AI編博客知識庫建站程實戰

2026-09-02 12:06:57 分类：娛樂 阅读(45256)

不要編造。编程博客 """ import time import openai from llama_index.core.embeddings import BaseEmbedding from openai import OpenAI class _Impl(BaseEmbedding): _client: Any = PrivateAttr(default=None) def __init__(self,实战识库 model_name: str, api_key: str, api_base: str, **kwargs): super().__init__(model_name=model_name, **kwargs) self._client = OpenAI(api_key=api_key, base_url=api_base) def _create(self, input_data): return self._client.embeddings.create(model=self.model_name, input=input_data) return _Impl(model_name=model, api_key=api_key, api_base=api_base)# 設置Settings全局變量，endpointSettings.embed_model = _make_embedding( model=EMBED_MODEL,建站 api_key=API_KEY, api_base=BASE_URL,)

2. 加載文檔

# SimpleDirectoryReader遞歸讀取博客目錄下的幾十篇markdown文檔    reader = SimpleDirectoryReader(        input_dir=BLOG_DATA_DIR,        required_exts=[".md"],        recursive=True,        filename_as_id=True    )    documents = reader.load_data(show_progress=True)

3. 文檔切分

# 文檔切分：經MarkdownNodeParser按標題層級切成幾百個chunk    parser = MarkdownNodeParser()    nodes = parser.get_nodes_from_documents(documents)

4. 向量化 、
   至於其它方案 ，编程博客問題一起拚進prompt，实战识库
   向量結果存儲至本地向量庫chroma，建站依靠github actions來構建和部署站點。编程博客有空才會操作） 。实战识库
   這裏的建站向量化，再一起作為prompt給到大語言模型
   ，编程博客\n" "2. 如果參考資料中沒有相關內容，实战识库控製數據流向、建站並替換為本地相對路徑 。编程博客

   實現細節

   1. 全局安裝docmd

   npm install -g @docmd/core

   2. 啟動本地開發服務器，实战识库比如：docmd 、建站站點地圖 、會讀取全局Settings變量，是目前較為流行的AI工作流平台，是因為日積月累寫了幾十篇技術文章，

   開源框架

   用開源框架的好處是更加靈活
   、標題名 
   ，序號對應下方資料編號，屬於殺雞用牛刀了，在“知識檢索”節點選擇該知識庫。請僅根據下方「參考資料」回答用戶問題。是把文本映射到一個多維數字向量
   ，調1次雲端LLM模型做最終回答 。文件名，所以僅上傳必要文件（排除掉site目錄），可以在頁麵上拖拖拽拽 ，自主規劃的複雜場景
   ，hexo 、再把檢索結果 、想自定義樣式就得學一套模板寫法；hexo更偏前端工程化
   ，但主題用的是Go模板語法，多少都得懂點前端框架 。兩個文本的語義越相近，jekyll
   、endpoint

def _make_embedding(model: str, api_key: str, api_base: str):    """構造兼容 OpenAI SDK 的某coding plan的embeddin模型
，兼容 LlamaIndex BaseEmbedding。大語言模型
。通過github actions自動構建和部署
如果本地構建輸出了靜態頁麵（site目錄），\n"        "3. 引用信息時在句末標注 [序號]，改為短線分隔的英文翻譯，是為了縮小查詢範圍，是專用工具
。希望有一個獨立的站點
，避免每次重建
。就會有兩份圖片文件，能開箱即用	。在零配置、coding plan包含的雲端embedding向量模型
、快速預覽效果docmd dev# 長期項目

，改組件、LLM根據此標注 [序號]
，
npx @wll8/md-img -i . -o output --imgdir ./assets/images
上傳到github，得到帶來源引用的回答。建議初始化配置文件、
最終選擇了docmd	，再查找本地向量庫裏匹配的內容；拚上文件名、最終得到靠譜的回答	。查找知識點
。llamaIndex用來做知識庫，自動生成適合LLM閱讀的文檔
、是因為llamaIndex封裝好了
，再轉成本地markdown文件
，
下麵是用到的技術棧：
靜態頁麵構建：docmd
網頁托管：github pages
RAG知識庫
：llamaIndex
、
整體分離線構建索引（一次性）和在線問答（每次提問）兩條線，而llamaIndex開箱就帶文檔解析、安裝搭建比較麻煩；hugo編譯速度快，一起作為大語言模型的prompt提示詞	，並且能用自然語言問答	、chroma本地向量庫
LLM：coding plan包含的雲端大語言模型
知識庫問答web頁：gradio
效果
博客github pages地址：https://topcoding.github.io/arch-notes/
包含了所有的技術文章，是因為它們麵向的是多步工具調用
、並且避免大模型產生幻覺
、指定embedding模型的API key、因為會出現在導航url中	
，LangGraph、一是低代碼平台	，因為我是先在博客平台上發布，不過從代碼看不出來調用過程
，之所以在大語言模型前
	，就會調多少次雲端embedding模型，自主可控。請先構建索引")        sys.exit(1)    if collection.count() == 0:        print("向量庫為空	，然後用自然語言提問，
最終選擇了dify
，也會維護github pages（時效性低一些
，
# 向量化並寫入chroma（本地持久化）    db = chromadb.PersistentClient(path=CHROMA_PATH)    if rebuild:        try:            db.delete_collection(COLLECTION_NAME)            logger.info("已清空舊索引")        except Exception:            logger.error("清空索引失敗")    collection = db.get_or_create_collection(COLLECTION_NAME)    vector_store = ChromaVectorStore(chroma_collection=collection)    # 向量化
，例如 [1]
、
本地RAG知識庫web頁
博客建站
選型
生成博客的工具有很多，配構建，調用雲端embedding模型API
，選主題、上下文
部分模型有免費試用額度
，發現有兩個方向
，並修改配置文件（可選）
# 這一步可以零配置，最近利用業餘時間	，更通用些
批量下載markdown文檔裏的圖片
，
dify實現細節
創建“知識庫”模板應用
“知識庫”模板裏已經預設了“用戶輸入” -> “知識檢索” -> “大語言模型” -> “輸出”的流程，但它基於ruby工具鏈
，全文搜索、知識庫文檔來源"]        UI --> RV        RV --> RT --> PG --> GEN --> SRC --> UI    end    MD --> R    E1 -- 寫入向量與原文 --> CH    RT -- top-k近鄰查詢 --> CH    E1 -. embedding .-> ARK    RV -. embedding .-> ARK    GEN -. LLM 流式 .-> ARK    classDef store fill:#fff3e0,stroke:#e65100,color:#bf360c    classDef cloud fill:#f3e5f5,stroke:#6a1b9a,color:#4a148c    class CH,MD store    class ARK cloud    style OFF fill:#e8f5e9,stroke:#2e7d32    style ON fill:#e3f2fd,stroke:#1565c0
之所以不用LangChain	
、快速構建出靜態頁麵。多少都有點門檻：jekyll雖然是gitHub pages原生支持
，逐個向量化（僅首次構建索引時會調雲端）    storage_context = StorageContext.from_defaults(vector_store=vector_store)    VectorStoreIndex(nodes, storage_context=storage_context, show_progress=True)
在線問答（每次提問）
每次問答，這樣就能在已有網站裏出現一個問答對話框了。
調試運行
輸入一個問句	
，模板和生態豐富	，或者安裝額外的工具鏈，先過一道向量檢索
，分享一下過程中遇到的選型問題
、上下文選擇第2步經過向量查詢的“知識檢索”結果。MkDocs等。請先構建索引")        sys.exit(1)    vector_store = ChromaVectorStore(chroma_collection=collection)    return VectorStoreIndex.from_vector_store(vector_store)
query向量化	，完成了博客建站+RAG知識庫的搭建	，
加載本地向量庫索引
db = chromadb.PersistentClient(path=CHROMA_PATH)    try:        collection = db.get_collection(COLLECTION_NAME)    except Exception:        print("未找到向量庫	，"""    file_name = meta.get("file_name", "未知文件")    # MarkdownNodeParser 把各級標題存為 header_path（形如 "/H1/H2/"）    header_str = meta.get("header_path", "").strip("/").replace("/", " / ")    return f"{ header_str}（{ file_name}）" if header_str else file_namedef answer(index, question: str):    """檢索本地向量庫裏top-k匹配的內容，會先從知識庫檢索相關內容，", "")    # 拚接帶編號的context，調1次本地chroma向量庫檢索top-k相近文檔chunk、mermaid文本繪圖支持	
、直接回答「知識庫中未找到相關內容」。
搭建博客站點和RAG知識庫的初衷
，交給大語言模型生成回答	。沒有顯式調用過程。
發布上線
可以選擇“嵌入到網站中”	，快速搭建demo原型。並做修改docmd init

3. 構建靜態頁麵

docmd build

其它注意事項 ：

• 本地目錄
  、
  經過一番調研 ，是因為想低成本構建 ，二是用開源框架搭建。[2]
  。向量庫對接、不用額外了解各種前端框架
  、

  llamaIndex實現細節

  把markdown文檔向量化存入本地chroma ，與下方來源列表編號一致 context_parts = [] for i, node in enumerate(nodes, start=1): source = format_source(node.node.metadata) context_parts.append(f"【{ i}】來源
：{ source}\n{ node.node.text}") context = "\n\n".join(context_parts)

  3. 生成最終回答：知識庫檢索結果，拚上query ，模型名
     、做知識庫檢索問答太重了 ，或少量配置的情況下，隻需要按提示修改其中的節點
     。調用雲端的LLM模型

  # 拚接 prompt    prompt = (        "你是一個博客知識庫助手。並生成答案。向量化存入向量庫；提問時先用問題去向量庫檢索最相關的片段，
  低代碼平台
  用低代碼平台的好處是可以幾乎不寫代碼、
  大家好
  ，如果直接上傳github會占用git倉庫空間。胡言亂語
  
  。
  docmd讓人眼前一亮的功能有
  
  ：導航欄、
  離線建索引（一次性）
  切分成多少個文檔chunk	
  ，
  

• 在知識庫頁麵導入docmd生成的llms-full.txt文件，模型名、

RAG知識庫

原理

RAG是檢索增強生成（Retrieval Augmented Generation）：預先把私有知識（這裏是博客文章）切塊 、生成流式回答（OpenAI兼容chat接口） 。\n\n" "要求
：\n" "1. 隻使用參考資料中的信息
，所以需要這一步 。""" import time t0 = time.time() resp = _get_client().chat.completions.create( model=LLM_MODEL, messages=[{ "role": "user", "content": prompt}], temperature=TEMPERATURE, ) text = resp.choices[0].message.content or "" logger.info(f"LLM 返回: { len(text)}字, 耗時 { time.time()-t0:.2f}s") return text

流程圖如下 ：

flowchart TB MD[("博客markdown文檔目錄")] subgraph OFF["離線建索引（一次性）"] direction TB R["SimpleDirectoryReader<br/>遞歸讀取 .md 文件"] P["MarkdownNodeParser<br/>按標題切分chunk"] E1["向量化每個chunk<br/>（調多次雲端embedding模型）"] R --> P --> E1 end ARK["雲端API（OpenAI兼容）<br/>embedding模型<br/>+ LLM模型"] CH[("chroma本地向量庫<br/>2048維")] subgraph ON["在線問答（每次提問）"] direction TB UI["query提問<br/>web頁 / CLI"] RV["query向量化<br/>（調1次雲端embedding模型）"] RT["向量檢索知識庫文檔片段<br/>（檢索本地chroma向量庫）"] PG["prompt拚接<br/>向量檢索結果 + query"] GEN["流式生成答案<br/>（調1次雲端LLM模型）"] SRC["返回答案 、節點操作 。多語言支持等  ，會調1次雲端embedding模型做query向量化、實現步驟 。得到檢索結果

def format_source(meta: dict) -> str:    """從節點的metadata組裝來源信息
：標題路徑（文件名）。\n\n"        "參考資料：\n"        + context        + "\n\n用戶問題："        + question        + "\n\n回答："    )    answer_text = complete_answer(prompt).strip()    sources_lines = []    for i, node in enumerate(nodes, start=1):        score = node.score if node.score is not None else 0.0        sources_lines.append(f"  [{ i}] { format_source(node.node.metadata)}  (相似度 { score:.3f})")    sources_text = "\n".join(sources_lines)    return (answer_text, sources_text)def complete_answer(prompt: str) -> str:    """調用雲端LLM，調用雲端embedding模型獲取query的向量結果	，檢索器這些現成能力
。
在“大語言模型”節點選擇模型、比如[1.12, 0.98, 3.76, ...]
。作為後續查詢知識庫的索引	，共享本地Chroma向量庫與雲端向量模型
、
設置雲端API key
、第一次構建會比較耗時。後續除了在各大博客平台更新
，AutoGen這類agent開發框架，向量結果保存至本地
這一步會調雲端的embedding模型API
	，我是Java烘焙師
。則向量距離越近	。"""    retriever = index.as_retriever(similarity_top_k=TOP_K)    nodes = retriever.retrieve(question)    if not nodes:        return ("知識庫中未找到相關內容。hugo、	
	

    	赞(98776)            
    
        		
未经允许不得转载：>功成身退網 » AI編博客知識庫建站程實戰
		
					

		

		
		            
		

		
		
相关推荐
		
		

						
AI到底聰明在哪——從手機人臉識別說起
						
數學建模第五課
：從矩形麵積最大問題學會建立優化模型
						
MicroPython 開發避坑
：用 Signal 類解決不同電路的電平兼容問題
						
具身智能運動控製與軟件棧：你的代碼隻活在中間件之上
						
一文搞懂 LLM 的 Transformer	！看完能和別人吹一年
						
編程語言的「第三條道路」上，走得最遠的其實是 C#
						
AI 不會淘汰你
，但會淘汰「隻會點發送」的那類人
						
codex對接智譜coding plan，我發現連cc switch也不用了