FILE 03 · NOTES
笔记
FIELD NOTES
装过的、跑通的、卡住的、最后放弃的，都写下来。不是教程，是现场记录。
按三个主题归类。三个主题的分法来自这些笔记的标签分布，不是我挑的。
- 篇数
- 38
- 主题
- 3
- 时间跨度
- 2025-11-12 → 2026-06-25
Build & deploy
建站与部署
9篇
Amazon 联盟内容工具链：我不想把它做成自动发垃圾文机器
AAWP、Amazon API 和内容自动化都能提高效率，但联盟内容真正难的是合规、选品判断、更新机制和人工审核。
AAWP 和 Amazon API：联盟网站工具链不是越自动越好
AAWP 适合 WordPress 产品展示，Amazon API 适合做数据筛选和研究。但真正决定联盟站质量的，仍然是选品逻辑、内容场景和合规边界。
Windows 上折腾 Node.js，我为什么更愿意用 Volta
Node.js 版本混乱会拖垮很多前端和 AI 工具项目。Volta 的价值不是高级，而是让每个项目自动使用固定版本，少污染系统环境。
Vercel 部署出问题时，我现在不会先乱改配置
本地能跑、线上失败时，最容易做错的是凭感觉乱改。更稳的方式是先看项目设置、构建命令、输出目录、Node.js 版本和部署日志。
用 Claude Code 做网站：从想法到上线，真正麻烦的是审美和细节
AI 写网站很快，但把网站变成能公开发布的个人内容基地，难点在信息架构、视觉判断、真实内容和上线前的细节审计。
Self-hosting & infrastructure
自托管与基础设施
9篇
Ubuntu 双系统跑本地 LLM：普通人值不值得折腾
Ubuntu + NVIDIA 显卡 + Ollama 听起来很诱人，但真正要维护的是驱动、启动项、模型目录、同步、备份和每个工具的环境边界。
n8n 跑在 NAS 上，真正麻烦的是网络和 HTTP 请求
n8n 工作流失败时，问题不一定在节点本身。NAS、Docker、DNS、证书、超时和重试策略，都可能让一个 HTTP 请求看起来莫名其妙地坏掉。
MacBook Air 当小服务器用，适合普通人吗
一台旧 MacBook Air 可以成为远程开发和 AI 助手的常开机器，但它更适合轻量服务，不适合被幻想成低成本工作站。
Ollama + OpenClaw 本地部署：看起来很美，真正折腾时要注意什么
本地 AI Agent 的卖点是免费、断网和可控，但真正决定体验的不是安装命令，而是模型能力、上下文、硬件和你愿不愿意长期维护。
Hermes Agent 折腾记录：为什么我最后只保留了 Mac 本机这套
Hermes Agent 看起来适合多端部署，但我最后把 NAS Docker 版退役，只保留 Mac 本机版本。原因不是情怀，而是维护成本和真实使用频率。
为了在外面打开家里电脑，我做了一个 NAS 远程开机网页
我用 NAS、Tailscale、WoL 和 SSH 拼了一个手机远程开关 Windows 电脑的小网页。它能跑，也让我重新认识了家庭网络自动化的边界。
Workflow & automation
工作流与自动化
20篇
做了两个 AI 创作工具之后：视频提示词 skill 和音乐生成界面
用 Claude Code 折腾即梦 Seedance 视频提示词 skill 和 Suno 音乐生成界面，记录两个 AI 创作工具的真实做法和踩坑。
AI Skills 到底是什么：它不是普通提示词，也不是 MCP
Skills 更像给 agent 的长期 SOP 和工具包。Prompt 负责临场交代，MCP 负责连接工具，Skills 负责把可复用流程变成稳定能力。
AI 图像提示词别只堆形容词：我更在意结构
Flux、Nano Banana、图生视频这些模型看起来玩法很多，但真正稳定的提示词通常都有结构：主体、场景、风格、光线、构图、细节和限制。
LLM Wiki：我为什么不再把 Obsidian 只当普通笔记软件
资料越存越多并不会自动变成知识。LLM Wiki 更像一层持续编译的知识系统，让来源、概念、实体和问题能够不断回流。
Google Antigravity + 亚马逊联盟内容工厂：自动化不是让浏览器乱跑
我研究 Antigravity 做 Amazon Associates 内容工厂时，最后的结论很克制：硬数据走合规接口，软信息做研究，发布前必须有人审。
MCP 普通人怎么理解：它不是万能钥匙，是工具连接协议
MCP 的价值在于让 AI 以标准方式连接工具、数据和服务，但它不负责教 AI 怎么干活，也不能替代权限边界和安全判断。
AI 读 PDF 为什么经常翻车：我更相信主路径加 OCR 兜底
文档解析最怕把所有文件都交给一个工具。MarkItDown 适合做 Markdown 主入口，但扫描件、图片和复杂 PDF 仍然需要 OCR 兜底。
我装了一个新闻聚合 skill，最后发现最重要的是筛选而不是抓取
新闻聚合工具能帮我拉取 Hacker News、GitHub、产品和 AI 动态，但真正有价值的是过滤、摘要和让它服务具体项目。
Claude Code 从 Windows 迁到 Mac 后，我才知道长期 AI 工具最怕路径和记忆混乱
Claude Code 的迁移不只是复制配置。真正要处理的是全局规则、hooks、插件、长期记忆、路径差异和哪些运行状态不能搬。
KIE.AI 使用记录：省事是真的，值不值要看场景
KIE.AI 这类媒体生成 API 平台适合快速做图像和视频原型，但它不是灵感机器。真正要算的是成本、等待时间、失败率和能否进入你的内容流程。
OpenClaw 调教记录：Agent 不只是装上就能用
OpenClaw 的重点不只是安装，而是 workspace、身份、语气、工具笔记和长期记忆如何配合。Agent 要好用，必须被约束和迭代。
ComfyUI 和 Flux 图像生成：普通人到底该怎么入门
ComfyUI 的难点不是节点有多复杂，而是先搞清楚模型、工作流、提示词和产出目标之间的关系。普通人入门应该从可复用流程开始。
n8n 内容工厂这件事，我更关心能不能真的省时间
n8n + LLM 很适合把重复流程串起来，但内容工厂最容易被夸大。真正需要验证的是质量控制、成本、人工介入和发布后的效果。
我把 Obsidian 接进 AI 工作流后，才发现知识库真正难的不是整理
Obsidian 接上 AI 之后，最有价值的不是多一个聊天入口，而是把记录、路由、回写和项目记忆变成一套能长期运行的流程。
38 篇按标签归入 3 个主题，2025-11-12 起持续记录。归类由 scripts/measure-corpus.mjs 实测于 2026-08-12。