11:23 components/
-rw-r--r--  1 root root    443 Jun 25 11:23 components.json
drwxr-xr-x  2 root root   4096 Jun 25 11:23 config/
-rw-r--r--  1 root root    172 Jun 25 11:37 docker-compose.yml
-rw-r--r--  1 root root   1119 Jun 25 11:23 Dockerfile
-rw-r--r--  1 root root     28 Jun 25 11:23 .dockerignore
-rw-r--r--  1 root root    167 Jun 25 11:24 .env
-rw-r--r--  1 root root     96 Jun 25 11:23 .env.example
drwxr-xr-x  8 root root   4096 Jun 25 11:23 .git/
-rw-r--r--  1 root root     18 Jun 25 11:23 .gitattributes
drwxr-xr-x  3 root root   4096 Jun 25 11:23 .github/
-rw-r--r--  1 root root    532 Jun 25 11:23 .gitignore
drwxr-xr-x  2 root root   4096 Jun 25 11:23 hooks/
drwxr-xr-x  2 root root   4096 Jun 25 11:23 lib/
-rw-r--r--  1 root root   1061 Jun 25 11:23 LICENSE
-rw-r--r--  1 root root   1429 Jun 25 11:23 next.config.mjs
-rw-r--r--  1 root root   2435 Jun 25 11:23 package.json
-rw-r--r--  1 root root 154519 Jun 25 11:23 pnpm-lock.yaml
-rw-r--r--  1 root root    135 Jun 25 11:23 postcss.config.mjs
drwxr-xr-x  2 root root   4096 Jun 25 11:23 public/
-rw-r--r--  1 root root   9841 Jun 25 11:23 README.en.md
-rw-r--r--  1 root root   9155 Jun 25 11:23 README.md
drwxr-xr-x  2 root root   4096 Jun 25 11:23 scripts/
-rw-r--r--  1 root root   2210 Jun 25 11:23 tailwind.config.ts
-rw-r--r--  1 root root    595 Jun 25 11:23 tsconfig.json

6.2 構建本地鏡像

執行以下命令，構建FeedMe本地鏡像。

docker compose build

檢查本地容器鏡像，可以看到feedme的鏡像名稱。

root@jeven01:~/feedme# docker images |grep feedme
feedme-feedme                                                              latest                         c84f1c6f2e46   35 seconds ago   737MB

6.3 修改API配置文件

在項目目錄下，修示例變量文件名稱為.env。

cp .env.example .env

修改.env文件內容為華為云maas保存的Open SDK相關信息。

root@jeven01:~/feedme# cp .env.example .env
root@jeven01:~/feedme# cat .env
LLM_API_KEY=your_api_key
LLM_API_BASE=https://api.siliconflow.cn/v1
LLM_NAME=THUDM/GLM-4-9B-0414

• 修改內容為：

LLM_API_KEY=your_api_key    # 填寫華為云maas的API Key
LLM_API_BASE=https://api.modelarts-maas.com/v1  # 華為云maas服務的API地址
LLM_NAME=DeepSeek-V3

6.4 修改配置文件

在部署目錄下，我們修改 config/rss-config.js 文件，用于定義和管理所有的 RSS 源及其相關配置。

vim config/rss-config.js

可以自行添加或刪除RSS源部分，如下所示

6.5 修改部署文件

在部署目錄下，我們修改部署文件。

vim docker-compose.yaml

version: '3'services:feedme:build: .ports:- "3000:3000"volumes:- ./.env:/app/.env- ./config:/app/config- ./data:/app/datacontainer_name: feedmerestart: unless-stopped

📁 目錄結構與映射說明

宿主機路徑	容器內掛載路徑	用途說明
~/feedme/env.txt	/app/.env	存放環境配置信息，包括定時任務設置、RSS 源地址等關鍵參數。該文件主要用于容器啟動時加載配置變量。
~/feedme/data	/app/data	用于存儲 RSS 源抓取和解析后的數據內容，如文章列表、更新時間、源元信息等，是運行過程中產生的持久化數據目錄。
~/feedme/config	/app/config	存放系統配置文件，包含 RSS 源定義、任務調度規則及其他應用所需配置，供應用程序讀取使用。

6.6 創建FeedMe容器

執行以下命令，創建FeedMe容器。

docker compose up -d

6.7 檢查容器狀態

檢查容器狀態，確保FeedMe相關容器都正常啟動。

root@jeven01:~/feedme# docker compose ps
WARN[0000] /root/feedme/docker-compose.yml: the attribute `version` is obsolete, it will be ignored, please remove it to avoid potential confusion
NAME      IMAGE           COMMAND                  SERVICE   CREATED          STATUS          PORTS
feedme    feedme-feedme   "/app/scripts/entryp…"   feedme    30 seconds ago   Up 29 seconds   0.0.0.0:3000->3000/tcp, [::]:3000->3000/tcp

6.8 檢查容器日志

檢查FeedMe容器日志，可以看到FeedMe服務正常運行。

docker compose logs 

七、訪問FeedMe服務

瀏覽器訪問http://<服務器IP地址>:3000，將IP替換為自己服務器IP地址，訪問FeedMe的初始頁。如果無法訪問到該頁面，需要檢查操作系統的防火墻是否關閉或放行相關服務端口。

---

可以看到訂閱的 RSS 源內容，FeedMe 不僅能實時抓取更新，還能對新發布的內容進行 AI 自動生成摘要和總結，大大提升了信息獲取效率。這種結合大模型能力的智能處理方式，使得用戶無需逐篇閱讀原文，即可快速掌握核心要點。同時，FeedMe 的界面簡潔、操作流暢，配合華為云 ModelArts 平臺提供的高性能推理能力，整體使用體驗非常出色。

八、實踐體驗與總結

---

? 高效穩定的AI開發平臺，賦能創新應用落地
本次實踐過程中，華為云ModelArts Studio展現出卓越的性能與穩定性。從開通DeepSeek商用服務到部署FeedMe應用，整個流程順暢無阻，極大提升了開發效率。特別是其對OpenAI SDK的良好兼容性，使得API調用過程簡潔高效，充分體現了華為云在AI生態建設方面的深厚積累。同時，結合Docker容器化部署能力，實現了FeedMe應用的快速上線和靈活擴展，真正做到了“開箱即用”。

🚀 智能驅動的信息獲取新時代
通過將華為云ModelArts與開源工具FeedMe相結合，我們成功打造了一個AI驅動的RSS閱讀系統。這一系統不僅能聚合海量信息源，還能借助大模型的理解與摘要能力，為用戶提供個性化、智能化的閱讀體驗。整個實踐過程不僅驗證了華為云平臺的強大能力，也讓我們看到了未來信息處理方式的無限可能。

📢 選擇華為云，讓AI更簡單、更強大！

---