<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>我的数字花园</title>
    <link>https://klog.dev/</link>
    <description>用AI知识库博客系统构建</description>
    <language>zh-cn</language>
    <lastBuildDate>Wed, 23 Sep 2026 08:35:49 GMT</lastBuildDate>
    <atom:link href="https://klog.dev/feed.xml" rel="self" type="application/rss+xml"/>
    <item>
      <title>博客迁移插件设计方案（WordPress / emlog / zblog → Klog）</title>
      <link>https://klog.dev/post/post-1789795957040</link>
      <guid isPermaLink="true">https://klog.dev/post/post-1789795957040</guid>
      <pubDate>Sat, 19 Sep 2026 05:32:37 GMT</pubDate>
      <description># 博客迁移插件设计方案（WordPress / emlog / zblog → AiKlog / KMap）

&gt; 部分内容由豆包生成
&gt; 
&gt; 

方案结论：迁移采取&quot;三件套&quot;设计——旧站导出插件产出「md 文章 \+ 本地图片包 \+ 重定向表」三个部分；新站通过目录兼容挂载实现图片路径零改写；链接保</description>
      <category>note</category>
    </item>
    <item>
      <title>AI知识库博客：博客系统的范式变革</title>
      <link>https://klog.dev/post/ai-knowledge-blog</link>
      <guid isPermaLink="true">https://klog.dev/post/ai-knowledge-blog</guid>
      <pubDate>Fri, 18 Sep 2026 08:34:49 GMT</pubDate>
      <description>博客系统的三层范式变革：存储层文章就是笔记。生产层从零创作到知识加工。生命周期发布不是终点。</description>
      <category>note</category>
    </item>
    <item>
      <title>欢迎来到我的数字花园</title>
      <link>https://klog.dev/post/welcome</link>
      <guid isPermaLink="true">https://klog.dev/post/welcome</guid>
      <pubDate>Fri, 18 Sep 2026 08:34:45 GMT</pubDate>
      <description>你好，欢迎来到我的数字花园！这是使用 AI知识库博客系统 搭建的个人博客。知识像植物一样生长，从一颗种子慢慢发芽开花。</description>
      <category>note</category>
    </item>
    <item>
      <title>用知识库重构写作流</title>
      <link>https://klog.dev/post/demo-5</link>
      <guid isPermaLink="true">https://klog.dev/post/demo-5</guid>
      <pubDate>Thu, 17 Sep 2026 07:43:26 GMT</pubDate>
      <description>一、写作是知识加工，不是无中生有。二、存储层：文章就是笔记，没有独立的文章表。三、生产层：从零创作转为素材组稿。四、生命周期：发布不是终点，而是素材开始被复用的起点。五、分发层：一次写作，多平台收割。</description>
      <category>note</category>
    </item>
    <item>
      <title>RAG 检索优化实践</title>
      <link>https://klog.dev/post/demo-0</link>
      <guid isPermaLink="true">https://klog.dev/post/demo-0</guid>
      <pubDate>Fri, 18 Sep 2026 08:34:40 GMT</pubDate>
      <description>检索增强生成的瓶颈通常不在生成侧，而在召回侧。我们对比了三种混合检索策略：BM25 稀疏召回、向量稠密召回、以及二者的倒数排序融合（RRF）。在 1.2 万条内部语料的评测集上，RRF 融合把 Top-5 命中率从单路向量检索的 61% 提升到 78%，而纯 BM25 只有 54%。分块策略的影响同样显著：固定 512</description>
      <category>note</category>
    </item>
  </channel>
</rss>
