这段时间，我一直在折腾 AI。

但真要说折腾出了什么稳定的成果，好像也没有。

很多时候，我并没有真的把 AI 用得很好，更像是在不断尝试、安装、配置、迁移、调整。看到一个新工具觉得厉害，就下载下来试试；看到一种新玩法觉得有意思，就想办法跑起来。

去年 DeepSeek 爆火的时候，我也跟着试了一下。当时的感觉是，这个东西确实很好用，但试完之后，我并没有真正把 AI 放进自己的日常流程里。

真正让我开始理解 AI 的，是 OpenClaw，也就是当时很多人说的“小龙虾”。

那段时间小龙虾在国内很火，几乎到处都能刷到。现在它的热度好像慢慢下来了。可能对很多普通用户来说，真正高频、稳定、能马上感受到价值的使用场景，并没有那么容易建立起来。

但对我来说，小龙虾确实打开了一个入口。它让我第一次比较明确地感受到：AI 好像不只是聊天了，它开始可以接入飞书、调用工具、进入系统，像一个助手一样帮人做事。

然后我也开始尝试。

当时我还折腾过本地模型。我想试试自己的 Mac mini 能不能跑起来，就装了几个本地模型尝试。

结果发现，4B、7B 这样的小模型可以对话，也就能做一点摘要、整理之类的文字处理工作。但真要拿来跑 Agent 任务，基本还是带不动。

本地模型跑不动之后，我又买了阿里云的 Coding Plan，用一些免费模型继续尝试。

但那时候我还没有想清楚，自己到底要它帮我完成什么流程。

我最早想做的，是一个个人助理。

它可以帮我记录健康数据、训练记录、记账、待办和想法。比如我吃了什么，它帮我估算热量；我训练了什么，它帮我记录消耗；我花了多少钱，它帮我记账；我有什么临时想法，也可以直接告诉它。

这个想法听起来很好。

但真正用起来之后，我很快发现了问题。

如果一个系统想记录得足够详细，那我就必须不断向它汇报：早餐吃了什么，午餐吃了什么，晚餐吃了什么，今天体重多少，睡眠怎么样，训练做了哪些动作。

这件事慢慢不像在使用助手，反而像又多了一个需要维护的系统。

后来我慢慢把这个系统缩小了。三餐不记了，体重和睡眠也不记了，最后只保留了记账和训练记录。不是 AI 做不到，而是这个流程对我来说不够轻松，也不够可持续。

后来我刷到别人做的一个类似 Agent 的功能，它可以直接调用手表的 API，把运动、健康、睡眠这些数据接进来。

那一刻我才意识到，自己之前想做个人助理时，思路其实还是停在表面：一个 AI 系统能不能跑起来，不只取决于它有多强，还取决于这个流程对人来说是不是足够自然。

后来我又折腾过子智能体。

当时我觉得，既然可以创建不同角色的智能体，那是不是可以搭一个自己的 AI 团队？一个做个人助理，一个做内容助理，甚至还可以模仿工程行业里的项目分工，分出设计师、施工员、监理等不同角色。

想法很热闹，实践起来却发现，并没有那么必要。

因为我并没有一个足够明确、足够复杂的协作场景，也没有设计好它们之间的协作结构。很多事情，一个个人助理其实就能完成。硬造出一套班子，反而增加了复杂度，也浪费了很多上下文和精力。

AI 不是越多越好，工具也不是越复杂越好。

真正重要的，是它到底有没有解决我的问题。

后来，我继续换工具，继续尝试新的东西。

语音对话、本地服务、远程访问、开源部署、代码助手……每一个方向都让我打开一点新的想象。

具体到工具，可能是 Hermes、Codex、WorkBuddy、Docker、Open Web UI、Tailscale 这些。它们让我开始觉得，Mac mini 也许可以变成一个自己的 AI 中枢。

它可以跑一些本地服务，可以接外置硬盘做 NAS，可以安装 ASR 模型做语音转文字，也可以安装 TTS 模型，让智能体发出声音，甚至和 Hermes 进行语音对话，做成类似智能音箱的使用场景。

这些折腾并不是没有价值。

恰恰相反，它们让我接触到很多以前完全不了解的东西。我知道了 Docker 是什么，知道了本地模型能做什么、不能做什么，也知道了很多开源工具其实已经做得非常强大。

这也是 AI 很有意思的一个地方。它让我可以用更低的成本接触到一些以前可能只有极客才会去用的工具。比如 Docker，比如 GitHub 上的开源项目。以前如果让我自己去部署，我大概率会卡在环境、命令、配置这些地方；现在有 Codex 这样的工具帮忙，我至少可以真的把它们跑起来，用起来。

但折腾得越多，我越感觉到另一个问题：

我好像经常从一个问题出发，走着走着，就被另一个工具、另一个概念、另一个新可能带走了。

最开始，我只是想做一个个人助理，让它帮我记录生活、整理想法。后来又顺着这个想法，开始折腾知识库、多维表格、子智能体、本地模型、服务器和各种服务。

这些东西其实都和“个人助理”有关，也不是没有意义。但折腾了一圈之后，我发现自己更多是在研究工具，并没有真正把它们串成一个稳定可用的流程。

问题没有消失，但问题的焦点变模糊了。

这也是为什么我会觉得，自己一直在 AI 周围转圈，却没有真正进入核心。

后来我慢慢意识到，核心可能从来都不是某一个工具，也不是某一个 Agent。

这里说的工具，不只是普通软件，也包括我一直在折腾的那些 Agent：OpenClaw、Codex、Hermes、WorkBuddy，或者后面还会不断出现的新东西。

它们当然重要，也确实会不断变强。但真正决定我能不能用好 AI 的，可能不是我换了多少工具，也不是我试了多少 Agent。

更重要的是，我有没有真正看清自己要解决的问题。

我需要先看清楚这个问题能不能被拆开，流程能不能重复，输入成本是不是足够低，结果能不能沉淀下来，下一次还能不能复用。

这些事情，可能比“用哪个 AI 工具、哪个 Agent”更重要。

AI 本身当然重要，但真正需要被搭起来的，可能是工作流。

如果没有工作流，AI 很容易变成一个新鲜玩具。今天试一个，明天换一个，看起来很忙，也确实学到了一些东西，但很难形成稳定产出。

而我现在想做的，就是把这些折腾慢慢变成沉淀。

如果只是存在自己的笔记里，很多东西可能会一直停在半成品状态。写出来、发出去，反而会逼着我把它们讲清楚。

这也是我开始认真做自媒体的原因。

它不是为了把自己包装成什么 AI 专家。我也还没有一套成熟的方法。很多东西我还在试，还在犯错，还在不断调整。

但我觉得，自媒体可以成为一个表达出口，也可以成为一个长期项目。它不一定只是一篇公众号文章，后面也可能是图文、视频，或者一些由生成式 AI 辅助完成的内容。

自媒体对我来说，不只是发布渠道，更像是一个持续整理、表达和复盘的地方。

我可以在这里记录自己的 AI 使用过程，整理踩过的坑，复盘那些看起来有用但没有真正跑起来的流程，也记录一些让我突然想明白的概念。

这篇就先当作一个开头。

后面我想继续写下去，写一些自己在折腾中慢慢想明白的东西。也想在写的过程中，把这些零散的尝试慢慢整理出来，沉淀成自己的工作流。