# 当博客学会了「思考」——用 EdgeOne Makers 为静态博客注入 AI 知识库问答助手

## 前言：一个「安静的」博客

每一个的技术爱好者或者从业者，都会想要一个自己的博客，用来记录自己的技术学习和分享，同时也是自己的一个技术手册。

随着日积月累，文章越来越多，博客的体量也越来越大，想要找一个相关的文章，一个曾经自己的校验积累，可能就需要花费大量的时间，去翻找。

当AI的出现，当语言大模型完全可用的时候，当RAG出现的是，这个问题，已经有了可行的解决方案，可惜，搭建一个RAG还是需要一定的技术储备，也需要一定的资源。

直到Makers Agents的出现，才让这个问题，有了一个完美的解决方案：

![1.png](https://developer.qcloudimg.com/http-save/yehe-4165153/aa067334af504904f3535876f49899d6.png)


## 先看看效果：

将所有的的博文，制作成知识库，在页面提供一个智能客服，提供所有博文的技术问答：

**博客页面集成**

![7.png](https://developer.qcloudimg.com/http-save/yehe-4165153/92e0efa7a725c4443dbce188844e5d3e.png)

**示例对话 ：技术问答**

![10.png](https://developer.qcloudimg.com/http-save/yehe-4165153/94fe3a31970c687232731128f9af2cd3.png)

## Makers Agents 是什么以及为什么是 EdgeOne Makers

> EdgeOne Makers 是基于 Tencent EdgeOne 基础设施打造的 Web 与 Agent 开发部署平台。提供从前端页面、动态 API 到 Agent 的一站式开发与部署服务。

几个关键词让我眼前一亮：

| 能力 | 说明 | 对我的价值 |
|------|------|-----------|
| **Agent 原生开发** | 内置运行时、沙箱、会话记忆、模型网关与可观测性 | 不用自己搭 Agent 基础设施 |
| **同构部署** | Web 与 Agent 共用同一个项目 | 博客前端和 AI 后端一次部署搞定 |
| **Serverless 函数** | 边缘函数到云端函数 | 知识库检索接口直接部署 |
| **全球极速体验** | EdgeOne 全球边缘网络加速 | 博客和 AI 都能全球快速访问 |

最关键的一点——**Web 与 Agent 共用同一个项目，前端 `fetch('/chat')` 即可调用 Agent，零跨域问题**。这意味着我不需要额外搭一个后端服务，直接在现有的博客项目里加一个 `agents/` 目录就行。

下面就跟着我来一步一步，把这个功能实现吧

## 环境介绍

我的博客网站，模板来自于开源的静态模板：

```bash
pnpm create next-app --example https://github.com/vercel/examples/tree/main/solutions/blog ./blog
```

这是一个特别精简的博客模板，基于nextjs，文章以mdx（markdown）撰写，2个特点特别适合使用makers agent:

1. 集中存储的markdown文件特别适合作为知识库的原料
2. nodejs的项目也特别直接集成makers agent

最终样例项目：https://yiqiu.cool

源码： https://cnb.cool/ikunkun/demo/yiqiu.cool

**注释：** 这是专门为这篇文章组织的，主要为了说清楚实现原理和代码，文章本身只有一个例子。

## 二、技术架构：让博客拥有「记忆」和「思考」

### 2.1 整体设计思路

核心需求很明确：**以博客所有 MDX 文章为知识库，让 AI 助手能基于文章内容回答读者的技术问题**。

这是一个典型的 RAG（Retrieval-Augmented Generation，检索增强生成）场景。整体架构如下：

```
用户浏览器
  │
  ├── /chat (SSE POST) ──▶ agents/chat/index.ts (EdgeOne Makers Agent 运行时)
  │                           │
  │                           ├── AI Gateway ──▶ DeepSeek V4 Flash 模型
  │                           │
  │                           └── searchKnowledge 工具调用
  │                                   │
  │                                   └── 从 Blob 存储加载知识库索引
  │                                       └── TF-IDF 余弦相似度检索 Top-K
  │
  ├── /retrieve (POST) ──▶ cloud-functions/retrieve/index.ts (云函数)
  │                           └── 独立的知识库检索 API
  │
  └── 静态页面 ──▶ Next.js SSG ──▶ EdgeOne 边缘分发
```

每个月都还有免费的大模型额度，如果你的网站和我的一样不是那么多读者，应该够用/(ㄒoㄒ)/~~

![2.png](https://developer.qcloudimg.com/http-save/yehe-4165153/38be0879669d89f79a52bc0f967d8745.png)

### 2.2 关键技术决策

参考官方提供的模板，在做技术选型时，有几个关键问题需要解决：

**问题一：知识库的向量表示用什么方案？**

通常 RAG 需要调用 Embedding API 把文档转成向量，再存到向量数据库里。但这带来两个问题：额外的 API 成本和外部依赖。

我的博客文章数量不算多（几十篇），经过分块后也就几百个 chunk。最终我选择了 **TF-IDF 稀疏向量**方案——纯 JavaScript 实现，零外部依赖，知识库完全自包含。虽然不如深度学习 Embedding 精细，但对于技术文档问答来说，TF-IDF 的关键词匹配能力完全够用，而且构建和检索都极快。

如果未来文章量增大，只需要替换向量化模块，换成模型 Embedding 即可，架构设计上预留了这个扩展点。

**问题二：Agent 如何访问知识库？**

EdgeOne Makers 提供了两种运行模式：

- `agents/` 目录：**会话模式**，同一 `conversation_id` 粘性路由到同一实例，适合 LLM 调用和 Agent 循环
- `cloud-functions/` 目录：**请求模式**，无状态弹性扩缩容，适合短平快的数据查询

我的方案是：Agent 内部直接从 Blob 存储加载索引进行检索（因为 Agent 运行时内部没有公网 origin，无法通过 HTTP 调用自己的其他端点），同时额外提供一个 `cloud-functions/retrieve` 端点作为独立检索 API 供外部调用。

**问题三：如何保证部署流程统一？**

根据 EdgeOne Makers 官方文档，项目根目录的 `edgeone.json` 控制 Agent 与部署参数。我的配置如下：

```json
{
  "buildCommand": "npm run build",
  "outputDirectory": "dist",
  "cloudFunctions": {
    "nodejs": {
      "includeFiles": []
    }
  },
  "agents": {
    "framework": "deepagents"
  }
}
```

- `agents.framework` 设为 `deepagents`，决定 `context.store` / `context.tools` 的框架适配形态
- `outputDirectory` 设为 `dist`，与 Next.js 的 `distDir` 对齐
- 部署时一条命令 `edgeone makers deploy` 即可同时部署前端、Agent 和云函数

## 三、实战实现：四步打造博客 AI 助手

这里说明一下，关于详细的架构，参考了官方的模板：

```code
https://github.com/TencentEdgeOne/rag-agent/

https://github.com/TencentEdgeOne/langgraph-quiz-python

https://github.com/TencentEdgeOne/AI-Chat-Assistant

```

这里得提一句，不是我一个人参考的😂，主要还是workbuddy参考的😁，刚好遇到hy3的2周免费，尽量让他（codebuddy和workbuddy）参考模板，按照我的要求进行修改的。

项目的核心思想是我参考官方模板的，但是核心代码，就是workbuddy的功劳了

### Step 0：环境准备

这里主要介绍2个最重要的：

1、 eo的skill

```bash
npx skills add TencentEdgeOne/edgeone-makers-tools
```

技术文档是给开发者看的，而skill，是个大模型看的技术文档

![3.png](https://developer.qcloudimg.com/http-save/yehe-4165153/9f92216149d6da26c4983404a54cc184.png)

2、 安装workbuddy

先选混元3，2周免费，不用担心不够用

再确认skill是否启用了

![4.png](https://developer.qcloudimg.com/http-save/yehe-4165153/cd280c6c1d52c2a1993e1be9c50cfad4.png)

### Step 1：构建知识库——把博客文章变成可检索的向量索引

知识库是整个 AI 助手的基础。我（好吧，不是我，是codebuddy）写了一个构建脚本，将 `app/blog/posts/` 下的所有 MDX 文章处理成 TF-IDF 向量索引。

主要的代码做了4件事：

1. 分词
2. TF-IDF 索引构建
3. 写入BLOB
4. 写入public下的静态文件：这是为了fallback用的

### Step 2：开发 AI Agent——让助手学会「先查资料再回答」

Agent 是整个系统的核心，部署在 EdgeOne Makers 的 **Agent 运行时**（会话模式）中。根据官方文档：

> `agents/` 目录面向真正的 Agent 工作负载，同一 `conversation_id` 的请求会被路由到同一实例，在对话活跃期间复用其内存里的上下文、缓存与连接。

这里的主要代码可以参考，或者直接使用官方的模板，这里主要提一下这个提示词：

![5.png](https://developer.qcloudimg.com/http-save/yehe-4165153/b68880c380ab53f70fbcf75b3712d8c8.png)

这段提示词做了三件事：给助手起名"小秋"、强制要求先检索知识库再回答、防止幻觉（没有相关内容时坦诚说明）。

这里还有一个很重的配置，根据agent模板以及文档说明，关于大模型的2个参数，需要配置到环境变量里面，这个配置可以在eo的项目配置里面写入：

![6.png](https://developer.qcloudimg.com/http-save/yehe-4165153/bbca9264e73e91facb2bd0fc4b413fcd.png)

这个是根据实际情况填写，当然了，由于使用的EdgeOne Makers 内置模型网关，所以这里是：https://ai-gateway.edgeone.link/v1

### Step 3：前端集成——让 AI 助手融入博客

这里没有官方的模板可以参考了，不过可能诸位以及看出来了，这是直接参考了腾讯文档的助手：

页面集成：

![7.png](https://developer.qcloudimg.com/http-save/yehe-4165153/13dcc0c6631281b5ed80f43f966d6d65.png)

展开的窗口：

![8.png](https://developer.qcloudimg.com/http-save/yehe-4165153/919c75a5a1c3fea69dc92eacf654ea0a.png)

代码：// app/components/AIAssistant.tsx

注意这里有一个关键优势：**前端 `fetch('/chat')` 直接调用同域的 Agent 接口，零跨域问题**。这是 EdgeOne Makers 同构部署带来的直接好处——Web 前端和 Agent 共用同一个域名，不需要额外配置 CORS 或反向代理。


### Step 4：部署上线——一条命令搞定一切

部署是最省心的一步，这里只介绍我使用过的俩种：

**方式一：CLI 部署（本地）**

```bash
# 安装 CLI
npm install -g edgeone

# 登录并关联项目
edgeone login -t $MAKERS_API_TOKEN
edgeone makers link -n ${PROJECT_NAME} -t $MAKERS_API_TOKEN

# 一键部署（前端 + Agent + 云函数）
edgeone makers deploy
```

**方式二：使用部署skill**

也可以使用官方的skill部署

![9.png](https://developer.qcloudimg.com/http-save/yehe-4165153/7b15598c0be48ba63204bb74a3b67d31.png)

我还是喜欢cli的部署方式，因为这个可以和cnb集成，利用cnb去自动部署


## 小结

这只是一个demo，一个技术验证，但是确实是一条可行之路，edgeone 终于越来越强大了

源码：https://cnb.cool/ikunkun/demo/yiqiu.cool

样例网站： https://yiqiu.cool

备注：别把我的免费模型试完了😘

每一个的技术爱好者或者从业者，都会想要一个自己的博客，用来记录自己的技术学习和分享，同时也是自己的一个技术手册。

当博客学会了「思考」——用 EdgeOne Makers 为静态博客注入 AI 知识库问答助手

用 EdgeOne Makers 为静态博客注入 AI 知识库问答助手

人工智能

前端

开发工具

静态博客也能拥有AI问答助手！通过EdgeOneMakers平台，无需复杂技术即可为博客添加智能客服功能。利用RAG技术将MDX文章转化为知识库，实现精准技术问答。采用TF-IDF向量检索方案，零外部依赖，检索速度快。同构部署让前端和Agent共享项目，解决跨域问题。一键部署即可让博客具备AI问答能力，提升用户体验。

向量数据库

腾讯文档

深度学习

代码解释

数据库

云函数

EdgeOne

路由

Agent

2026上云采购 | AI焕新·智启新局

lexiang

热销域名限时优惠，新客首年免费！


domain

serverless-catalog

ecdn

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

当博客学会了「思考」——用 EdgeOne Makers 为静态博客注入 AI 知识库问答助手-腾讯云开发者社区-腾讯云

当博客学会了「思考」——用 EdgeOne Makers 为静态博客注入 AI 知识库问答助手

当博客学会了「思考」——用 EdgeOne Makers 为静态博客注入 AI 知识库问答助手

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐