在 AI 时代如何搭建一个音频网站

这是一篇关于知音聆听如何搭建起来的幕后记录，而不是一篇技术或测量类文章。

大约六个小时

对"这花了多长时间"这个问题，诚实的答案是大约六个小时，集中在一次会话里完成，全程使用了 AI 编程工具。六个小时并不是什么速度纪录，但它是一个有参考价值的数据点，能说明这些工具目前真正擅长做什么，以及在哪些地方，仍然需要一位认真的编辑守在它们身后把关。

整个搭建过程大致可以拆分如下：

• 域名与架构 —— 30 分钟
• 基础设施搭建 —— 10 分钟
• 网站构建 —— 30 分钟
• 新闻监控工具 —— 2 小时
• 文章生成 —— 2 小时
• 最终调整 —— 1 小时

域名与架构

在做其他任何事之前，这个网站首先需要一个名字。“informedlistening.com” 当时以每年约 15 美元的价格可以注册，这很快就解决了这个问题。更重要的决定是架构，而在这一点上，此前积累的经验比 AI 工具本身发挥的作用更大：已有的一个 Hugo 静态站点（姊妹站点 Pragmatic Audio）意味着解决方案的大致形态早已确定——静态生成、GitLab Pages 托管，以及评测、文章、新闻这样一个简单的内容模型。AI 非常擅长在你已经信任的模式基础上进行扩展；但要第一次摸索出这种模式，AI 反而不是一条更快的路径。

十分钟搞定基础设施

架构确定之后，把 GitLab Pages 接好，并通过 AWS Route 53 把 DNS 指向它，大约花了十分钟，主要是因为相关的操作说明可以直接生成，而不必再去翻查文档、逐条推导。这是整个搭建过程中最不有趣的一部分，但也恰恰是 AI 辅助能省下最多相对时间的一部分——毕竟没有人真的喜欢反复阅读 Route 53 的记录类型文档。

Hugo 建站

Hugo 站点的核心部分——页面结构、模板布局，以及三大主要内容板块（评测、知音文章与新闻）——大约花了半小时就搭建完成。由于内容模型此前已经确定，这一步基本上就是搭骨架的工作：分类法、列表模板，以及一个可以同时从这三个板块中抓取内容展示的首页。

用于新闻监控的本地 LLM

这次搭建中工程量最大的一部分，是一个 Python 工具，用来监控一组音频新闻来源的 RSS 订阅源，并使用一个本地运行的 Gemma（4B/12B）模型，在候选新闻靠近网站发布流程之前先对其进行摘要。在本地运行这个摘要模型，而不是通过托管 API，使得这套监控循环足够便宜，可以持续运行，同时也在"信息源提到了这件事"和"这件事被正式发布"之间，保留了一道人工编辑的把关环节。

这部分大约花了两个小时，其中大部分时间都花在信息流解析和去重逻辑上，而不是 LLM 集成本身——后者相对简单得多。

把论坛帖子变成文章

“知音文章"这个板块，取材自 ASR、headphones.com 这类论坛上的长篇讨论串——那种在十五页的来回争论中，埋藏着一个真正有价值的论点的帖子。从其中一条讨论串生成第一版文章草稿，包括为论证配上示意图和图片，第一批文章加起来大约花了两个小时。

这一步也是最需要编辑把关的环节。一篇生成出来的文章可能读起来很流畅，却仍然可能歪曲了论坛讨论中各方观点的权重、抹平了原帖作者在意的某个前提条件，或者凭空生成一张看起来煞有介事、实际上却站不住脚的示意图。这正是为什么每一篇改编自他人讨论的文章，都会链接回其原始来源——这是唯一能揪出"生成草稿歪曲了原始讨论"这种问题的手段。

让整体观感保持一致

最后一个小时花在了布局细节的打磨上，让评测模板与已有的 Pragmatic Audio 网站保持一致，这样读者在两个站点之间切换时，就不会感觉到语气或结构上的突兀落差。

那么这究竟说明了什么？

这并不能证明 AI 工具可以取代编辑判断。它能证明的是：只要驱动它的人本身已经清楚自己想要的架构，并且愿意审阅最终产出的内容，这些工具就能让你迅速从一个想法走到一个可以运作的网站，并且有真实的内容可以供你去审视和修正。那个诚实的告诫依然成立：在第一批生成内容正式上线之前，本应投入比实际投入更多的审阅时间。