一个让你查询而不是滚动的作品集

Source: Dev.to

介绍

大多数开发者作品集会产生摩擦。在时间紧迫的情况下，审阅者会错过重要细节——并不是因为这些细节不存在，而是因为它们被埋在展示方式里。阅读者被迫去适应作品集，这本末倒置。信息系统应该适应用户，而不是相反。

本项目把作品集视为信息系统，而非传统网页。它是一个 以搜索为首的开发者作品集：

• 没有导航菜单
• 没有 “关于 / 项目 / 技能” 选项卡
• 没有固定的叙事供滚动阅读

你不是浏览它，而是 查询 它。

示例查询： “Shivam 构建了哪些项目？”
答案： “仍然（他在黑客马拉松获奖的论坛项目）。”

作品集只检索与问题相关的信息，并以清晰、可靠的答案呈现，立即提供明确的答案。

实时交互演示

如果下面的嵌入未能加载，请在此处查看完整站点：

(embed placeholder)

实现细节

检索增强生成（RAG）系统

• 作品集 不是聊天机器人。
• 所有内容在事先准备并建立索引。
• 运行时，系统仅检索相关片段，并仅基于检索到的上下文生成响应。

实际操作中：

1. 用户提出问题。
2. 系统识别意图（项目、技能、联系方式、背景）。
3. 使用语义相似度检索相关的作品集内容。
4. 仅将这些内容发送给模型。
5. 响应中包含直接引用，指向真实来源。

这使得答案可预测、可检查，并且根植于真实数据。

流程

• Gemini 3 Flash → 带引用的结构化响应。
• 生成前检索：AI 从未看到完整作品集，只看到当前查询相关的内容。
• 意图感知过滤：项目类问题优先检索项目数据；联系方式类问题不会拉取无关的背景信息。
• 可检查的答案：每个答案都有具体来源，可让读者核实信息。
• 预计算嵌入：在构建时生成；运行时仅进行检索和生成，保持延迟和成本可预测。
• 优雅的限制处理：演示运行在 Gemini 免费层。如果达到使用上限，系统会透明地回退到仅检索作品集数据，并明确标示行为的变化。

技术栈

系统刻意保持轻量。

关于作者

你好，我是 Shivam Gawali。我是一名人工智能与数据科学专业的学生，对软件工程基础和后端系统有浓厚兴趣。我喜欢构建小而完整的系统，并了解它们在真实约束下的表现。我更在乎正确性、清晰度以及让推理过程可见，而不是表面的光鲜。

这个作品集体现了我的思考方式：聚焦问题、减少噪音、精准回答。作品集通常在极度时间压力下被审阅。搜索奖励理解。如果我们可以搜索文档来理解一个系统，那么我们也应该能够搜索一个人的作品来了解他的思考方式。