这个项目终于跑通了。我坐在电脑前，看着自己过去十年写的几百篇博客，现在能通过一个搜索框，用自然语言找到任何一篇里提过的细节，而不是靠记忆里的关键词。这感觉，有点像给自己的大脑外接了一个硬盘，而且带上了语义索引。
十年前我绝对想不到，有一天我会亲手把自己的文字“喂”给AI。2016年那会儿，我还在死磕SEO，为了一个关键词排名能折腾一宿，研究百度蜘蛛的爬取规律，分析DOM树结构，就为了那点可怜的流量。那时候的“数据资产”就是后台那点UV、PV数字，还有一堆自己都懒得看的Excel表格。现在回头看，那些流量焦虑真他妈可笑，但当时就是全部。
说回正事。这次的核心工具是n8n，一个低代码/无代码的自动化平台。选它不是因为时髦，而是因为它够“脏”，能连接各种稀奇古怪的旧系统。我的博客数据散落在好几个地方：早期用WordPress，后来迁移到Hexo静态站，还有一堆没发布的Markdown草稿躺在GitHub和本地文件夹里。第一步，用n8n的HTTP Request节点、Git节点和本地文件系统节点，把这些零散的文字全部抓取、清洗、合并。这里坑不少，比如编码问题，早年的WordPress导出文件里一堆乱码，还有Markdown里各种自定义的Front-matter格式，都得写点JavaScript代码节点来预处理。
数据齐了，下一步是切片和向量化。这是最吃算力的部分。我用了n8n里的Python节点，调用LangChain的文本分割器，按语义段落切，避免把一整篇文章扔进去导致信息稀释。然后调用OpenAI的embedding API，把每一段文字转换成1536维的向量。这里必须处理API的频率限制和错误重试，我设置了一个队列机制，失败的任务自动延迟重试，不然几千个切片能把API额度瞬间打爆，还容易丢数据。
向量生成完，就要存进向量数据库。我选了Chroma，轻量，够用。n8n里没有现成的Chroma节点，但没关系，用Code节点执行Python脚本，调用Chroma的客户端SDK，把向量和对应的元数据（文章标题、发布日期、原始URL）批量导入。这一步的关键是建立好索引，不然检索速度慢得像在爬。
最后是搭建检索接口。我建了一个简单的Webhook节点作为入口，接收用户查询。查询文本同样走一遍embedding，变成向量，然后在Chroma里做相似度搜索，返回最匹配的5个文本片段，并附带上原文的链接。整个流程在n8n里画成一个大工作流，从触发到返回结果，全自动。
搞完这套东西，我盯着那个简陋的搜索框，突然有点恍惚。2019年我带团队那会儿，想搞个内部知识库，光需求评审就开了三次会，技术选型扯皮半个月，最后因为“投入产出比不高”不了了之。现在，我一个人，一个周末，用几个开源工具串起来，就搞定了当年一个团队都不敢拍板的事。技术民主化的威力，恐怖如斯。
但这不仅仅是技术问题。这意味着我过去十年所有深夜的复盘、踩过的坑、瞬间的灵感，那些曾经写完就封存在服务器日志里的东西，现在真正“活”了过来，成了可以随时调取、组合、产生新价值的资产。它们不再是一篇篇孤立的文章，而是一个知识网络。我甚至可以想象，未来基于这个向量库，能训练一个专属的“Flovico”顾问AI，那才是真正的数字孪生。
当然，现在这还是雏形。检索精度还要调，UI丑得没法看，移动端更是一塌糊涂。但核心通了，其他的都是迭代问题。最重要的是一种踏实感：我的时间，我的思考，终于没有白白流走，它们被结构化了，成了我作为“超级个体”最硬的底气。接下来，该想想怎么用这套方法论，去给那些还在用Excel管理知识的企业主们，一点小小的AI震撼了。
