给AI配上手脚和大脑

朋友们，最近还好吗，跟上大A牛一天熊一天的节奏了吗

我今年春节前开始用AI Agent，一开始使用OpenClaw，先是在云电脑上跑，后来用KimiClaw在kimi后台跑，再后来直接租了一台阿里云在硅谷的云服务器（最低配好像是79元/年）养龙虾。可惜云服务器配置实在是低，5月初崩溃了，我养的龙虾也失忆了，我就尝试了一下Hermes，对比Openclaw，Hermes更好的地方有两点：1.对设备性能把控更好，低配设备不容易崩溃；2.跑任务每隔几分钟给你发个通知，告知状态。

但是云养虾/马通过飞书或钉钉等交互的模式，依然停留在了对话的范畴，相当于你有了一个更懂你、更能干的豆包，对我们的日常工作没有所谓的范式革命。因此，基于对本地Agent各种美好的想象，我给AI专门买了台电脑，希望他能进一步放大我的生产力。

一、为什么新买电脑

我现在用的电脑是公司配的，配置还不错但是大概率是被监控的。出于对公司资料保密的考虑（万一agent放飞自我，泄露工作秘密还是很不体面的），以及对个人信息、数据的保密，我买了Thinkpad X14（本来想买macbook，但是炒股软件体验不好；2026款T14P刚发，竟然不让用国补）。

至于为什么不买独显的所谓AI本，我们之前分析过，详见英伟达的PC意味着什么，以顶级的笔记本也就跑70B的大模型，配置RTX5070tiGPU的笔记本电脑艰难跑27B模型，本地跑模型的性价比极低，所以我选择了没有独显的这台X14。

二、新电脑装了什么

Hermes Agent（桌面端）：核心大脑。主要是能够把过去几个月的记忆无缝传过来，能力也够强。过一阵闲下来，再研究研究claude code和codex，反正Hermes不推荐（估计是系统内置的）

Obsidian：知识管理中心。所有笔记、交易记录、读书划线、公众号文章都在里面。配合Hermes的llm-wiki skill，AI可以直接读写Obsidian vault。

Playwright：浏览器自动化。用于抖音数据抓取、网页信息提取。Chromium内核，是能够打通AI Agent和网络世界的关键抓手（AI访问网络的形式跟我们不一样，大部分的网站都限制AI直接拉取数据，要么付费走API，要么就用浏览器自动化（所以，真的，掌握数据的软件企业，在AI时代靠卖数据就能活得很好啦，但是他们如何真正变成AI应用呢，我还没想明白）。

Clash Verge Rev：科学上网。没有它，Hermes更新、Python包安装、API调用全都卡死。

其他的就是正常的软件啦，Steam什么的~~

三、桌面端+WSL+云端并行的Hermes战队

这是我折腾了几天摸索出来的最优架构：三端协同。

为什么要搞战队？

单个Agent有硬伤：

1、Hermes在一个环境下只能单线处理一个任务，新任务需要重新摸索工作流，反复试错，非常耗费时间。比如我让Agent把我微信公众号的文章保存到本地，他用了大概一下午的时间，但现在工作流通了就很快。

2、本地电脑会关机，我晚上一般把电脑留在公司，一般晚上会关机，离开公司后可以用云端的Agent继续工作。

3、本地网络环境和云端不一样，云服务器都买了一年的，不用浪费了。

所以我把任务拆到了三个执行环境：

环境	角色	典型任务
桌面端Hermes	主脑	对话交互、Obsidian读写、交易复盘、wiki维护、公众号文章撰写
WSL	Linux工具执行	git操作、部分脚本运行，做后台长时间跑的任务
云端	打零工	定时任务、突发型任务处理

他们能帮我干什么？

现在的Hermes战队已经能做的事：

1、交易复盘：读取交易记录Excel，逐笔分析买卖逻辑，写入Obsidian

2、抖音、公众号等线上内容处理：Playwright抓取博主视频列表 → 下载音频等 → （Whisper转录） → AI整理成结构化markdown → 存入Obsidian

3、知识库维护：基于Karpathy的LLM Wiki模式，把我的公众号文章、读书笔记、交易策略编译成互相链接的知识网络

4、数据查询：问我"现在持有哪些股票"，直接读wiki回答，不需要我翻Excel

四、用Hermes+Obsidian帮AI提升专业能力

这是今天最大的收获。

AI最大的问题是没有记忆。每次新开一个session，它就像失忆了一样，不知道我是谁、做什么的、有什么偏好。传统的解决方案是RAG（检索增强生成），但RAG每次都要重新检索原始文档，效率低、容易遗漏跨文档关联。

我采用了Karpathy大神的LLM Wiki模式：让AI在摄入新信息时，一次性编译成互相链接的markdown知识页面。以后查询时直接读编译好的页面，不需要翻原始文档。

具体做法：

在Obsidian vault里建了一个wiki/目录
把16篇公众号文章、16本读书笔记、2篇抖音文案（快速增加中）、交易策略v3全部摄入
AI自动提取实体（个股、公司、人物）和概念（EMA20、三轨制、心智带宽…）
每个页面都有[[wikilinks]]交叉引用，形成知识网络
当前持仓单独成页，每次调仓更新

现在我问AI"寒武纪的出场规则是什么"，它能直接从wiki页面回答，不需要我重新解释一遍。

而且Obsidian的Graph View可以直接看到整个知识网络的可视化——哪些概念关联最紧密、哪些页面是孤岛，一目了然。

最关键的是，我通过这个组合帮助AI提高了对一些细分领域的认知，换句话说，我可以时刻让AI掌握最牛博主的方法论、论点和论据，让他变成我的最强外脑。

五、遇到的坑

1.这台电脑的两个槽点

屏幕亮瞎眼。第一次用OLED屏幕，清晰、高对比度是优点，但是OMG，真的亮瞎眼，我看了3天还没适应，不如IPS屏幕舒服。

没有GPU还是差点意思。比如视频转文字需要用到开源的模型Whisper，模型很小只有39M，但跑在CPU上也是很折磨，一个14分钟的抖音视频转录要2分半钟，期间风扇呜呜响。

2. 科学上网是刚需-不展开

3. 本地跑Agent确实耗token

Agent跑在本地确实能省不少事，但是如果想让他从0到1自动化的执行任务，那么大量的试错免不了，这背后隐含着大量的token消耗。我今天让他研究提取抖音短视频里面的文案，结果1小时就把我200块coding plan跑限流了，大概是月总额的10%，后面总结了经验教训就节约一些了。

六、总结

换了电脑这几天，最大的感受是：本地Agent + Obsidian知识库这个组合，比之前云养小龙虾的效率高了不止一个量级。

AI不再是"聊完就忘"的聊天机器人，而是真正在帮我积累知识、管理系统、执行任务。

后面真的要好好搞股票了，科技股这两天的走势，太像主力拉高出货了，可怕。