Start here
Mac 本地 AI 工作流完整方案
这是一套适合 Mac 用户的个人 AI 工作流：把素材收集、本地模型、AI 代理、模型切换、命令行工具和笔记管理放到同一张地图里。它的核心不是“装很多工具”，而是让资料、模型和写作/编码流程彼此接上。
核心洞察：
数据尽量本地化，成本尽量可控，云服务作为备选，而不是唯一入口。
完整架构
| 层级 |
工具 |
作用 |
| 素材收集 |
Obsidian + Web Clipper |
把网页、文章、视频资料先变成可整理的 Markdown。 |
| 本地模型 |
Ollama / LM Studio |
在本机运行模型，适合隐私、离线、低成本实验。 |
| AI 代理 |
OpenClaw |
连接多个模型，让不同任务能调用不同能力。 |
| 模型切换 |
cc-switch |
让 Claude Code 能切换到 MiniMax 等模型服务。 |
| 命令行工具 |
Claude Code |
在终端里读写文件、理解项目结构、辅助编码和调试。 |
| 知识管理 |
Obsidian / Claudian |
把 AI 放进笔记、写作和知识库维护流程。 |
三条入门路径
- 快速上手：先安装 Obsidian、Claudian、Claude Code，再配置 MiniMax 或其他模型服务。优点是门槛低，最快能把 AI 接进写作和项目流程。
- 完全本地：用 Ollama 或 LM Studio 下载模型，再通过 OpenClaw 调用。本地路线更适合在意隐私、成本和可控性的用户。
- 混合路线：本地模型处理轻量任务，云端模型处理复杂推理，cc-switch 负责模型切换。它不是最简单的路线，但长期最灵活。
工具之间怎么连接
Obsidian 是资料和思考的底座，Claude Code 是能直接操作文件的执行层，OpenClaw 像一个模型调度中心，Ollama / LM Studio 提供本地模型，MiniMax 作为云端备选。这样搭起来以后，你不是每次都重新问 AI，而是在自己的资料、项目和模型之间形成一条可重复使用的路径。
下一步怎么做
不要一开始就追求全套安装。先用 Obsidian 收集资料，再用 Claude Code 处理一个真实小任务，例如整理笔记、改一个网页、生成一份文档。等流程跑顺后，再逐步加入本地模型和模型切换。真正有价值的 AI 工作流，往往不是最复杂的，而是能在每天的学习和工作里稳定出现。
Knowledge system
收藏夹里的知识，如何变成真正会用的知识库
很多人以为自己在学习，其实只是在收藏。网页、视频、帖子、灵感如果没有被整理，过几天就会变成一堆找不到、用不上、也无法复述的碎片。AI 真正有用的地方，是把这些碎片变成可再次调用的知识。
核心洞察：
收藏不是学习，能被重新找到、重新组合、重新用于写作和行动，才算进入自己的知识系统。
先解决三个痛点
- 收藏很多，但真正想用时找不到。
- 视频和帖子看过就忘，没有沉淀成结构。
- 碎片资料太多，无法看出它们之间的关系。
知识收割工作流
| 环节 |
工具/动作 |
结果 |
| 收集 |
网页剪藏、浏览器插件、字幕提取 |
把网页和视频先转成可处理的 Markdown。 |
| 转换 |
链接转全文、字幕转文本、英文内容翻译 |
减少手动复制整理的成本。 |
| 总结 |
AI 提炼核心观点、步骤、概念 |
让资料从“原文”变成“可读笔记”。 |
| 归档 |
Obsidian 索引、标签、双向链接 |
形成长期可查、可更新的知识库。 |
LLM Wiki 模式
传统 RAG 更像每次查询时临时检索资料，再让模型拼答案。LLM Wiki 的思路不同：让 AI 帮你维护一个持久的 wiki。原始资料保持不动，wiki 负责总结、交叉引用、标记矛盾和生成综合洞察。
- Raw Sources：原始资料不可变，只作为来源保存。
- Wiki：AI 生成并维护的 Markdown 页面，包含摘要、概念、对比和综合。
- Schema：规则文件，告诉 AI 如何命名、如何链接、如何更新。
为什么这件事适合文科生
文科训练本来就擅长理解语境、提炼观点、建立叙事和比较不同材料。AI 不是替代这些能力，而是承担那些最容易让人放弃的机械维护：更新索引、补交叉链接、整理摘要、发现重复和矛盾。人负责判断什么值得留下，AI 负责让知识库不荒废。
下一步怎么做
先选一个主题，比如“AI 工具学习”或“个人网站搭建”。每次看到好内容，不再只收藏链接，而是让 AI 抓取、总结、归档到 Obsidian。一个月后，你会得到的不只是收藏夹，而是一组能支撑写教程、做产品、回答问题的知识资产。
Build in public
把网页应用打包成可以安装的 PWA
PWA 是 Progressive Web App，也就是渐进式 Web 应用。它让一个网页应用不只停留在浏览器里，而是可以被安装到手机主屏幕，像 App 一样打开、更新和使用。对个人小产品来说，这是很友好的发布方式。
核心洞察：
先把想法做成网页，再把网页装进每天会打开的地方。PWA 让个人产品可以先轻量上线，再慢慢迭代。
三种打包方式对比
| 方式 |
优点 |
限制 |
| PWA |
网页即可安装，跨平台，更新快。 |
部分系统能力受浏览器限制。 |
| 安卓 APK |
更接近原生 App，可做更多系统集成。 |
需要安卓打包环境和额外维护。 |
| iPhone IPA |
可走 App Store 分发，体验完整。 |
需要苹果开发者账号和审核流程。 |
最小实现路线
- 先完成核心网页应用：不要一开始就纠结上架，先让功能在浏览器里跑通。
- 配置 manifest：设置应用名称、图标、启动方式和主题颜色。
- 加入缓存策略：用 Service Worker 处理基础缓存，让应用更接近 App 的体验。
- 适配移动端：按钮大小、底部导航、输入区域、播放控制都要适合手指操作。
- 添加到主屏幕测试：在 iOS / Android 上验证打开、刷新、离线和更新体验。
Little Smart's FM 为什么适合 PWA
音乐电台是一个典型的“每天会打开”的小工具。Little Smart's FM 不是一次性网页，而是会根据日程、天气和心情提供音乐推荐。它适合放在手机主屏幕上：早上起床、通勤、工作、运动、睡前，都可以直接打开。
对个人开发者来说，PWA 的意义不是“比原生 App 更高级”，而是它让一个想法有机会快速进入真实生活。你可以先做出聊天推荐、歌单管理、语音介绍等核心体验，再逐步完善离线、通知、后台播放和多端同步。
下一步怎么做
如果你已经有一个网页应用，先检查它在手机浏览器里是否好用。然后补 manifest、图标和缓存。等 PWA 体验稳定后，再考虑是否需要 APK、IPA 或更正式的应用商店发布。对 Little Smart's FM 来说，PWA 是从“我做了一个网页”走向“我真的每天使用它”的关键一步。
Automation
Claude Code Skill PPT 自动化生产线
很多 AI 工具演示都停在“帮我生成一页 PPT”。但真正有价值的工作流，是把一次性的生成变成可复用的生产线。Claude Code Skill 的思路，就是把工具、规则和流程写进一个 Skill，让 AI 在特定任务里稳定调用。
核心洞察：
不要每次都重新解释需求，把规则沉淀下来，AI 才能成为稳定的工作伙伴。
什么是 Claude Code Skill
Claude Code Skill 是 Claude Code 的扩展包。每个 Skill 用一个 `SKILL.md` 文件定义工具、规则和使用方式。你可以把它理解成一份专门写给 AI 的工作手册：什么时候调用什么工具，文件放在哪里，输出应该遵守什么规范。
PPT 自动化工厂的搭法
- 准备环境：安装 VS Code、Git、Node.js 和 Claude Code。
- 安装技能包：把 frontend-slides 这类幻灯片技能克隆到本地 skills 目录。
- 创建工厂目录：单独建立一个 PPT_Factory 项目，用来存放每次生成的幻灯片项目。
- 软链接技能：把技能包链接到工厂目录，让当前项目能直接访问模板和规则。
- 编写 README 规则：要求 AI 先规划大纲，再提供风格预览，确认后再输出正式 HTML 幻灯片。
关键机制
| 机制 |
作用 |
| 软链接集成 |
让工厂项目直接访问技能包，避免复制多份模板。 |
| README 约束 |
把审美、流程、命名、输出规则写清楚，减少每次沟通成本。 |
| 风格预览 |
先出 3 个方向给人选，再进入正式制作，降低返工。 |
适合什么场景
这套方法很适合培训、复盘、方案展示、产品介绍和内部分享。它的重点不是让 AI 替你思考，而是让 AI 承担页面搭建、风格统一、格式执行这些重复劳动。人负责判断叙事和取舍，AI 负责把结构变成可展示的页面。
下一步怎么做
先从一个真实汇报开始：写清主题、受众、希望的风格和材料来源。让 AI 先输出大纲和 3 个风格方向，选定后再生成正式版本。等这个流程跑通，再把你常用的标题风格、图表规范、配色偏好沉淀进 README。这样下一次做 PPT，就不是重新开始，而是在已有生产线里继续生产。