和AI一起将全部CSDN博文迁移到个人博客站

文章目录

背景

回想起最初为什么选择CSDN?是因为我希望自己有个可以简单记录技术的地方,如果还有可能的话,我希望我的博文能帮到更多和我遇到类似问题的人。在最初,选择一个平台直接发布技术博文对我来说既简单省心,又可以依赖该平台良好的SEO曝光让更多的人看到我的博文。虽然中间也曾折腾过个人站点,但当时我觉得还是把精力放在博文质量方向较好

随着AI的出现,以及到了2026年,AI的发展速度让人吃惊。我逐渐意识到,各种AI Agent已经逐渐成为各种入口,拿我自己来说,真正去Google里搜索问题的次数都大幅减少,想必很多开发者也都差不多。同时Stack Overflow的情况更能说明问题:新问题数量从 2014 年高峰时的每月 20 万+,暴跌到 2025--2026 年只剩几千甚至更低(有数据称接近 2008--2009 年刚起步的水平),降幅达到 75%--99%。这让我开始认真思考:当CSDN的搜索流量开始下降,它未来的发展会是怎样的呢?我不确定,不过未雨绸缪,一旦未来CSDN发生变故,我不想长久以来认真写的文章就这么作废。我隐隐觉得是时候有一个真正的自己的数字资产站了,当下已经不能放心的继续停留在CSDN了。

技术栈

  1. 源码和博文、图片等都存在GitHub仓库
  2. 博客托管在Cloudflare Pages
  3. 博客使用Astro框架。Astro 模板使用的是AstroPaper,在此基础上进行了一些调整
  4. 使用giscus提供评论功能

迁移博文

想起我们CTO曾经说的一句话,大概的意思是

现在很多大的平台,对于数据而言,都是进去容易出去难。想要把你的数据迁出去,到了后期,迁移的成本又是一个大难题

对于CSDN博文同样如此,我目前一共写了168篇博文,要想全部将其迁移到新博客并并非易事:

  • 保存文章正文及元数据;
  • 下载文章配图,整理图片与文章之间的对应关系;
  • 转换早期非 Markdown 格式的文章;
  • 适配新博客的文章格式;
  • 调整文章 URL、字体和页面布局;
  • 测试、构建并部署站点。

想想都非常繁琐。好在如前面所说,到了今天,AI已经足够强大了

Chatgpt 6.1+ Kimi 如何参与迁移

上述所有步骤,都是由chatgpt和Kimi完成。chatgpt使用的6.1 Sol模型,Kimi使用K3模型。由于5小时限额的存在,这2种模型在处理初期复杂、大量的任务时是轮流使用的

下载所有博文原始数据

这一步由Kimi完成,它直接写了一个Python脚本去请求CSDN的API。虽然初期CSDN的API的签名机制不知道,但是它很快就找到签名是怎么生成的,一旦知道API签名机制,使用批量任务把博文原文,博文元数据==.meta.json==,博文中的图片,全部爬取下来并按照博文分为多个目录。整体过程不到半小时

将博文转为新平台的形式,并适配UI等

这一步由chatgpt桌面端完成。给它交代好上一步Kimi处理好的数据位置,定好目标后,主要是新博客系统的适配,从URL组织到字体、UI、布局等等,它便开始。整体过程1个小时多一点

交叉审查

上面这2大步做完之后,后续的一些小任务,基本都是两个互相做review。设计方面的改动我会使用chatgpt实现,Kimi 审查,提意见;工程方面的问题我会使用Kimi实现,chatgpt审查,提意见。

上线部署

同样这一步绝大数工作由Kimi完成。为了让其能够操作cloudflare,我为其建好API token后,只需要和它沟通我的需求,它去调用cloudflare的各种API实现。从GitHub推送、部署,到cloudflare的各种配置,再到线上站点的各种验证,SEO优化知道等等,都做的还不错

写在最后

虽然技术社区一直有很多批评CSDN的声音,不过在职业生涯的初期,CSDN,博客园等这种技术社区确实给我提供了很多帮助,我也在一直更新博文的过程中逐渐成长。只不过时代一直在发展,到了和它说再见的时候了。

相关推荐
Martina_032113 小时前
AI生成的3D白模单帧没问题,镜头一移动就被挡?用6步检查遮挡与构图
图像处理·人工智能·数学建模·3d·ai·自然语言处理·游戏策划
泯泷13 小时前
SFT 的真相:它不教模型"知道什么",只教它"怎么说"
人工智能·llm·agent
JJJennie77713 小时前
MAI Gateway 免费试用与付费方案详解:先验效果,再谈 ROI
人工智能·大模型·gateway·ai网关
liuzheng662114 小时前
我给 Agent 测试注入了 72 种谎话,它抓住了 44 种
github
AI_Gump14 小时前
Harness篇|DeepSeek Harness 上手机:五条安卓移植路线与 App 内 Linux 拆解
android·linux·人工智能·智能手机·deepseek
七夜zippoe14 小时前
Token 账单翻了 10 倍:Agent 成本失控的排查过程与优化实录
ai·agent·token·成本失控
萝卜小白14 小时前
深度学习基础面经
人工智能·深度学习
如夏倾城15 小时前
百度文心(容易被忽略的好用AI)使用方式
人工智能·python·百度·语言模型·dubbo
泯泷15 小时前
为什么 RL 比 SFT 更会"举一反三"?
人工智能·llm·agent