520这个数字在中文里是“我爱你”，但对我来说，是“我爱代码”。今天，这个博客的雏形终于上线了，它不是一个WordPress模板，也不是一个静态生成器，它是我用代码和一堆API管道拼出来的、能自己干活的东西。代码不会闹脾气，不会跟你谈理想，你喂给它逻辑，它吐出结果，干净利落。
这玩意儿的内核，是我用n8n搭的一个自动化大脑。前端就是个极简的页面，用户输入问题，比如“2019年你管理团队踩过最大的坑是什么”，这个查询不会去匹配关键词，而是直接进了我自建的向量数据库。对，就是那个听起来很玄乎的“语义检索”。我受够了以前博客那种基于标签和关键词的垃圾搜索，用户问“如何提高Axure原型效率”，我十年前写的关于“Axure组件库复用”的旧文根本搜不出来，因为字面不匹配。这太蠢了，我的知识被锁死在字符层面。
所以这次我搞了个狠的。我把过去七年写的所有技术复盘、踩坑笔记，大概几百篇Markdown文件，全部用OpenAI的text-embedding-ada-002模型跑了一遍，生成了向量。这个过程本身就是一个技术活，你得处理文本分块，控制token长度，还得考虑上下文连贯性，不然“Python多线程爬虫”和“Python异步IO”可能被切成毫不相关的碎片。我写了个脚本，按语义段落切，而不是机械地按字数切。
然后就是向量数据库的选择。我试过Pinecone，云服务省心但贵，而且我这种个人项目，数据量不大，但查询频率可能突然爆一下（万一火了怎么办？），按用量计费心里没底。最后选了Chroma，本地部署，轻量，Python接口友好。我把所有向量和对应的原文链接、标题元数据存了进去。n8n在这里扮演了交通枢纽的角色：它接收前端的HTTP请求，把查询文本同样转换成向量，然后调用Chroma的API进行相似度搜索，返回最相关的几条内容，再组装成一段带引用的、人性化的回答，吐回给前端。
整个流程在n8n里画成工作流，像一张神经网。这里面的魔鬼细节是错误处理和降级方案。向量数据库查询可能超时，OpenAI的Embedding API有频率限制（RPM），前端用户可能输入乱码。我在n8n的每个关键节点都设置了重试机制和fallback路径，比如向量搜索失败，就自动降级到基于Elasticsearch的传统关键词检索，虽然笨，但至少能有结果返回，不至于让用户面对一个空白页。这就是产品思维，你可以追求技术的优雅，但必须保证系统的鲁棒。
搞完这一套，我坐在电脑前，看着日志里一条条自动完成的“查询-检索-响应”记录，有种奇特的满足感。这不再是2016年那种写个爬虫薅点流量数据的低级快感，这是一种构建数字资产的感觉。我的经验、我的思考，被编码成向量，沉淀在数据库里，成了一个可以7×24小时自动应答、不断增值的“数字分身”。它不会因为我今天心情不好而罢工，也不会要求涨薪。在2023年，当ChatGPT已经让很多传统技能显得可笑时，这种“用AI管理并放大自身知识资产”的能力，可能就是“超级个体”最后的护城河。代码不爱我，但我爱它能带来的、确定的、沉默的产出。这就够了。
