Hello, 老刀AI工坊

老刀AI工坊的第一篇博客就这样上线了。这是一篇阶段 1 的烟雾测试文——它的主要目的不是讲清某个技术问题，而是把"博客基础设施"这条流水线跑通：archetype 写作模板、check-summary 摘要质量守门、JSON-LD 结构化数据注入、Hugo + Blowfish 渲染、scp 推送到 VPS——任何一环出问题都该在这一篇里暴露。本文保留为建站记录，名称与频道介绍已按当前定位更新。

这个博客在讲什么

#

把 AI 做进生产：面向用 AI 做产品的开发者，讲清从代码能跑到系统可靠运行之间的工程问题。

内容主要覆盖以下方向，用实际运行结果解释做法、取舍与边界：

从一个 hello 函数说起

#

先用一段 Go 代码验证代码块的呈现：

package main

import "fmt"

// Greet returns a greeting message tailored by language code.
// 仅支持 zh / en，其他默认 en。
func Greet(name, lang string) string {
    switch lang {
    case "zh":
        return fmt.Sprintf("你好，%s。这里是老刀AI工坊。", name)
    default:
        return fmt.Sprintf("Hello %s, welcome to laodao-ai.", name)
    }
}

func main() {
    fmt.Println(Greet("读者", "zh"))
}

输出：

你好，读者。这里是老刀AI工坊。

内容流水线

#

下图是这个博客背后的生产链路，每一步都有对应的工具支撑：

graph LR
    A[读者带问题来] --> B[博客静态页]
    B --> C[AI 爬虫抓取]
    C --> D[结构化数据 JSON-LD]
    D --> E[反向引用 / 推荐]
    E --> A

四个节点分别对应博客需要解决的四件事：让人能读到（B）、让 AI 能消化（C）、让结构能被识别（D）、让推荐流量回流（E）。GEO（Generative Engine Optimization）这个词的核心，就是把这四件事一次做对——其中 robots.txt 允许爬虫、Article JSON-LD 标识文章、llms.txt 端点提供站点大纲，是阶段 1 已经落地的三件基础设施。

front matter 里有什么

#

这个博客的每篇文章都用约束性 archetype 生成，强制约束 6 个必含字段：

---
title: "文章标题"
date: 2026-04-29
draft: false
summary: "一段 80-200 字的摘要，会被用作 og:description 和 LLM 引用的主信息源"
tags: ["标签1", "标签2"]
categories: ["分类"]
---

summary 字段会被 scripts/check-summary.sh 强制校验——长度必须 ∈ [80, 200] 字符、不含字面量 TODO；正文首段也不能含 TODO。这是写作规范层的"质量守门"。

接下来

#

关于 AI 开发工作流，可以继续读从失控到可控的五阶段 SDD 工作流。更多工程实践可以通过 RSS 订阅，也可以在 GitHub 找到相关仓库。

也欢迎通过 GitHub Issues 提问、反驳、或分享你自己跑这套工作流的踩坑——比起写文章，听到你怎么用 更让我有动力继续写下去。