Tag使用规范 #

本文档定义了本博客项目中Tag的使用规范，以确保Tag的一致性和可维护性。

1. 基本原则 #

1. 数量限制：每篇文章的Tag数量不应超过5个
2. 语义明确：每个Tag应具有明确的技术含义
3. 避免重复：避免使用同义或近义的Tag
4. 标准化命名：使用小写字母和连字符分隔单词

2. Tag分类 #

2.1 技术领域类Tag #

这些Tag表示文章涉及的技术领域：

• ai - 人工智能相关
• llm - 大语言模型
• agent - AI代理/智能体
• rag - 检索增强生成
• mcp - 模型上下文协议
• devops - 开发运维
• kubernetes - Kubernetes容器编排
• docker - Docker容器技术
• database - 数据库技术
• java - Java编程语言
• python - Python编程语言
• javascript - JavaScript编程语言
• git - Git版本控制
• linux - Linux操作系统

2.2 应用场景类Tag #

这些Tag表示文章的应用场景或主题：

• best-practices - 最佳实践
• troubleshooting - 故障排查
• performance - 性能优化
• security - 安全相关
• architecture - 系统架构
• development - 软件开发
• tooling - 工具链

2.3 产品工具类Tag #

这些Tag表示文章涉及的具体产品或工具：

• cursor - Cursor AI编程工具
• github - GitHub平台
• gitlab - GitLab平台
• vscode - Visual Studio Code编辑器
• zookeeper - Zookeeper分布式协调服务

3. 使用指南 #

3.1 选择Tag的原则 #

1. 相关性优先：选择与文章内容最相关的Tag
2. 抽象层次：优先选择抽象层次适中的Tag，避免过于宽泛或过于具体
3. 技术栈导向：优先选择能体现技术栈的Tag

3.2 Tag组合示例 #

• AI相关文章：ai, llm, agent（根据具体内容选择）
• 技术教程：best-practices, troubleshooting（根据文章性质选择）
• 工具使用：tooling, cursor, github（根据涉及的工具选择）

3.3 避免使用的Tag #

以下类型的Tag应避免使用：

1. 过于宽泛：如"技术"、“编程"等
2. 过于具体：如特定版本号、特定配置项等
3. 同义重复：如同时使用"AI"和"人工智能”
4. 时效性过强：如特定年份、特定活动等

4. 维护机制 #

1. 定期审查：每季度审查Tag使用情况，更新受控词表
2. 新Tag引入：引入新Tag前需经过团队讨论
3. 废弃Tag处理：对于不再使用的Tag，应制定迁移计划

5. 自动化工具 #

项目提供了一个自动化脚本scripts/standardize-tags.py，可用于：

1. 批量标准化现有文章的Tag
2. 检查Tag是否符合规范
3. 生成Tag使用报告

使用方法：

python scripts/standardize-tags.py

6. 违规处理 #

对于不符合规范的Tag使用：

1. 轻微违规：通过PR评论提醒作者修改
2. 严重违规：要求修改后重新提交PR
3. 重复违规：在团队内进行规范培训