作者：Ananya Nalavathu 与 Francois Gonothi Toure

引言

开源社区依靠贡献运转，而贡献离不开文档、故事讲述和知识分享。对 Fedora 项目而言，这意味着 Fedora 社区博客（CommBlog）和 Fedora Magazine 这两份出版物：它们让贡献者拥有发声的机会，也让社区能够了解动态、获得启发并保持联结。

今年，在 Red Hat 爱尔兰的 Fedora CommOps 团队实习期间，我亲身体会到了这一点。发布 11 篇文章、组织编辑活动、协调各个冲刺之间的内容，这些工作让我深刻体会到，要保持 Fedora 编辑标准的一致性需要花费多少心思；也让我意识到，对新贡献者来说，只要手里有趁手的工具，这段旅程本可以轻松许多。

这正是我的实习生同伴 Gonothi 在 Fedora 项目的 Outreachy 实习期间做出的成果。在最后一次冲刺中，我们决定把它介绍给社区，因为那些能让贡献变得更易实现的工具值得被更多人听见。带着这个背景，下面交给 Gonothi，由他介绍自己构建了什么，以及为什么这么做。

我构建了什么，为什么

我叫 Gonothi，是 Fedora 项目的 Outreachy 实习生。我构建的工具叫 editorial-guide-ramalama，是一个检索增强生成（RAG）助手：它读取 Fedora 实际采用的编辑指南和已发表文章，然后对照这些内容检查你的草稿，告诉你文章是否符合标准；如果不符合，还会明确说出应该改哪里。

普通聊天机器人会靠猜测。RAG 则让每个回答都落到实际指南上。当工具发现问题时，它会引用具体的指南条款，并给出可执行的修改建议——不是“这里看起来不太对”，而是“你的文章缺少 Read More 标签，而根据 Magazine 指南这是必需的”。

RamaLama 是整个工具背后的引擎，也是这个项目能以现有方式运作的重要原因。它用 Fedora 本来就在使用的容器工具链，在本地以 OCI 容器方式运行开放模型：不需要 API 密钥，不依赖外部服务，数据也不会离开本机，因此一切既私密又可完整复现。它还内置了 RAG——摄取、分块和检索都由 RamaLama 自己完成（它在内部运行 Docling 来解析和切分指南），所以我无需再自己拼接一套独立的向量管道。本地推理、OCI 容器打包和内置 RAG 的组合，使这个工具可以打包成单一镜像发布，任何人都能从 Quay 拉取并运行。

工作原理

该工具支持 Fedora 的两份出版物：Fedora Magazine 与 Fedora 社区博客（CommBlog）。每份出版物都把各自的编辑指南载入为模型核查时对照的主要依据；在侧边栏切换出版物，指南也会随之切换。

技术栈基于 RamaLama、Docling、Quay 和 Streamlit，并使用在质量与大小之间做过权衡的小型 GPT-Generated Unified Format（GGUF）模型。流程如下：

文章通过 WordPress REST API 从两份出版物拉取；不会提交任何静态文件，语料库总是从源头重建并保持可复现。RamaLama RAG 在内部运行 Docling，解析文档并将其切分进向量存储，然后打包为 OCI 镜像发布到 Quay：quay.io/fedora/editorial-guide-ramalama。运行检查时，拉取相应镜像，使用 Streamlit 界面或终端即可，不需要构建步骤。

粘贴一篇符合 Magazine 标准的草稿，模型会引用相应指南，确认文章合规；粘贴一篇带有已知问题的草稿——比如缺少特色图片、缺少 Read More 标签——它会逐项指出问题，并给出可执行的修复建议。

坦白说一句：小型本地模型有其局限。editorial-guide-ramalama 擅长在提交前发现常见问题，但它不能替代人工编辑，也没有试图替代。

为什么开源社区应该关注这个项目

这个项目最打动我的，不只是技术上的实现，更是它对开源社区贡献者入门的意义。新 Fedora 贡献者面临的最大障碍之一并不是缺少积极性，而是不了解那些不成文的规则。编辑指南、打包标准、社区规范——这些东西都存在，却散落各处；靠被拒绝来学习，实在令人灰心。

editorial-guide-ramalama 这类工具降低了这层门槛。它们并不替代人工编辑或社区知识，而是为新贡献者提供第一遍检查：在提交之前先自检，在动手过程中学习指南，而不是靠反复试错。这正是能让开源社区更具参与性的工具。

下一步

这个小型项目是一个概念验证，证明了把 RAG 用于 Fedora 编辑文档是可行的。同样的架构现已汇入一个更大的项目：把 RAG 应用到 RPM 打包指南。打包是一个风险更高的领域，有据可依、本地运行、模型开放的 AI 能帮助贡献者把打包做对。

代码托管在 Fedora Forge：ai-ml/editorial-guide-ramalama。从 Quay 拉取镜像，在提交之前拿你的下一篇草稿试试吧。

亲自试一试

该工具现已上线可用。从 Quay 拉取镜像，粘贴你的草稿，看看它会给出什么反馈。如果你是一位新贡献者，正为第一篇文章而紧张，这个工具就是为你准备的。

感谢 Fedora 社区、我们的导师 Justin Wheeler、Dominik Kawka 和 Carol Chen，以及 Outreachy 让这次实习成为可能。