Hexo博客文章底部添加推荐相关文章：使用hexo-article-recommender插件实现

截至目前（2025 年），Hexo生态中主流的、活跃维护的、具备“文章推荐”功能的插件相对较少，且多数方案较为简单（如仅基于标签或分类匹配）。hexo-related-popular-posts也是已经年久失修，而hexo-recommended-posts也是五年以前的插件需要外部服务器提供api，所以我自己做了一个插件来实现这一功能。

项目地址：https://github.com/i-NMB/hexo-article-recommender
欢迎 Star、Issue 与 PR！

• 特点：
  • 纯本地运行，无网络请求；
  • 融合语义、标题、标签、分类、时效性五大维度；
  • 提供三种策略（balanced / title-focused / content-focused）；
  • 输出推荐分数、关系类型、阅读时长等元数据；
  • 内置响应式卡片，支持自动注入或手动调用；
  • 兼容 Hexo 7.0+，无外部依赖。
• 适用人群：追求智能推荐、隐私安全、开箱即用体验的用户。

1.效果

如题是我录制的一个Demo（转.gif），他会自动在</article>标签之后添加对应的卡片（也可以手动设计），并且在卡片上显示是否为相关（相关 or 推荐）

2.安装

开箱即用，您只需要从npm安装插件，一行命令即可开始使用

npm install hexo-article-recommender --save

安装后默认自动在每篇文章底部插入美观的推荐卡片——无需任何配置。

卡片内置响应式设计，支持：

1. 悬停动画与渐变背景
2. 阅读时长估算（基于中英文阅读速度研究数据）
3. 推荐分数与关系类型标签
4. 作者信息与摘要截取

2.1.作者信息与摘要截取设置

如果你需要在卡片上显示作者信息与摘要截取则需要以下配置，否则将会显示“本站作者”和“原创文章”的默认字样：

请您在

在文章的 Front Matter 中添加

---
author: "作者名称"
author_title: "作者描述"
---

或者

---
author_name: "作者名称"
author_title: "作者描述"
---

比如：

---
title: 主题样式 Demo
date: 2025-10-30 19:07:05
author: "i囡漫笔"
author_title: "随心漫笔写文章"
---

3.配置（可选）

hexo-article-recommender预设了默认配置，同时您可以通过修改博客根目录下的_config.yml文件来进行自己的偏好设置。

article_recommender:
  # 是否自动将推荐模块注入到文章页面底部（默认 true）
  inject: true
  # 推荐策略（可选：balanced | title-focused | content-focused，默认 balanced）
  strategy: balanced
  # 默认推荐文章数量（默认 3）
  default_count: 3
  # 推荐区域标题（支持中英文）
  recommended_title: "推荐文章"
  # 时效性衰减系数（值越大，旧文章权重下降越快；默认 0.3）
  recency_decay: 0.3

推荐策略（strategy）的占比如下：

策略名称	语义占比	标题占比	标签占比	分类占比	时效占比
balanced（默认）	50%	20%	15%	10%	5%
title-focused	30%	40%	15%	10%	5%
content-focused	70%	10%	10%	5%	5%

如果你还有什么好的占比建议可以直接在评论区或者在github的开源项目上留言。

手动注入（高级）

该插件通常通过 Hexo 的 injects 机制，将推荐内容自动插入到主题模板中 </article> 标签之后。但如果该位置布局不合适，或背景色与插件默认样式不协调，建议改用手动注入方式，以获得更灵活的控制和更好的视觉融合。

或者若你希望自定义位置或样式，也可以参考手动注入：

• 如果您是EJS模板主题（如 landscape、fluid 等主题）请参考：Hexo博客EJS主题的相关文章智能推荐插件hexo-article-recommender进阶配置 - i囡漫笔

• 如果您是Nunjucks模板主题（如NexT等主题）请参考：Hexo博客NJK主题的相关文章智能推荐插件hexo-article-recommender进阶配置 - i囡漫笔

插件特点/运作方式

许多 Hexo 推荐方案仅依赖标签或分类进行匹配，容易导致推荐结果单一。而本插件采用五维特征融合模型：

1. 语义相似度：通过 TF-IDF 与词频分析提取内容关键词，计算文章间语义关联；
2. 标题关键词：强化标题中高权重词汇的匹配优先级；
3. 标签一致性：相同标签的文章天然具备关联性；
4. 分类归属：同分类下的内容更可能属于同一主题；
5. 时效性衰减：通过可配置的衰减系数，让新文章获得更高曝光权重。

这五个维度经过归一化后加权求和，最终输出 0~100 的推荐分数，并标记推荐类型为 related（强相关）或 fallback（兜底推荐），便于前端差异化展示。

推荐不必依赖云端，本地也能做到精准与优雅。无论你是技术博主、写作爱好者，还是内容运营者，这个插件都能以最低成本，为你的读者带来更连贯、更沉浸的阅读体验。