我用 AI 做了个笔记助手,顺便踩些坑

问题

不知道你有没有这种时刻：脑子里突然闪过一个东西——一个命令、一个报错的解法、一个点子——赶紧找了个地方记下来，当时觉得这事稳了。过几天要用，找不到了。我在想有没有类似这样的工具：随手丢一句话进去，它帮我整理好；想找的时候用大白话问一句，它告诉我「你 7 月 9 号记过，原文在这」，而不是给我编一段。

想法

这个需求拆开是两件事：把一句话整理成结构化笔记；用大白话检索历史笔记。两件事恰好都是 LLM 擅长的，所以干脆自己写一个。

设计

整张图就是项目的全部：一个循环、四个工具、一个笔记目录。

效果

整个东西是个桌面应用，界面上就是一个聊天框，只干两件事：记笔记，查笔记。实际跑起来是这样：

踩坑经历

做下来撞了不少坑，挑三个有意思的展开说。

一，它假装查到了。你问「我之前记过什么」，它张口就答，条理清楚，看着挺对。实际上根本没检索到，答案全是模型自己编的。不知道的东西它也不慌，编得比真的还像。解法是自检门：程序回头查这条回答，出现「据我所知」「根据我的了解」这类凭自己记忆说话的措辞，打回，逼它真去检索；出现「找不到」也不放行，换个关键词再搜一轮，确实没有才准认输。答案还得带上来源文件。这道门反过来也管记笔记，说「记好了」不算数，得看它真调了写盘的工具。

二，它停不下来。另一个极端。查笔记的时候，它勤快得吓人：搜一个关键词，读一个文件，没有；换个关键词，再读一个，还是没有。工具一个接一个调，没有要停的意思。我在屏幕这头看它努力，既感动又着急：兄弟，找不到就承认吧，没人怪你。解法是预算调度。工具调用上限 30 次，硬迭代上限 40 次，到线就注入一句「请直接作答」。这时得同时跳过自检门，不然它会卡在「还想读一个」和「系统让我别读了」的拉扯里出不来。

三，上下文压缩。我们知道聊天记录越长，token 花得越多，超过模型上限直接报错，所以要压缩。我借鉴claude code做了三档压缩：单条消息太长，裁掉这条；最近几轮太长，总结这几轮；整段历史太长，总结整段。按占用比例判定，越满压得越狠。

心得

一，AI 最擅长的不是干活，是让你觉得活干完了。模型本身很强，这点我用得越久越确定，但强不等于好用。接上 API 只是开始，真正花功夫的是控制它：什么时候逼它重来，什么时候不许它再查，上下文满了怎么压。这些兜底和验证，才是 AI 应用在业务里落地要打磨的部分。

二，Agent 框架没多神秘。拆开就是「思考、调工具、看结果、再思考」这个循环，自己写一遍，比看十篇教程都清楚。

三，整份代码没什么黑科技，循环、工具、文件操作、压缩，全是很常规工程。AI 应用，大部分工作还是软件工程本身。

项目开源了：github.com/lvmaizi/easy-note。填上自己的 API key 就能跑。