{ "version": "https://jsonfeed.org/version/1.1", "title": "银铃的开发笔记与工具箱", "home_page_url": "https://fukalous.com", "feed_url": "https://fukalous.com/feed.json", "language": "zh-CN", "items": [ { "id": "https://fukalous.com/blog/how-this-site-works/", "url": "https://fukalous.com/blog/how-this-site-works/", "title": "这个站点是怎么搭起来的", "summary": "Astro 静态站 + GitHub Actions 定时同步贡献数据 + giscus 评论，零服务器、零数据库。", "content_html": "

一直想要一个地方，把 GitHub 上零散的贡献、写过的笔记，以及和其他人的交流放在一起。要求很简单：

\n\n

#整体结构

\"站点架构：Markdown
文章流程图

三块内容各有各的数据来源，但最终都是纯静态 HTML。

\n\n\n

#贡献数据：构建时拉取

scripts/fetch-github.mjs 在 astro build 之前运行，用 GraphQL 一次性拿到：

\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
数据GraphQL 字段
贡献热力图contributionsCollection.contributionCalendar
上游 PRuser.pullRequests，过滤掉自己名下的仓库
统计数字totalCommitContributions 等
\n

拉取失败时脚本会沿用上一次的快照，而不是让整个构建失败。本地没配 token 也能正常 npm run dev。

\n

GitHub Actions 里配置了每天一次的 schedule，所以即使不发文章，贡献图也会每天刷新。

\n

用一个很粗略的指标描述贡献密度：

\n
density=active daysdays since account creation\\text{density} = \\frac{\\text{active days}}{\\text{days since account creation}}\ndensity=days since account creationactive days​

#交流：giscus

评论系统选了 giscus，它把评论存在仓库的 GitHub Discussions 里：

\n
    \n
  1. 访客用 GitHub 账号登录即可评论，天然过滤掉大部分垃圾内容
    2. \n
  2. 数据在自己的仓库里，随时可以迁移
    3. \n
  3. 每篇文章按 pathname 映射到一个 Discussion，留言板则固定映射到一个 term
    4. \n
\n

再加上一个友链页和 RSS 输出，基本覆盖了「和其他站交流」的需求。

\n

#写一篇新文章

在 src/content/blog/ 下新建一个 Markdown 文件：

\n
md
---\ntitle: 标题\ndescription: 一句话摘要，会出现在列表页和 RSS 里\npubDate: 2026-10-14\ntags: [标签A, 标签B]\ndraft: false\n---\n\n正文……

git push 之后大约一分钟，文章就会出现在站点上。

\n", "date_published": "2026-10-14T00:00:00.000Z", "tags": [ "建站", "Astro", "GitHub Actions" ] }, { "id": "https://fukalous.com/blog/open-source-recap/", "url": "https://fukalous.com/blog/open-source-recap/", "title": "开源贡献阶段小结：16 个项目，34 个 PR", "summary": "回顾最近在 SurfSense、OpenViking、FlashRAG、ms-swift 等 AI Infra 项目上的贡献，以及踩过的坑。", "content_html": "

最近集中给一批 Agent / AI Infra 方向的开源项目提了 PR，借这个站点上线做一次小结。完整列表和实时数据见开源贡献页面。

\n

#数字

\n

#主要投入的项目

#SurfSense

MODSetter/SurfSense 是投入最多的项目，14 个 PR 合入了 13 个。大部分集中在本地模型管理和桌面端的健壮性上，比如：

\n\n

这类问题的共同点是：正常路径没毛病，边界情况下的错误信息很差。修起来改动不大，但对用户体验的影响很直接。

\n

#OpenViking 与 FlashRAG

volcengine/OpenViking 是面向 Agent 的上下文数据库，PR 主要涉及记忆注入和健康检查的凭证校验。

\n

RUC-NLPIR/FlashRAG 的两个 PR 都合入了：一个修复 LLM judge 打分解析，一个新增文档级检索指标。

\n

#训练框架

modelscope/ms-swift 修复了生成出错后 ZeRO-3 hooks 没有恢复的问题；MakazhanAlpamys/Soup 的诊断工具增加了对长样本记忆化的检测。

\n

#几点体会

    \n
  1. 先读 CONTRIBUTING 和近期合入的 PR。每个项目对 commit 格式、测试要求、changelog 的习惯都不一样，照着最近合入的 PR 写，一次通过率高很多。
    2. \n
  2. PR 越小越好合。被关掉的几个 PR 大多是范围不够聚焦，或者和维护者的规划方向不一致。
    3. \n
  3. 错误信息是被低估的贡献方向。不需要深入理解整个系统，就能实实在在地改善用户体验。
    4. \n
\n

后面打算挑一两个具体的 PR 单独写复盘。

\n", "date_published": "2026-10-13T00:00:00.000Z", "tags": [ "开源", "AI Infra", "复盘" ] } ] }