大模型本地部署相關文章，我做了一個網站

大家好，我是老章。

前兩天讓 Gemini CLI 幫我整理了一下公眾號過往已發布的大模型本地部署相關文章

但我一直有個痛點：這些文章都散落在我的 Obsidian 文件夾里，想分享給別人看很不方便。雖然都已經在公眾號發布了，但是把這些文章匯總起來太麻煩了。

所以就順道把今年發布的 28 篇相關文章做成了一個網站：https://llm.zhanglearning.com

文章詳情頁：

支持關鍵詞搜索

其實這個網站完全由 Gemini 開發的，我只負責發號施令，Gemini 負責干臟活累活。

1 是把散落在本地撰寫的 markdown 文章整理到統一的文件夾下

wechat_2025-12-10_095601_411.png

2 是網站開發，Gemini 推薦了VitePress，并寫了個腳本幫我生成了網站。中間有頁面切換卡頓，文章渲染慢等問題，優化后絲滑運行了。

3、文章自動上云，這里我準備好了自己的 GitHub 倉庫，Gemini 幫我寫好了 shell 腳本，自動實現

1. 同步文章：把新筆記抓取過來。

2. 清洗數據：自動改名、修死鏈。

3. 構建檢查：確保沒有 Bug。

4. 推送 Git：自動提交到 GitHub。

4 是線上部署，它提供了具體操作步驟，我來執行

**得益于 Cloudflare 的全球 CDN 和靜態站的特性，幾乎秒開

現在，我發布新文章的流程是這樣的：

1. 寫文章，保存。

2. 打開終端，敲一行命令：./update_site.sh

3. 結束。

剩下的事情——同步文件、構建檢查、推送到 GitHub、觸發 Cloudflare 自動部署——全部在后臺自動完成。幾分鐘后，全世界都能通過llm.zhanglearning.com看到我的新文章。

老章薦書

關鍵詞：大語言模型//自然語言處理//人工智能 提示技術//RAG//LangChain//LlamaIndex//智能體//微調//部署優化

介紹：本書涵蓋從LLM基礎知識、架構剖析，到提示技術、RAG、智能體、微調、部署與優化等內容，全方位覆蓋LLM開發關鍵內容。緊跟前沿技術，本書基于當下LLM發展，探討最新技術和應用，如熱門框架LlamaIndex 和 LangChain，助讀者掌握行業動態。