~/iyuenan3/p/maxwell-homepage — bash — 100×40
tmux 0:project*
$ cat README.md # 项目简介

把「我是谁、做过什么」重构成一个 AI 能持续读懂、对外可对话查询的个人知识系统。worklog 是输入引擎,maxwellii.com 是输出界面,两端各司其职但数据高度耦合。

worklog(输入引擎):基于 Karpathy LLM Wiki 三层架构的 Obsidian + git 知识库。日记层只追加事务日志,wiki 层由 LLM 持续维护物化视图,schema 层(CLAUDE.md)人机共同演化。每次「记录今天」不只是写日记,而是一次知识编译:自动扫描各项目 git log 与 Claude memory 还原每日工作,一次摄入触及 10 到 15 个 wiki 页面,按领域分类加 wikilink 双向链接建立上下游关系。这与 RAG 的「查询时编译」形成根本差异,知识在写入时就被整理消化,适合需要被准确回查的个人经历类知识。

maxwellii.com(输出界面):终端体静态主页(bash 隐喻 + CRT 扫描线 + 朱砂方印),访客通过右下角 chat 框直接与「AI 版 Maxwell」对话。chat-api 后端(Next.js)把 worklog wiki、简历、项目档案做成 RAG 知识库(407 .md 多源平衡召回),自写向量检索加 cosine top-K,doubao-seed-2.0-lite 流式回答。公网服务做了 12 段 prompt 防御(防污染 / 防注入 / 求职隐私 4 层过滤)加 CSP 加 Rate limit。

AIREADME(方法论沉淀):把「为 AI 组织知识」抽象成 12 文件标准模板(CORE / PRD / ARCHITECTURE / SPEC / DECISIONS / DEPLOYMENT 等各司其职),界定每个文件谁维护、何时更新、写给谁看,现已是所有在做项目的标准底座。最大收益是跨项目信息互通:开发某项目时 AI 只需读依赖项目的 AIREADME,就能拿到接口契约与架构约束,省去翻代码重新梳理。

构建器是纯 Node 零依赖的 site/build.js,从 site/data/projects/<slug>.md 渲染终端体详情页,build 时主动从 worklog wiki 抽 git_log / decisions / stats。整条数据流是「摄入时编译」的跨项目延伸:知识从 worklog wiki 流向 embeddings.json,再从 embeddings.json 流向对话上下文。

$ git log --oneline --decorate # 关键里程碑
**`853725a`****2026-05-12****fix: V2 /help 命令描述对齐 V1 文案 + 删除过时的「装修中」hint**(5/13 00:10 凌晨延续归 5/12)
**`cf0f3b2`****2026-05-12****fix: token-hud 不再写死模型名,由 SSE meta.model 动态填充**
**`710a880`****2026-05-12****perf: chat-api v2.3 TTFT 战役:TTFT 24s → 4.6s(-80%)** ⭐
**`94c516c`****2026-05-12****chore: .gitignore self-intro.md → job-notes.md(求职沟通文案集,章节扩展 A/C/D/E)**
**`faee5da`****2026-05-11****chore: .gitignore 加 self-intro.md(面试自我介绍私人内容)**
**`5bd7f6a`****2026-05-11****fix: site/nginx.conf 补回 /api/chat SSE 反代规则(修复 POST 405)**
**`ecc7bc7`****2026-05-11****add: chat-api/clear-admin-token.sh:每天 7:00 强制 token 过期**
**`ba9ff61`****2026-05-11****add: chat-api admin 后台日志查看页 /admin/logs?token=xxx**
**`3abe64f`****2026-05-11****add: chat-api V2 对话日志记录器(按 IP 分文件 JSONL)**
**`fe6ff1a`****2026-05-11****add: 简历 HTML + PDF(A4 两页,9pt + 1.38 极限压缩)**
$ make stats # 关键指标
目录~/Desktop/Projects/maxwell-homepage
GitHubgithub.com/iyuenan3/maxwell-homepage(公开)
主页域名maxwellii.com,11 月 9 日本人反馈备案已提交;根域与 www 仍暂停解析,未取得备案通过或正式 HTTPS 恢复证据。
当前定位AI 产品经理 / FDE 工程师 / Vibe Coding 全栈工程师(2026-05-27 加 FDE,简历改名 MaxwellLi-AIPMorFDE)
部署架构北京独立 Docker,公网 39.96.12.136:18080。旧新加坡业务已于 10 月 31 日清空,不能直接切回;恢复依赖北京保留的私有材料。
在线模型11 月 9 日迁至灵眸 deepseek-flash 与 qwen3.7-text-embedding,2048 维;2929 条已有脱敏片段重向量化并完成生产回读。
SSL北京私有预览严格校验通过,正式域名公有可信HTTPS待备案后配置;旧Origin CA不用于浏览器直连
$ cat STACK.md # 技术栈
obsidianclaude-codellm-wikinext.jsragnginx
$ cat NOTES.md # 复盘 & 感悟
  • 为什么不直接用 RAG 而要建 LLM Wiki:RAG 是查询时编译,知识质量取决于检索算法和 chunk 切分,且随会话消失;LLM Wiki 是摄入时编译,写入时就被整理归类。对于项目状态、设计决策、工程教训这类需要被准确回查的知识,RAG 召回率不可控,而 wiki 的结构化程度决定了回查准确性。两者不是替代关系,是不同场景的最优选型。
  • AIREADME 从「自用」到「基础设施」:最初只为让 AI 接手多项目时不必重新喂背景。后来发现所有项目有共同的信息需求(架构、接口契约、决策理由、依赖关系),于是抽象为 12 文件标准。这不是文档方法论的抽象,而是从「多项目 AI 协作效率」这个实际问题倒推出的信息架构。
  • 4 层隐私防御为什么不能只靠 system-prompt:实测模型在 context 信息丰富时仍可能输出面试细节,单层 prompt 防御不足。真正有效的防护是在源头就不让敏感数据进向量索引(scan-sources LLM judge 隐私分级 + build-embeddings chunk 过滤),而非依赖 LLM 生成时自我审查。worklog 的 diaries 和 wiki/job 目录在索引阶段就被整体排除。
  • 终端体设计的克制原则:bash 隐喻不可替换不是设计偏好,而是「作品的形式即内容」的立场。访客用命令式终端浏览项目,在交互形式本身就看到了对极简和第一性原理的信奉,这比任何能力声明都更可信。设计稿来自 claude.ai/design 的 HANDOFF,文案不润色。
$ echo "# end of maxwell-homepage.md"