在过去两个月的时间里，我一直在致力于开发一个让我自己满意的 Next.js 模板，到今天为止，这个模板已经非常接近我想要的样子，并且支持部署到所有云平台中。包括但不限于 Vercel, Cloudflare Workers, AWS, Railway, Fly.io, GCP, Azure 等。

过去快一年的时间没有更新 AI 相关的博客，一方面是在忙 side project，另外一方面也是因为 AI 技术虽然日新月异，但是 AI 应用层的开发并没有多少新的东西，大体还是[2023年的博客](https://guangzhengli.com/blog/zh/gpt-embeddings/)讲的那三样，Prompt、RAG、Agent。但是自从去年 11 月底 Claude(Anthropic) 主导发布了 MCP(Model Context Protocol 模型上下文协议) 后，AI 应用层的开发算是进入了新的时代。不过关于 MCP 的解释和开发，目前似乎还没有太多的资料，所以笔者决定将自己的一些经验和思考整理成一篇文章，希望能够帮助到大家。

写这篇文章的目的是为了庆祝 X/Twitter 的粉丝突破了 10K 🎉，突然间有了一些分享欲望，在技术栈和云服务厂商的选择如此丰富多样的今天，我们如果需要独立开发的话，应该需要选择什么技术栈呢？

在过去几个月的时间中，我们似乎正处于人工智能的革命中。除了大多数人了解的 OpenAI ChatGPT 之外，许多非常新颖、有趣、实用的 AI 应用也是层出不穷，并且在使用这些应用时时，笔者也确确实实的感受到了生产力的提高。但是关于 GPT 应用的开发知识和路线，目前似乎还没有太多的资料，所以笔者决定将自己的一些经验和思考整理成一个系列，希望能够帮助到大家。

也许你最近可能听过这样的新闻，某向量数据库的初创公司刚写好 PPT，就获得了几千万的投资，某公司的开源的向量数据库因其代码的简陋而登上了 Hackernews 等等。在过去几个月时间中， AI 应用的发展如火如荼，带动了 AI 应用技术栈上下游的火爆，而向量数据库就是其中最热门的之一。

本篇介绍的是我的写作和阅读工具的随笔，希望能对你有所帮助。

笔者刚上大学的时候，比较讨厌将阅读作为一种方法来讨论研究。认为读书唯求愉快，只在乎共鸣和是否获得了享受。当时笔者更追求的是读书不求甚解，对做研究般的读书方法是尽显鄙夷之态，对咬文嚼字般的读法更是嗤之以鼻。

理解日志并不是一件容易的事，开发人员在编写代码之时往往会纠结在某处打印的日志是不是有意义的，而 SRE 在面对缺少日志的生产问题时往往一筹莫展，Ops 在对面海量日志时往往需要花费更多的精力来维护，而项目的实际管理者在面对毫无实际业务价值的日志时，往往不想花费太多的人力和财力去管理它。

本文描述了笔者基于 Serverless 技术开发 Chat 机器人提醒应用的全流程，记录了开发遇到的一些问题和技术选择的思考。在开发完成后，有小伙伴想知道一些技术细节来做二次开发，于是有了这篇分享。

本篇文章介绍如何零成本给博客或者网站集成 [umami](https://umami.is/) 统计功能。数据库用的是 [supabase](https://app.supabase.com/) 提供的有限额的 [postgres](https://supabase.com/docs/guides/database)，不过免费提供的 500M 对于 [umami](https://umami.is/) 来讲已经足够了。托管 [umami](https://umami.is/) 服务用的是 [vercel](https://vercel.com/)。得益于现在的云厂商优秀的服务能力，你可以在 10 分钟内集成好 *umami*。可以点击 [数据统计看板](https://umami-ochre-nu.vercel.app/share/o3zAba1V/guangzhengli) 查看最终效果。

本文是关于如何搭建免费的独立博客系列的第二篇，包括如何使用本博客主题 `hugo-ladder`，如何集成评论和统计功能等。如果后续打算使用该主题来搭建和运营博客，建议跟随本篇文章来搭建。

本文是如何搭建免费的独立博客系列的第一篇，也将教大家如何快速的使用 [GitHub Pages](https://pages.github.com/) 的功能来搭建属于自己的博客。