前几周我实现了第一版基于大语言模型（LLM）的博客文章分类与标签自动生成系统，初衷是借助 AI 的语义理解能力，解放双手、提升元数据的一致性与可维护性。然而，在实际运行一段时间并观察生成结果后，我发现这套方案虽然自动化了流程，但是没有真正实现智能化 — 最终得到的类别列表和标签体系既不能精准反映单篇文章的核心内容，也无法体现整个博客的技术定位与知识结构。
我试图用一个端到端的黑箱流程解决所有问题。而现实是，好的元数据体系需要清晰的顶层设计、细粒度的内容理解，以及人机协同的持续演进机制。我对整个流程进行了彻底重构，将原先的两个脚本拆解为四个职责明确、可独立验证的阶段，形成一套更稳健、更可控、也更贴合实际需求的四阶段自动化工作流。
最近在重构博客网站的时候，突然想到是不是可以借助大模型自动生成分类和标签。经过几轮尝试，对比不同的大模型使用方案，最终实现了结合人工审核与大模型能力的两阶段工程，这是最契合当前需求的方案。
距离上一次搭建Hexo/NexT博客网站已过去四年。虽然整体交互体验并未发生颠覆性的变化，但在交互细节与部署实现方面，确实持续进行了打磨与优化。这一次我打算使用最新版本（hexo 8.1.1 / NexT 8.26.0）重新构建我的博客网站，同时会结合更多的工具（Docker、Github Action/Pages、Gitea Actions/Nginx）来优化整个部署PIPELINE。
Gitea Actions是Gitea内置的CI&CD解决方案，它最大程度的兼容了Github Actions的设计语法和使用方式。
《斗破苍穹》的药老，亦或是《棋魂》的藤原佐为，《凡人修仙传》的小绿瓶，《I, Robot》的机器人，都能够通过它们强大的信息/资源提取能力来帮助主人公成长。今天的大模型，或者基于大模型的算法工具，有没有类似的感觉！
25年初开始改造老家房子，推倒老房重新建造一栋新房子。整个老房改造涉及多个环节，大体可以划分为老房拆除、打地桩、浇筑地基、建造楼房、门窗水电预埋、内外墙批灰、外墙装修以及室内软硬装修。现在已经花了半年时间把楼房建造完成，预计还要花费6个月左右时间才能完全装修好入住。
在上海这座钢铁森林中，真正的“更好生活”，不是住进更高的楼，而是让自己的心，看得更远、站得更稳、走得更自由。
