blog-embedding/README.md

Blog Embedding Tools

Docusaurus blog 文章的 embedding 產生 + 相似度查詢。用 Ollama 本地跑，不吃外部 API。

前置

# 系統
brew install fzf        # macOS，Linux 用 apt install fzf

# Ollama
ollama pull qwen3-embedding:8b

# Python
pip install pyyaml requests numpy iterfzf

檔案說明

檔案	用途
blog_embeddings.py	掃描 blog 資料夾，為每篇文章產生 embedding，存成 JSON
blog_similarity.py	讀取 JSON，模糊搜尋選一篇文章，列出最相似 / 最不相似的文章
blog_embeddings.json	輸出的資料檔（自動產生，記得加進 .gitignore）

使用

1. 產生 embedding

先到 blog_embeddings.py 改 BLOG_DIR 指向你的 blog 路徑，然後：

# 增量模式（預設）：只跑新文章或改過的文章
python blog_embeddings.py

# 全部重跑
python blog_embeddings.py --full

2. 查相似度

python blog_similarity.py

會跳出 fzf 模糊搜尋，打字過濾、上下鍵選文章，選完印出結果。

JSON 結構

{
  "slug": "/my-post",
  "title": "文章標題",
  "file": "./blog/2024-01-01/index.md",
  "hash": "sha256...",
  "embedding": [0.012, -0.034, ...]
}

hash 是檔案內容的 SHA-256，增量模式靠它判斷文章有沒有改過。

備註

• Embedding model 用的是 qwen3-embedding:8b，中文表現很好
• 文章的 frontmatter 必須有 slug 才會被處理，沒有的會跳過
• 不會動到任何原始 blog 檔案