chore: lint text and auto correct

content/posts/LLM Agent is All You Need - 当我用大模型助手来指导我完成MVP产品 - 「Colin's Weekend Project」.md

@@ -0,0 +1,128 @@
+---
+title: LLM Agent is All You Need - 当我用大模型助手来指导我完成 MVP 产品 - 「Colin's Weekend Project」
+date: 2025-09-14
+description: 我个人喜欢挑一个周末在一个很短很专注的时间内，捣鼓点小玩意。这个栏目用来记录我的这些 idea、作品、创作过程以及吐槽。今天来挑战一下，在大模型的指导下，完成一个最小可行产品 (MVP)
+categories:
+- Weekend Project
+tags:
+- 技术
+- JAMStack
+- LLM
+- AI
+---
+
+> **「Colin's Weekend Project」**
+> 我个人喜欢挑一个周末在一个很短很专注的时间内，捣鼓点小玩意。这个栏目用来记录我的这些 idea、作品、创作过程以及吐槽
+
+今天来挑战一下，在大模型的指导下，完成一个最小可行产品 (MVP)
+
+
+
+## idea
+
+如果单纯是开发一个完整的 web 程序 or 移动端程序，其实没啥意思。我之前已经搞过很多，更别提日常在公司里面就是在开发各种功能。今天我打算以一个非专业人士的视角，探究一下：
+
+- 当下各种 AI 助手已经百花齐放，飞入寻常百姓家。但是当下的 AI 在真实世界的任务中，究竟能做到什么地步
+- 如果作为一名非专业人士，究竟能不能借助这些 AI 工具做出一个可用的产品
+- 如果真正要做一个面向 C 端的产品，把流程 Run 起来持续下去，需要考虑哪些因素
+
+## 如果一切都从 LLM 开始...
+
+我需要代入一个非专业开发人员的视角，来进行这次的项目。首先项目启动的第一个问题：在没有任何产品经理的知识，不懂得产品开发流程的小白的情况下，我需要如何开始？
+
+在没有 LLM 以前，或许我需要先各种查阅资料学习，或者各种摇人让懂行的朋友进行指导。但是现在，一切都不一样了：随便一个 LLM 都可以帮我快速入门
+
+一开始，我是打算接住 LLM 让我快速了解产品相关的知识。但是突然觉得，既然都用 AI 了，为什么还在遵循原有的路径，一步步自己学习、理解然后教 AI 做事呢？换个思路，我只要提供需求，AI 来拆解任务。
+
+于是
+![image|476x415](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249632.png)
+
+![image-1|700x472](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249633.png)
+
+![image-2|700x472](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249634.png)
+
+利用 AI 生成一套提示词，来指导我如果分析我的需求、拆解任务
+
+不得不说，对于这些跨领域的知识，能有一个不厌其烦的 AI 助手来循序渐进地跟你交流、帮你分析，效果非常好。人类可能还真不好干这个活。
+
+## 「AI 教我做产品」
+
+经过跟这个「MVP 导师」的 LLM Agent 反复沟通，确定了产品的主要构想和核心事项。以下是摘录的一部分
+
+```markdown
+#### MVP 概要（3 句话）
+
+- **为谁**：20‑30 岁、周末感到无聊且有意愿尝试新事物的年轻人。
+- **解决什么痛点**：不清楚该尝试哪些活动、如何快速入门、活动是否适合自己、以及能获得什么收益。
+- **提供的核心功能**：活动列表页面 → 点击感兴趣的活动 → 展示入门门槛与材料推荐（入门材料按钮）并埋点上报。
+```
+
+```markdown
+## MVP 核心功能：
+    1. **活动列表**：集中展示多种可入门活动（绘画、球类、手工等）。
+    2. **入门详情**：点击任意活动 → 展示入门门槛、必备材料、推荐教程链接。
+    3. **埋点追踪**：记录“点击 → ≥1 min 外部阅读 → 回站”行为，用于验证假设。
+```
+
+这里印象深刻的是，MVP 导师让我先确保用户痛点一定要是真实的，在初期没有论证的情况下，MVP 的意义就在于基于一个假设 (假设用户的痛点是 xxx), 我们要围绕这个痛点先开发出 1-2 个核心功能，然后通过用户数据分析，来验证我们关于用户痛点的假设是否成立。如果不成立说明是伪需求，也就没有继续投入的必要了。
+
+这一点还是让我挺惊喜的，因为大部分人有个 idea 想做 xx 产品，大部分都是脑门一热，想要有 xxx 功能但是其实根本的需求并不是这个。花了很多精力搞出来的功能其实是伪需求。而 AI 导师专业水准还是挺在线的，能够在一开始就识别这个风险
+
+## Vibe Coding
+
+接下来就是要进入开发的部分了。我选择的 AI 代码工具是字节的 Trae 海外版，不用验证手机号而且可以使用 Google Gemini、OpenAI GPT-4o、Anthropic Claude 4 等高级模型。
+
+首先让 AI 根据产品需求文档、拆解任务文档，确定了技术方案。不过这里我为了效率简化了下&注入了一些自己的私房调料，最终使用的方案为：
+
+- astro + vue3 + tailwind css 来构建 web 站点
+- directus cms 作为后端，省去编写后端和对接数据库的麻烦
+- vercel 快速部署
+
+这部分没啥好说的，简单列几个吐槽的点吧：
+
+- astro 配置 tailwindcss, 换了一圈大模型没一个正确的。应该是跟近期大版本更新有关系。最后还是我手动跟着 astro 官方的文档搞定的
+- trae 高级模型试用额度很低，没写几个功能就超限了开始排队，动不动前面几百号人基本没法用
+- 现阶段 AI IDE 基本都是基于 vs code 改的。所以 vscode 的缺点也都一并继承了过来，很多语言的插件需要额外手动安装、各种变量跳转用不了、各种奇怪的波浪线报错又没法快速修正
+
+最后简要看下最终的成果吧
+
+![image-3](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249635.png)
+
+![image-4](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249636.png)
+
+后台数据：
+![image-5](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249637.png)
+
+## 埋点上报与用户行为分析
+
+之前做的都是玩具项目和公司内部平台，没怎么接触过 C 端用户行为分析。这块确实还是个挺陌生的领域。不过好在我们有万能的 AI. 在经过埋点需求分析、技术方案对比、任务拆解之后，最后采用了 Umami 平台来进行上报，并简单配置了下指标用于计算用户停留，辅助验证我们关于用户痛点的假设
+
+![image-6|0x0](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249639.png)
+
+跟 MVP 导师沟通的时候，确定了验证假设的方式为：衡量用户是否点击「查看详情」按钮
+
+- 用户点击并在外部阅读 ≥ 1  分钟后回站
+- 成功阈值：≥ 25 % 的访问者完成“点击 → ≥ 1 min 回站
+
+为了方便统计，借助 umaimi 的统计功能快速实现，我只需要统计有多少比例的用户至少点击了一次「了解详情」. 具体到代码实现上，就是在「点击详情」按钮添加一个上报，上报内容包括用户的 session id, 后面在 umaimi 统计一段时间内，按钮点击事件里面，有多少独立的 session id 处以总的 uv 就可以。
+
+![image-7](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249640.png)
+
+## 投放
+
+众所周知，天朝桌面端 web 用户已经约等于 0 了，技术博客都很少人看，更别提这种泛娱乐向的内容。MVP 导师提供的方案，也是路线正确，但是 web 端用户数据反馈验证的路子基本没用。不过这个 web 页面我也不指望能成为流量主力，最多算个 wiki.
+
+要想真的有人看，收获真实用户反馈，还是需要到各种新媒体平台去投放的。然后再收集数据进行分析，不过这个工作量就是另外一回事了。运营起来还是需要挺多时间精力的。
+
+尝试做了几个图投放到小红书，放几个示例图
+
+![image-8](https://blog-1301127393.file.myqcloud.com/BlogImgs/202509172249641.png)
+
+用的搞定设计的模版调整了下，插图是用 Gemini, 效果还可以，能很好地遵循用户指令，不过美学方面跟 MidJourney 那些还是差了一截，毕竟人家专攻的方向。提示词里面限制好风格的话出图效果还是可以的，这里后续如果有必要的话，其实也可以 AI 批量生产插图。
+
+不过小红书账号冷启动，反响平平。这里后续有时间再研究吧
+
+## The End
+
+
+

content/posts/Search-as-a-RSS! 把任何搜索查询转换为RSS! FeedCraft 新功能速递.md

@@ -0,0 +1,66 @@
+---
+title: Search-as-a-RSS! 把任何搜索查询转换为 RSS! FeedCraft 新功能速递
+date: 2025-12-22
+description: 作为 RSS 5 年忠实用户，我非常享受 RSS 主动管理信息源给我带来的掌控感。但是传统 RSS 订阅方式只能基于站点或者频道，更多时候我其实是想关注某一个特定领域信息，使用方式局限性很大。其实最理想的方式是直接把搜索引擎的结果拿来作为信息源。在 FeedCraft 新版本中，我新增了一个 Search-as-a-RSS 的功能，用户只需要使用自然语言指定好要搜索什么，接下来就可以自动根据搜索结果生成一个 RSS 了。
+categories:
+  - 技术
+  - 指南
+tags:
+  - 技术
+  - LLM
+  - AI
+---
+
+## 前言
+
+作为 RSS 5 年忠实用户，我非常享受 RSS 主动管理信息源给我带来的掌控感。但是传统 RSS 订阅方式只能基于站点或者频道，更多时候我其实是想关注某一个特定领域信息，比如 AI 领域世界模型有什么新的新闻，或者是想订阅一个特定的信息，比如我关注的 xxx 歌手有没有新的巡演规划。
+
+这些需求通过传统 RSS 方式难以实现，你只能定向的订阅某个新闻站点，然后过滤一下关键词。使用方式局限性很大。其实最理想的方式是直接把搜索引擎的结果拿来作为信息源。问题主要是噪声太多：
+
+- 搜索查询一般是按照关键词来的，不够灵活
+- 垃圾内容农场泛滥
+- 高质量的信息很多时候是多种语言的网页，直接阅读会很困难
+
+好在我们有了 AI, 很多问题有了新的解决方法。在 FeedCraft 新版本中，我新增了一个 Search-as-a-RSS 的功能，用户只需要使用自然语言指定好要搜索什么，接下来就可以自动根据搜索结果生成一个 RSS 了。
+
+接下来简要介绍一下流程：
+
+## FeedCraft 如何通过搜索结果创建 RSS
+
+FeedCraft 本身是一个一站式处理 RSS 的工具，这里的搜索需要依赖第三方服务。首发支持的搜索服务是 LiteLLM Proxy(一个 AI 服务的代理转发平台，开源可自部署，可以方便对接各种第三方搜索服务比如 Exa, Tavily, Plexirity, Perplexity, Brave 等等)
+
+以 Tavily 为例，这个平台提供了每月 1000credits 的额度，可以执行上百次搜索，轻度使用绰绰有余了。前往官网注册个账号，生成一个 api key 即可。
+
+> [Tavily](https://www.tavily.com/) 是一个专为人工智能代理（AI Agents）设计的搜索引擎，旨在优化 AI 在执行任务时的信息检索过程。它不同于传统的面向人类用户的搜索引擎（如 Google 或 Bing），而是专门为 AI 系统“理解”和“查找”所需信息而构建，强调高效、准确和上下文相关的搜索结果。
+
+![image-14](https://blog-1301127393.cos.ap-shanghai.myqcloud.com/BlogImgs/202512220059928.png)
+
+接下来到 LiteLLM 的后台，Tool - Search Tool 里面增加一个 search tool. 这里 search tool name 可以自定义，先记下来待会在 feed craft 的设置页面需要填入。
+
+![image-15](https://blog-1301127393.cos.ap-shanghai.myqcloud.com/BlogImgs/202512220059929.png)
+在 LiteLLM 后台生成一个 API KEY, Key Name 可以随便写主要是备注。这个生成的 api key 可以用于请求 LLM, 也可以调用刚才配置的搜索工具。确认生成后，复制 api key.
+
+![image-16](https://blog-1301127393.cos.ap-shanghai.myqcloud.com/BlogImgs/202512220059930.png)
+
+在 FeedCraft 后台，设置里面配置搜索服务，这里 API URL 是你的 LiteLLM 服务加上`/search` 后缀。
+例如你的 LiteLLM 服务部署在 `https://my-litellm.example.com`, 那么这里就填写 `https://my-litellm.example.com/search` . 工具填写刚才在 LiteLLM 后台接入 Tavily 的时候填写的 search tool name
+
+![image-17](https://blog-1301127393.cos.ap-shanghai.myqcloud.com/BlogImgs/202512220059931.png)
+
+之后在「搜索转 RSS」页面，输入你想查询的东西即可。你可以直接用自然语言描述，比如「SpaceX 的最新新闻」. 之后点击下一步即可预览搜索结果。
+
+![image-18](https://blog-1301127393.cos.ap-shanghai.myqcloud.com/BlogImgs/202512220059932.png)
+
+你可以按需调整搜索语句。确认没问题一直下一步，可以保存为自定义的配方 (Custom Recipe) , 就可以生成一个唯一的 RSS 链接，在你喜欢的任意 RSS 阅读器里面查看啦
+
+![image-19](https://blog-1301127393.cos.ap-shanghai.myqcloud.com/BlogImgs/202512220059934.png)
+
+更进一步，你可以使用 FeedCraft 的各种 Craft 来做进一步的处理。比如获取全文，添加总结、翻译文章、以及调用 AI 使用自然语言对文章进行筛选等等
+
+![image-21](https://blog-1301127393.cos.ap-shanghai.myqcloud.com/BlogImgs/202512220059935.png)
+
+总体功能就是这样啦，欢迎试用 FeedCraft 和 Star 🌟! Have fun!
+
+https://github.com/Colin-XKL/FeedCraft
+
+

content/posts/个人向Linux新服务器初始化清单.md

@@ -320,6 +320,19 @@ Status for the jail: sshd
    `- Banned IP list:   154.216.19.42
 ```
 
+### 2.7 Git 代理
+一般在 `.bashrc`/`.zshrc` 中定义 `HTTP_PROXY` / `HTTPS_PROXY` 可以应对大部分场景。但是对于使用 ssh 协议的 git 仓库 (通过 ssh 方式，相较于 https 的不用每次输用户名和密码。一般对只有克隆公共仓库的时候才会用 https, 其他时候对于自己的仓库我都是用 ssh), 并不会走 http 代理。
+
+这里需要在 ssh config 中配置转发走代理才行。使用`nc`(macOS 等默认会预装) 搭配 socks 代理最方便
+
+```ini
+Host github.com
+    HostName github.com
+    User git
+    Port 22
+    ProxyCommand nc -x 192.168.100.222:8085 %h %p
+```
+
 
 ## 3 - 进阶内容
 

layouts/partials/comments.html

@@ -38,15 +38,15 @@
     src="{{ "assets/prism.js" | absURL }}"></script>
 
 <script defer onload="tocbot_init()"
-    onerror="fallbackJSloader('https://cdn.staticfile.org/tocbot/4.9.1/tocbot.min.js','tocbot_init')"
+    onerror="fallbackJSloader('https://s4.zstatic.net/ajax/libs/tocbot/4.9.1/tocbot.min.js','tocbot_init')"
     src="https://cdnjs.cloudflare.com/ajax/libs/tocbot/4.11.1/tocbot.min.js"></script>
 <link rel="stylesheet" 
-onerror="fallbackCSSloader('https://cdn.staticfile.org/tocbot/4.9.1/tocbot.css')"
+onerror="fallbackCSSloader('https://s4.zstatic.net/ajax/libs/tocbot/4.9.1/tocbot.css')"
 href="https://cdnjs.cloudflare.com/ajax/libs/tocbot/4.11.1/tocbot.css">
 <script defer onload="init_gitalk()"
-    onerror="fallbackJSloader('https://cdn.staticfile.org/gitalk/1.7.2/gitalk.min.js','init_gitalk')"
+    onerror="fallbackJSloader('https://s4.zstatic.net/ajax/libs/gitalk/1.7.2/gitalk.min.js','init_gitalk')"
     src="https://cdn.jsdelivr.net/npm/gitalk@1/dist/gitalk.min.js"></script>
 <link rel="stylesheet" 
-    onerror="fallbackCSSloader('https://cdn.staticfile.org/gitalk/1.7.2/gitalk.css')"
+    onerror="fallbackCSSloader('https://s4.zstatic.net/ajax/libs/gitalk/1.7.2/gitalk.css')"
     href="https://cdn.jsdelivr.net/npm/gitalk@1/dist/gitalk.min.css">
 <!-- no min css version fallback for gitalk css -->

layouts/partials/extended_footer.html

@@ -20,8 +20,8 @@ onerror="fallbackJSloader('https://cdn.staticaly.com/gh/panr/hugo-theme-hello-fr
 src="{{ "assets/main.js" | absURL }}"></script>
 
 <script async onload="panguSpaing()"
-    onerror="fallbackJSloader('https://cdn.staticfile.org/pangu/4.0.7/pangu.min.js','panguSpaing')"
+    onerror="fallbackJSloader('https://s4.zstatic.net/ajax/libs/pangu/4.0.7/pangu.min.js','panguSpaing')"
     src="https://cdn.jsdelivr.net/npm/pangu@4/dist/browser/pangu.min.js"></script>
 <script async onload="initQuickLink()"
-    onerror="fallbackJSloader('https://cdn.staticfile.org/quicklink/2.3.0/quicklink.umd.js','initQuickLink')"
+    onerror="fallbackJSloader('https://s4.zstatic.net/ajax/libs/quicklink/2.3.0/quicklink.umd.js','initQuickLink')"
     src="https://cdn.jsdelivr.net/npm/quicklink@2/dist/quicklink.umd.js"></script>

layouts/partials/extended_head.html

@@ -1,5 +1,3 @@
-<!-- <link rel="icon" href="data:image/svg+xml,<svg xmlns=%22http://www.w3.org/2000/svg%22 viewBox=%220 0 100 100%22>
-    <text y=%22.9em%22 font-size=%2290%22>👋</text></svg>"> -->
 <link rel="icon" href="/favicon.png">
 <link rel="apple-touch-icon" href="/favicon.png">