type
status
date
slug
summary
tags
category
icon
password

基本段落

水系锌离子电池电解液的发展进程

 
💡
当我们在研究一个科研课题之前,我们要明确课题的发展历史,找到该课题关键的科学问题在哪里,才能进一步更好的分析。

提高锌金属负极库伦效率的意义

提高金属负极性能指标的一个关键限制性因素就是金属负极的库伦效率,金属负极低的库伦效率会导致诸多关键的电池性能指标的衰退:1.循环寿命变短,例如,99.0%和99.9%的库伦效率对比,我们假设电解液中不存在补充的锌离子,在100圈之后分别还剩0.366与0.905。由此可知负极库伦效率的提高,可以延长金属电池的循环寿命。2.安全性减弱,库伦效率的降低,意味着可能存在大量的死锌,这些死锌会落在隔膜上,存在电解液里,导致电池的短路,电池在短路状态下,电流可达到数百安培,会引起电流通过的各个地方的过热现象,尤其在不良的连接处。
基于以上内容,我们得知,提高金属负极的库伦效率迫在眉睫。
液态电解质工程已成为提高金属电池库伦效率的一种有前途的策略。但电解质的复杂性使得电池的性能预测和设计具有很大的挑战性。

水系锌离子电池电解液的组成

盐、溶剂、添加剂
盐:硫酸锌、醋酸锌、三氟甲磺酸锌、ZnTFSI、四氟硼酸锌
溶剂:
添加剂:

如何提高电池的库伦效率??

库伦效率低的原因在前面已经叙述过,一是由于死锌的形成,二是由于负极界面处容易发生过度的副反应。
我们可以从两个方面着手,一个是体相,一个是界面。
我们首先来分析电解液体相要达到一个什么样的状态才能提高库伦效率呢?罪魁祸首就是电解液体相中的水分子,水分子在电解液体相中大致可以分为四种状态,一种是自由水分子,一种是进入锌离子溶剂化壳层中的水分子,一种是被阴离子限制住的水分子,一种是被共溶剂(添加剂)限制住的水分子。我们的目的就在于减少自由水分子的数量,减少锌离子溶剂化壳层中水分子的数量,增加被共溶剂限制住的水分子的数量。
库伦效率的最佳描述符到底是什么?增加水分子与有机溶剂之间的氢键强度与氢键数量是否与库伦效率呈现正相关?或者类似于火山图的相关关系?目前文章里大量提到的增加X和锌离子之间的结合能强度有助于进入锌离子的溶剂化壳层,减少水分子在锌离子溶剂化壳层中的占比,从而减少了在去溶剂化过程中水分子对锌负极表面的攻击,改变这一个因素,是否可以提高锌离子在溶解沉积侧的库伦效率?除此之外,X与锌负极表面的吸附能是如何影响库伦效率的?吸附能是越大越好吗?是否存在一个极值点呢?目前大多数的文章单独集中在一种或者两种X对锌负极的影响,往往先有性能后推结论,我们是否可以整合目前出现过的有效的X,提取出各项参数判断对CE的最大影响因素呢?有一个初步的结论之后,再用实验来修正这个理论?
那关键问题来了,研究电解液的文章都证明了加入某种有机溶剂之后,该有机溶剂与水分子之间能够形成更强的氢键作用,却没有一篇文章横向对比过形成的氢键强度是否可以成为筛选添加剂的一项关键指标?基于这个思路,我们提取了2021年以来的高被引以及最新的文章中采用的添加剂,如下,并整理了文献中所报道的添加剂的平均库伦效率,见excel表格内容。
1
H2O
Water
2
MEOH
Methanol
3
SAC
Saccharin
5
ARG
Arginine
7
GLY
glycine
8
SER
Serotonin
10
DMF
N,N-dimethylformamide
12
HMPA
hexamethylphosphoramide
13
TMU
tetramethylurea
16
GBL
Gamma butyrolactone
17
SL
Sulfolane
17
SL
Sulfolane
18
DMSO
Dimethyl sulfoxide
20
GLU
Glucose
21
DEG
Diethylene glycol
22
ETOH
Ethanol
23
DGDE
Bis(2-methoxyethyl) ether
25
EG
Ethylene glycol
26
IP
Isopropanol
27
MP
1-Methoxy-2-propanol
31
5_SA
5-Sulfosalicylate anion
33
GLUACID
Glutaric acid
34
TMP
Trimethyl phosphate
35
TEP
Trimethyl phosphate
36
AN
Acrylonitrile
37
EC
Ethylene carbonate
38
G2
Diglyme
39
NMP
N-Methyl-2-pyrrolidone
40
PC
Propylene carbonate
以上整理的溶剂涵盖了醇类,醚类,酯类,砜类以及阴离子等其他类型的各种添加剂。
文献中曾经报道的实现高库效的添加剂,接下来我们需要对以上添加剂进行分类,以上添加剂可以分为质子溶剂、非质子溶剂、氨基酸、酸和阴离子、糖类、其他,具体分类如下:
  1. 溶剂:质子溶剂(Protic Solvents)
      • 这些溶剂能提供质子(H⁺),常用于溶解离子化合物或作为反应介质。以下质子溶剂与水分子均能形成氢键,因此通常无限混溶,无相分离。水能与醇的氢键网络重组,形成更紧密的结构。
        • 1: H2O - Water(水)
        • 2: MEOH - Methanol(甲醇)
        • 22: ETOH - Ethanol(乙醇)
        • 26: IP - Isopropanol(异丙醇)
        • 25: EG - Ethylene glycol(乙二醇)
        • 21: DEG - Diethylene glycol(二甘醇)
        • 27: MP - 1-Methoxy-2-propanol(1-甲氧基-2-丙醇,一种醇醚,具有质子特性)
        • 质子溶剂分子中的O-H键(如甲醇的C-OH、乙二醇的HO-CH₂-CH₂-OH)在低电位下易被还原,导致析氢反应(HER);在高电位下则可能发生氧化反应(如生成醛或酸)14。例如,甲醇在>1.0 V(vs. SHE)时可能氧化为甲醛,而乙二醇在阳极易氧化为草酸,所以醇类添加剂的库伦效率普遍不高
  1. 溶剂:非质子溶剂(Aprotic Solvents)
      • 这些溶剂不能提供质子,但具有高极性,广泛用于有机合成和电化学中。包括酰胺类、砜类、碳酸酯类等。
        • 10: DMF - N,N-dimethylformamide(N,N-二甲基甲酰胺,酰胺类)
        • 12: HMPA - Hexamethylphosphoramide(六甲基磷酰胺,磷酰胺类)
        • 13: TMU - Tetramethylurea(四甲基脲,尿素衍生物)
        • 16: GBL - Gamma butyrolactone(γ-丁内酯,内酯类)
        • 17: SL - Sulfolane(环丁砜,砜类)
        • 18: DMSO - Dimethyl sulfoxide(二甲基亚砜,砜类)
        • 39: NMP - N-Methyl-2-pyrrolidone(N-甲基-2-吡咯烷酮,酰胺类)
        • 37: EC - Ethylene carbonate(碳酸亚乙酯,碳酸酯类)
        • 40: PC - Propylene carbonate(碳酸丙烯酯,碳酸酯类)
        • 34: TMP - Trimethyl phosphate(磷酸三甲酯,磷酸酯类)
        • 35: TEP - Triethyl phosphate(磷酸三乙酯,磷酸酯类;假设TEP为磷酸三乙酯)
        • 36: AN - Acrylonitrile(丙烯腈,腈类)
        • 23: DGDE - Bis(2-methoxyethyl) ether(双(2-甲氧基乙基)醚,醚类)
        • 38: G2 - Diglyme(二甘醇二甲醚,醚类)
  1. 氨基酸(Amino Acids)
      • 这些是生物体中常见的氨基酸,用于蛋白质合成。
        • 5: ARG - Arginine(精氨酸)
        • 7: GLY - Glycine(甘氨酸)
        • 8: SER - Serine(丝氨酸;基于上下文推测为丝氨酸,而非血清素。如果您指血清素,请确认。)
  1. 酸和阴离子(Acids and Anions)
      • 包括羧酸及其阴离子形式。
        • 33: GLUACID - Glutaric acid(戊二酸,二羧酸)
        • 31: 5_SA - 5-Sulfosalicylate anion(5-磺基水杨酸阴离子,磺酸衍生物)
  1. 糖类(Sugars)
      • 碳水化合物。
        • 20: GLU - Glucose(葡萄糖)
  1. 其他(Other)
      • 这些物质不属于上述类别,如甜味剂或特殊化合物。
        • 3: SAC - Saccharin(糖精,人工甜味剂)
 
 
如图所示,分子的结构式如下
notion image
现在我们的目的是如何从大量无规律的分子中找到一个通用的描述符能够准确反应库伦效率。
批量绘制以上有机分子结构式需要先在gaussian中对单体结构进行优化,优化之后可以用openbable将log文件转换成mol2文件,注意此时一定用mol2文件比较好,原因在于rdkit识别mol2文件的效果更好一些。代码如下:
 
notion image
前面已经分析过了,影响库伦效率有多个因素,我们提取了目前文献中普遍认可的多个结构性质上的因素,如X与水分子之间的结合能,理论上说结合能越大,加上X的供受体数目越多,能够形成的氢键数目就越多,自由水分子的比例下降,是否能够大幅度提高库伦效率?对于与锌离子之间的结合能,结合能越大,分子尺寸越小被认为越容易进入锌离子的溶剂化壳层,进入锌离子的溶剂化壳层是否就能大幅度提高库伦效率?除此之外,大家普遍计算和认为的X在锌负极表面的吸附能,吸附能越大,是否库伦效率就能够提高呢?如果这些单一因素与库伦效率之间没有发现任何关系,那是否存在一种新的描述符,能够预测库伦效率与某一参数的关系呢?
首先我们先研究X与水分子之间的相互作用,我们计算了每个X与水分子之间的相互作用能。相互作用能计算后的构型与结果如下图所示:其中水分子的没有给出,因为我不小心删除了构象,后续可以补充
notion image
除了氢键的键能之外,氢键的供受体数目也制约着水分子的活性,先考虑氢键强度的影响,我们再综合考虑氢键供受体与氢键键能共同的影响。
但鉴于文献中的装电池手法问题,添加剂量的问题无法得出一个统一标准的库伦效率,在此采取了典型的十种有机分子,判断首圈库伦效率,第五圈到第20圈,第二圈到第20圈的库伦效率,对应的库伦效率以及总结的如下。
notion image
 
Sample
Initial C.E.(%)
Initial C.E.(%)
C.E.(5th-20th) (%)
C.E.(5th-20th) (%)
C.E.(2th-20th) (%)
C.E.(2th-20th) (%)
1H2O
91.05
91.05
98.4525
98.4525
98.21263158
98.21263158
AN1
86.98
96.28
96.7175
98.4819
96.1468
98.24525
AN2
96.48
98.5144
98.2926
AN3
96.08
98.4494
98.1979
DMF1
93.88
96.985
187.9
/
166.8623
/
DMF2
97.16
90.8688
91.9732
DMF3
96.81
89.9708
91.4056
DMSO1
93.88
96.395
86.1013
87.7374
DMSO2
96.91
98.7469
98.7469
98.5421
98.5421
DMSO3
95.88
100.7225
100.2142
EC1
95.28
95.44
98.7106
98.32155
98.2679
98.1445
EC2
95.32
98.2244
97.9932
EC3
95.56
98.4187
98.2958
EG1
92.07
95.045
120.4688
/
116.6411
/
EG2
94.77
73.0871
80.327
EG3
95.32
82.1212
86.3245
GLU1
95.13
96.33
98.0025
97.86685
97.9026
97.7955
GLU2
96.24
97.8625
97.7847
GLU3
96.42
97.8712
97.8063
HMPA1
85.94
94.115
98.6669
98.94595
98.4158
98.88895
HMPA2
92.25
98.9981
98.9137
HMPA3
95.98
98.8938
98.8642
MEOH1
93.84
95.56
102.0781
101.1679
MEOH2
95.67
98.5506
98.5506
98.2605
98.2605
MEOH3
95.45
186.8281
172.5505
PC1
91.55
96.735
98.82
98.77345
98.7089
98.69475
PC2
96.58
98.7944
98.7253
PC3
96.89
98.7525
98.6642
TEP1
92.28
95.14
98.5912
98.41535
98.4879
98.28525
TEP2
95.65
98.3488
98.2316
TEP3
94.63
98.4819
98.3389
我们从中筛选了有效数据进行库伦效率与结合能之间的探究 首先研究与首效之间的关系,可以得出一个很明显的结论,所有添加剂加入到电解液中都对首圈库伦效率起到了提高的作用,具体原因是界面的导致的还是体相结构的变化导致的,后续还需要继续探究,我们先来判断氢键强度和供受体与首效和接下来的库效之间的关系。
Sample
Initial C.E.(%)
1H2O
91.05
AN1
96.28
DMF1
96.985
DMSO1
96.395
EC1
95.44
EG1
95.045
GLU1
96.33
HMPA1
94.115
MEOH1
95.56
PC1
96.735
TEP1
95.14
notion image
notion image
 
由上图看出,首效与氢键强度之间的规律并不明显,由于有机分子与水分子之间形成的不止有一个氢键,可能存在多个氢键,所以把氢键供受体这个变量也考虑进去,判断是否可能存在某些线性关系。
notion image
由上图可知,先单独判断氢键供受体与库效之间的关系,确认不如氢键强度的关系强,毕竟氢键的强度还带点火山型的关系。为了进一步寻找判断氢键供受体与氢键强度与库伦效率之间的关系,我们先采用氢键强度与供受体的乘积判断是否存在一定的关系,很可惜,由图上可以看出二者的乘积仍然没有多大关系
notion image
以上是对首圈库伦效率的分析,虽然首圈库伦效率难以解释该公式有哪些物理含义,但我们可以继续尝试判断后续的CE与其他参数之间的关系。接下来用同样的方法分析第5圈到第20圈的
Sample
C.E.(5th-20th) (%)
1H2O
98.4525
AN1
98.4819
DMSO2
98.7469
EC1
98.32155
GLU1
97.86685
HMPA1
98.94595
MEOH2
98.5506
PC1
98.77345
TEP1
98.41535
让我们重新回到最初的设想,我们目前只研究了氢键的供受体和氢键强度对库伦效率的关系,并没有研究锌离子与水分子之间的结合能与库伦效率的关系。接下来让我们来判断一下加入锌离子与X之间的结合能这个参数会对库伦效率有哪些影响?
首先我们要先处理锌离子与X之间结合能的构象并把内容放在一个格子里面。
notion image
第一步:openbable 将已经优化好的结果转换成mol2格式 第二步:利用代码将mol2中的内容显现出来
利用py3Dmol绘图并用结合能命名png文件保存
以上代码是绘图将每个结构绘制到网格里面,结果如下图所示:
notion image
接下来开始分析首效和5th-2th的库效与结合能之间的关系
notion image
 
如上图所示,仍然没什么关系
SISSO得出的公司如下
SISSO得出的公式
首效的影响因素
X:氢键强度,氢键供受体
X:氢键强度,氢键供受体,锌离子结合能
n_expansion =3 , n_term=2
n_expansion =3 , n_term=2
n_term=1
n_term=2
n_term=1
n_term=2
1.617851*((ln(EX-H2O norm))/(EX-H2O norm)**2)+1.1264801900635204
+ 2.4316789504*((ln(EX-H2O norm))/(EX-H2O norm)**2)   + 0.0474416698*((EX-H2O norm/Danumber/H2O)-(exp(EX-H2O norm)))  +1.166820381539998
y = 1.617851 × [ln(EX_H2O_norm) / (EX_H2O_norm)²] + 1.1264801900635204
y = 2.0021190905 × [ln(EX_H2O_norm) / (EX_H2O_norm × EX_Zn_norm)] - 0.1403229421 × [(EX_H2O_norm - EX_Zn_norm) × (EX_H2O_norm × Danumber / H2O)] + 1.093665223658891
RMSE
R2
RMSE
R2
RMSE
R2
RMSE
R2
0.0958323
0.4342117
0.0590155
0.7854335
0.0958323
0.4342117
0.0572272
0.7982402
5th-20th的影响因素
X:氢键强度,氢键供受体
X:氢键强度,氢键供受体,锌离子结合能
n_expansion =3 , n_term=2
n_expansion =3 , n_term=2
n_term=1
n_term=2
n_term=1
n_term=2
‘-0.03782*((EX-H2O norm+Danumber/H2O)-(EXP(EX-H2O norm)))+1.78288486402757
+ 2.4316789504*((ln(EX-H2O norm))/(EX-H2O norm)**2)   + 0.0474416698*((EX-H2O norm/Danumber/H2O)-(exp(EX-H2O norm)))  +1.166820381539998
y = -0.060123 × [(Danumber/H2O - EX_Zn_norm) - exp(EX_Zn_norm)] + 1.6764782966560663
y = -0.1650012535 × [(Danumber/H2O)/EX_Zn_norm - (EX_Zn_norm)²] + 0.1516191323 × [(Danumber/H2O)/EX_Zn_norm / (EX_Zn_norm)²] + 1.674502734790613
RMSE
R2
RMSE
R2
RMSE
R2
RMSE
R2
0.0466604
0.689491
0.0389932
0.7831519
0.0438295
0.7260253
0.0364237
0.8107895
 
分析一下内容
接下来我们对已有的数据进行详细地分析,目前的y值我们要的是库伦效率,库伦效率分为首圈库伦效率、2-20th圈库伦效率和5th-20th的库伦效率 ,综合上述内容,我们开始分析氢键强度与锌离子与X之间的结合能和其他因素对库伦效率起到积极作用还是消极作用。
目前有四个参数的影响,分别为氢键强度,氢键供受体,氢键强度与氢键供受体数的乘积,锌离子之间的结合能,我们首先对首效的影响因素做出判断:如图所示,这是氢键强度与库伦效率之间的关系这大致是一个火山型曲线,但PC和AN和EC三者游离在火山型曲线之外。由图我们可以得知DMF在提高首效方面具有显著的影响,至于原因目前我们还不得而知
 
notion image

相同物质的量下的X对库效的影响??

 
由于前期的添加剂并不是相同物质的量而是相同质量下的,所以不具备比较氢键强度和供受体对库效影响的特性,因此我们进一步设计相同物质的量的添加剂加入到2MZn(OTF)2电解液溶液中,加入的量如下表所示
序号
缩写
相对分子质量(g mol-1)
n (mol)
质量(g)
20
GLU
180
0.02
3.6
12
HMPA
179
0.02
3.58
35
TEP
182
0.02
3.64
25
EG
62
0.02
1.24
40
PC
116
0.02
2.32
18
DMSO
78
0.02
1.56
37
EC
88
0.02
1.76
2
MEOH
32
0.02
0.64
10
DMF
73
0.02
1.46
30
AN
41
0.02
0.82
根据以上配方得到的首圈库伦效率如下,同样的配方装两个电池。
电解质
sample
首效
平均首效
2MZnotf+0.02mEC-1,1-0.8V_008_8
EC
效率(%)
86.74
87.55
2MZnotf+0.02mEC-1,1-0.8V_009_1
效率(%)
88.36
2MZnotf+0.02DMF-1,1-0.8V_006_1
DMF
效率(%)
88.35
88.72
2MZnotf+0.02DMF-1,1-0.8V_006_4
效率(%)
89.09
2MZnotf+0.02mAN-1,1-0.8V_008_6
AN
效率(%)
93.59
94.35
2MZnotf+0.02mAN-1,1-0.8V_008_7
效率(%)
95.11
2MZnotf+0.02mDMSO-1,1-0.8V_007_3
DMSO
效率(%)
87.51
87.99
2MZnotf+0.02mDMSO-1,1-0.8V_007_5
效率(%)
88.47
2MZnotf+0.02mEG-1,1-0.8V_008_2
EG
效率(%)
89.75
88.145
2MZnotf+0.02mEG-1,1-0.8V_008_3
效率(%)
86.54
2MZnotf+0.02mGLU-1,1-0.8V_007_8
GLU
效率(%)
93.38
94.28
2MZnotf+0.02mGLU-1,1-0.8V_008_1
效率(%)
95.18
2MZnotf+0.02mHMPA-1,1-0.8V_006_5
HMPA
效率(%)
93.17
92.97
2MZnotf+0.02mHMPA-1,1-0.8V_006_8
效率(%)
92.77
2MZnotf+0.02mMEOH-1,1-0.8V_005_3
MEOH
效率(%)
88.71
88.685
2MZnotf+0.02mMEOH-1,1-0.8V_005_7
效率(%)
88.66
2MZnotf+0.02mPC-1,1-0.8V_009_6
PC
效率(%)
93.85
92.9
2MZnotf+0.02mPC-1,1-0.8V_009_8
效率(%)
91.95
2MZnotf+0.02mTEP-1,1-0.8V_008_4
TEP
效率(%)
94.04
94.09
2MZnotf+0.02mTEP-1,1-0.8V_008_5
效率(%)
94.14
2MZnotf-1,1-0.8V_005_1
BLANK
效率(%)
90.21
91.88
2MZnotf-1,1-0.8V_005_2
效率(%)
93.55
接着我们探究了首效与各个影响因素之间的可能关系,首先是氢键强度与首效的关系,AN乙腈的首效是最高的,然而其与水分子之间的氢键强度并不高,这大概率是因为乙腈能够吸附在锌负极表面,
notion image
notion image
notion image
notion image
 
 

 
 
属性
必填
说明
备注
title
文章标题
status
发布状态
(仅当状态为Published 时会被 展示)
type
页面类型 (博文Post / 单页(Page)
单页不会在博文列表显示 。
summary
内容摘要
搜索和简略显示会用到
date
发布日期
在V3.3.9之前的版本此项为必填。
category
文章分类
可以自定义
tags
文章标签
可多个,建议不要太多
slug
文章短路径
(每篇文章唯一,请勿 重复)
icon
菜单栏图标(仅当Page类型有效)
可以参考:图标库地址
password
文章加锁
需要输入密码才允许访问

评论插件

系统支持 Waline\Giscus\Valine\GitTalk\Utterance\Cusdis\Twikoo六种评论插件,并且可以同时开启,点击评论区的Tab来体验。
按照以下教程可以开启响应的评论插件
NotionNext配置评论插件Twikoo | TANGLY's BLOG
一个简洁、安全、免费的静态网站评论系统,基于 腾讯云开发 。 经评论区网友推荐,我开始使用 Twikoo,一番体验,发现Twikoo真的很强大,目前我决定用它作为主要评论插件。 twikoo支持在页面上直接管理评论、配置插件,非常强大 在最新版本中 NotionNext已经 支持该评论插件,配置 方法很简单: 在Vercel后台添加一个环境变量 NEXT_PUBLIC_COMMENT_ENV_ID ; 值为您部署好的 twikoo 后台地址。以我的举例: 借助vercel,您可以非常快速地部署自己的twikoo后台,用于储存评论数据。 twikoo的后台数据存储是基于MongoDB数据库的,我们可以先注册创建一个免费的在线MongoDB数据库。 创建MongoDB数据库 1.注册账号 创建数据库 这里下方要设置一个允许访问该数据库的IP地址,推荐设置0.0.0.0,即所有地址都允许访问,毕竟我也不知道自己会用什么ip访问这个数据库。 2.获取数据库连接地址 Vercel一键部署 点击Create将twikoo的代码拷入您的仓库 配置MongoDB数据库地址 添加一个配置 MONGODB_URI 环境变量即可,其值为上一步获得的MongoDB连接地址,注意将链接中MONGODB的密码 替换成您设置的。 上述部署完成后,您将获得一个vercel的twikoo后台页面,您可以选择像我一样映射成二级域名 将您的twikoo后台地址配置在NotionNext的后台,并redeploy即可。 到此完成~ 点击右下角的小齿轮即可配置您的管理员密码、并进行更多的功能设置。赶快体验吧~ 可以访问官方文档获取安装部署帮助,并且查看Twikoo的更多特性。 NotionNext支持多种评论插件,可访问以下文章获得帮助:
NotionNext配置评论插件Twikoo | TANGLY's BLOG
NotionNext如何添加评论插件 | TANGLY's BLOG
NotionNext支持多种评论插件,其中体验比较好的我个人觉得是Twikoo,您可以参考以下教程进行配置安装: 您也可以选择Valine/Waline,关于Valine/Waline的部署可以访问此篇文章: Utterance 、 Giscus 、Gitalk 其中部署最便捷的当属 Cusdis 和 Utterance 这两个插件。您可以任选一个部署,当然,您也可以选择同时部署多个。 完成效果预览 点击Start for free ,并用Github登录即可 Sign in With Github (点击查看截图) [可选] 配置邮件通知地址,以便收到新评论时邮件通知您,(点击展开截图) 点击Embed Code获取您的应用ID,即data-app-id, 复制这串id备用。 在Vercel后台添加一个环境变量 NEXT_PUBLIC_COMMENT_CUSDIS_APP_ID,值为上面获取到的data-app-id。 完成预览效果 在您的Github中创建一个开源项目用于存放评论 在github中安装utterance插件 允许utterance访问所有仓库,并勾选install,可以只勾选作为评论用的仓库地址。 将用作评论仓库名添加到Vercel添加环境变量 后台 settings→ environment variables → 添加 → save 即可。如下图: 注意, 仓库名的格式是 [您的用户名/您的仓库名] 如下示例 完成预览效果 在您的Github中创建一个开源项目用于存放评论 创建一个授权秘钥,并保存您的ClientID与ClientSecret Authorization callback URL 填写您网站域名 填写配置的效果 ,点击 register application 即可创建。 点击 Generate a new client secret 生成您的密码 复制 Client ID和刚生成的 Client secret (对应图中2和3)备用。 在Vercel后台配置环境变量 NEXT_PUBLIC_COMMENT_GITALK_CLIENT_ID NEXT_PUBLIC_COMMENT_GITALK_CLIENT_SECRET NEXT_PUBLIC_COMMENT_GITALK_CLIENT_ID NEXT_PUBLIC_COMMENT_GITALK_CLIENT_SECRET 项目会在您的Github项目讨论区创建评论数据,便于维护管理 , 完成效果 预览 您可以在Github的Discusstion讨论区随时管理评论。 在您的Github中创建一个开源项目用于存放评论 在项目Setting中开启discussion功能 在Github中安装giscus应用 点击右上方的Install即可,并确认 允许访问仓库数据权限: 默认勾选All repositories即可。也可以只勾选用作评论的仓库,(后续还可以再回来配置) 访问Giscus填写并获取您的Giscus配置参数 主要配置输入您的仓库名,并选择 Discussion分类为 Announcements .
NotionNext如何添加评论插件 | TANGLY's BLOG