第一项：个人博客完整搭建过程#

用GitHub搭建博客基础骨架，借助AI、Git、Node、VS Code、Giscus、Firefly、Cloudflare等工具，完成各模块配置与微调，结合大模型与手动修改，实现整体架构同步。

第二项：Obsidian + Codex AI 知识库搭建#

搭建流程#

图8：安装Obsidian，创建专属知识库文件夹

图9：配置插件，绑定Codex，实现双向同步

图10：接入信息抓取工具，配置密钥，实现自动资讯收集

图11：配置网页剪藏、导入工具，支持多平台内容同步

图12：完成授权，实现笔记、文档自动入库

图13：设置每周自动蒸馏与复盘任务，沉淀学习内容

图14：沉淀选题、整理、生成等自动化技能

---

学习总结#

通过本次个人博客部署与 AI 知识库搭建实践，我系统完成了个人展示博客搭建、主题配置、线上部署以及 Obsidian AI 知识库搭建整套流程，掌握了文件结构化管理、网站运行、AI 知识自动化整理等实操能力，能够完成基础项目搭建与内容落地，积累了完整的工程实践经验。

但在全程搭建过程中，项目不止一次出现缓存异常、文章不显示、服务启动失败等各类问题，需要修改格式、清理缓存、重启服务才能解决，暴露出我存在明显不足。

第一，大模型与 AI 应用储备不足。本次仅完成了知识库工具的搭建与使用，但目前停留在会用工具的阶段。

第二，工程化操作不够规范。导致项目偶尔报错、不断返工，整体操作规范性不足。

第三，问题排查能力偏弱。遇到报错大多依靠询问大模型去解决，缺少系统化的排查思路，对前端服务运行、缓存机制、文件渲染逻辑理解不足，但好在解决问题效率较高。

总体来看，本次实践最大收获是从零完成了博客与 AI 知识库双项目落地，实现了学习成果可视化；核心不足是工程操作不规范、归档逻辑欠缺，需要长期系统补强。

（二）未来计划

下一阶段我将以大模型、RAG 知识库、AI 智能体应用为核心学习目标，持续深耕 AI 应用技术，补齐短板、强化实战。

第一，系统学习大模型核心基础知识。重点攻克大模型基础原理、提示词工程、RAG 检索增强、向量数据库、AI Agent 工作流等核心内容，摆脱单纯的工具使用者身份，理解 AI 应用背后的技术逻辑，搭建完整的 AI 理论体系。

第二，持续优化个人 AI 知识库。依托本次搭建完成的 Obsidian+Codex 知识库，常态化开展大模型辅助学习、知识蒸馏、内容整理与复盘，不断优化自动化收录、标签分类、知识关联功能，让知识库成为大模型学习的核心沉淀载体。

第三，规范工程实践流程。总结本次频繁报错的问题经验，建立标准化的文件配置、目录创建、内容发布、服务启动流程，规避格式错误、缓存冲突、配置疏漏等低级问题，培养规范、严谨的工程思维。

第四，持续落地 AI 实战项目。在掌握理论基础后，持续开展大模型相关实战，尝试搭建轻量化 RAG 应用、智能工具、自动化处理程序，不断积累 AI 应用开发、调试、优化经验。

第五，持续沉淀学习成果。将后续所有大模型学习笔记、AI 实战案例、报错复盘、技术总结全部更新到个人博客中，形成持续学习、持续实战、持续输出的完整学习闭环，稳步提升自身 AI 应用开发与技术实践能力。