技术
未读
Obsidian 入门避坑指南：大半年使用经验，新手只需先学这五件事
一、写在前面 我是去年装的 Obsidian，下载完打开界面那一刻就有点懵：一个白板，一堆按钮，左边一个空文件树，右边一个图谱视图转来转去，看上去很厉害，但完全不知道从哪儿动手。后来在站内和 B 站翻了一圈教程，发现很多人讲得太"系统"了，新手根本听不进去。 所以我把自己这大半年踩过的坑、真正用得上
技术
未读
从零到一:我用国产模型把 Claude Code 跑通后,写下了这份给小白的避坑手册
这篇指南面向完全不熟悉命令行和Node.js的AI新手，旨在帮助他们快速入门并掌握Claude Code这一强大的AI Agent工具。文章首先系统阐释了模型（Model）、智能体（Agent）、技能（Skill）、上下文协议（MCP）等核心概念，并提供了详细的环境搭建步骤，包括Git、Node.js、VS Code和Claude Code的安装。
特别地，它强调了通过cc-switch配置国产模型（如MiniMax、GLM等）的实用方案，解决了官方模型的使用障碍。读者将学习Claude Code的基础操作，如启动方式、快捷键、以及Plan、YOLO等工作模式。通过一个具体的“早读动物园”网页小工具项目，新手能亲身体验从需求到产品实现的完整流程。文章还深入讲解了Skills的创建与使用，将其作为SOP手册，实现自动化配图等复杂任务，并区分了Skills、MCP、Hooks与Plugin。最终，指南鼓励读者克服技术恐惧，直接动手实践，强调AI工具能显著提升生产力，并提供了常见问题速查与硬件网络建议。
技术
未读
让 Codex 在你睡觉时写代码：半年踩坑后的几条规矩
文章指出，最初期望AI（如Codex）能夜间自主完成复杂编码任务的愿景并未实现。AI更像一个不知疲倦的执行者，需要明确的边界而非模糊的指令。例如，“优化项目”这类泛泛的任务会导致一堆半成品和冲突。
成功的夜间任务必须满足输入、写入范围和验收命令三要素，即“派工”而非“许愿”。作者通过ShipReady项目实例，展示了如何设定具体的安全检查任务，限制修改范围、依赖和UI，并明确验证命令。
适合夜间执行的任务包括：只读扫描生成报告、小范围特定模块测试（而非提高覆盖率），以及文档和工程卫生更新。应避免交给AI产品判断重的任务、跨前后端的大规模重构，以及涉及真实账号或生产权限的操作。
为确保高效产出，建议使用详细的任务模板作为“夜班工单”，并在代码仓库中创建`AGENTS.md`文件作为AI的“员工手册”，明确项目规范和行为准则。验收时，应优先检查`git diff`和测试结果，再查看AI的总结报告，确保改动在控制范围内。
总结而言，AI能替人熬夜，但人必须清晰定义值得它熬夜的任务。
.png?width=800)
技术
未读
别再骂模型了，你的 Agent 不是不想干活，是没人叫它起床
本文深入探讨了在Hermes平台上构建长期运行自治Agent的实践问题与解决方案。作者发现，其设计的自治交易员助手在完成一轮任务后便停止工作，原因并非提示词（prompt）不足，而是多数Agent的最小交互单位是一个“回合”（turn），完成后即停。要实现Agent的24小时持续工作，核心在于引入一个定时唤醒的运行时调度器。
文章指出，真正的长期自治需将任务切分成短周期，通过Gateway（后台闹钟）、Cron（定时任务，特别是“every”关键词）、Heartbeat（定义每次唤醒后的具体工作流程）和状态文件（替代聊天上下文，承载工作连续性）协同作用。Agent每次被唤醒时，会从`HEARTBEAT.md`、`current-state.md`、`task-queue.md`等状态文件中恢复上下文，推进一个明确的工作单元，并更新状态。
作者强调，关键在于让文件系统而非聊天记录承载连续性。建议配置Work Heartbeat、Short Review和Major Review三种Cron任务，并保持最小文件结构以确保Agent每次都能自包含地恢复工作。同时提醒，Git不应作为实时日志使用。最终总结，Agent持续运行的关键在于每次醒来都能清晰地知道自己是谁、在哪、要做什么。
Docker
未读
飞牛 NAS 折腾记｜Docker 部署 easy-vdl，把抖音、B 站、小红书 等一锅端
本文介绍了开源项目 easy-vdl，一个专为NAS（如飞牛NAS）设计的综合直播视频订阅解析下载器，可通过Docker Compose部署。easy-vdl核心功能包括视频下载、博主订阅和直播录制，支持抖音、B站、YouTube、TikTok等主流平台。
其主要特点：
- **视频下载与订阅**：能自动检测并下载新内容，支持批量同步历史视频。
- **直播录制与AI高光**：可自动录制直播，并利用AI模型（如DeepSeek）分析弹幕、自动切片高光、生成标题和摘要。
- **媒体库集成**：自动生成Emby/Jellyfin等媒体库所需的NFO元数据，支持硬件加速转码。
部署过程涉及Docker Compose配置、存储目录和端口规划、用户权限设置。需注意，视频订阅、直播录制及AI高光等核心能力需购买高级授权。文章还强调了外部访问安全、存储管理、Cookie更新及便捷升级等实用细节。easy-vdl因其高度自动化和与家庭影音中心的良好整合，被认为是同类工具中完成度较高的选择。
技术
未读
Codex 接入本地大模型：一次跑通的环境配置记录
本文详细介绍了如何配置Codex Desktop App，使其通过Ollama运行本地大型语言模型，从而摆脱云端依赖，实现数据隐私和离线工作。
核心配置环境包括Codex Desktop App、Ollama v0.24及以上版本，以及Gemma 4（推荐16G内存）或Qwen 3.6（推荐32G内存或独显）等本地模型。
配置步骤如下：
1. 安装或升级Ollama至v0.24+。
2. 在终端执行`ollama launch codex-app`，为Codex启动专用通道。
3. 在Codex中选择“本地版”运行模式，并根据机器配置选择合适的本地模型。
4. Ollama将自动下载所选模型文件（注意网络稳定性和磁盘空间）。
5. 模型下载完成后，Ollama会引导重启Codex。
6. 重启后，Codex即可调用本地Ollama服务进行任务验证。
该方案优势在于数据不出本地、无费用、支持离线工作；但本地推理性能可能不及云端。文章特别提醒`ollama launch codex-app`会修改Codex配置文件，可通过`--restore`命令或手动备份恢复。
技术
未读
一行代码不用写，三招把你日常的工作沉淀为skill
文章指出，AI "Skills" 虽展现出强大能力，但许多用户发现他人的Skill难以直接套用。这是因为Skill本质上是你将自身经验、工作流和判断标准写入AI助理的“工作手册”，他人的Skill不适用，是因为它承载的是别人的经验和工作流。
文章强调，真正有价值的是你沉淀在Skill中的个人经验。适合沉淀为Skill的经验需满足三个条件：经常重复、步骤稳定、输出明确。
为帮助用户创建自己的Skill，文章提供了三种方法：通过AI拆解他人Skill学习结构；从成功的AI协作中反推沉淀自己的经验；或利用`skill-creator`工具从零构建骨架。
文章特别强调，Skill不是一次性的，需持续迭代，通过实际使用和纠正，让AI自动更新并完善。最终，这不仅节省时间，更能沉淀个人经验，构建可随身携带的知识库。鼓励用户从最小任务开始，将自身重复性、流程稳定、输出明确的经验沉淀成自己的Skill。
技术
未读
装完 Hermes 还要这样用？7个进阶配置让AI替你24小时干活
本文详细介绍了如何将Hermes AI从基础工具升级为高度个性化和自动化的智能助手。
首先强调了通过Nous Research的免费模型（如Deepseek、Qwen）大幅降低使用成本的方法。接着，文章提出了七项关键配置：
1. **SOUL.md**：通过SOUL.md文件定制AI人格，甚至可让Hermes根据对话历史自动生成，改变其回应模式。
2. **Memory系统**：持久化跨会话记忆（`/remember`），让AI真正记住用户偏好和重要信息，减少重复输入。
3. **Skill系统**：利用Skill系统固化经验为可复用技能（`/save_skill`），实现复杂任务自动化流程。
4. **Cron定时任务**：支持自然语言调度，并提供`Silent`模式实现安静监控，只在异常时发出警报。
5. **Auxiliary Models**：为不同任务分配经济型模型（如将压缩会话等轻量任务交由Qwen等便宜模型），有效节省成本。
6. **多平台网关**：实现跨设备连接，并用`/sethome`集中推送通知和任务结果。
7. **Airtap集成**：通过Airtap平台为Hermes接入云端Android设备，使其能直接操作手机App（如日常签到、追踪快递），配合定时任务实现移动端流程自动化。
文章建议逐步配置，从定制人格到固化经验，再到自动化任务和移动端操作，每一步都能显著提升体验。
技术
未读
写给 Claude Code 的正确说明书：CLAUDE.md 的 8 条最佳实践
本文作者分享了8条使用Claude Code的经验，旨在解决AI因信息过载而生成低效内容的问题。核心在于优化`CLAUDE.md`文件及其使用方式：
1. **200行封顶**：`CLAUDE.md`应控制在200行内，仅包含项目核心概述和目标，避免冗余信息占用AI上下文。
2. **禁止清单**：除技术栈外，明确列出禁止AI引入的旧或不兼容技术，防止其引入历史包袱。
3. **可执行规则**：规则必须具体可执行，如“组件不超过200行”，而非模糊的“干净代码”。
4. **目录而非图书馆**：`CLAUDE.md`作为目录，指向详细文档，并可分层管理上下文信息。
5. **本地`CLAUDE.md`**：为认证、支付等敏感模块设立本地`CLAUDE.md`，提供特定安全红线和警告。
6. **依赖Hook**：利用`.claude/hooks/`机制强制执行代码格式化、测试等操作，确保规则被执行而非依赖AI记忆。
7. **`MEMORY.md`**：创建`MEMORY.md`记录跨会话的关键发现和陷阱，实现AI的持续学习。
8. **固化开场白**：将常用的工作偏好和开场白写入`CLAUDE.md`，减少每次对话的重复指令。
这些经验强调了精简、明确、结构化地与AI沟通的重要性，以提升其产出质量和效率。
让 NAS 每天自动给你读新闻——Horizon 部署教程
文章详细介绍了如何在飞牛 NAS 上部署开源项目 Horizon，旨在解决用户在信息洪流中筛选有效内容的需求。Horizon 能从 RSS、Hacker News、Reddit 等平台抓取内容，利用 AI 进行打分过滤，最终生成个性化的每日摘要，可推送到邮件或飞书。
部署过程无需命令行操作，主要分为四步：
1. **准备工作**：获取一个 AI 的 API Key（如 DeepSeek），并确保飞牛 NAS 已开启 Docker 功能。
2. **下载与修改**：从 GitHub 下载 Horizon 项目文件到电脑，编辑 `.env` 文件填入 AI API Key，并修改 `data/config.json` 配置 AI 模型、内容源及过滤阈值。
3. **上传文件**：将修改后的 Horizon 项目文件上传至飞牛 NAS 的指定目录。
4. **Docker 部署**：在飞牛 NAS 的 Docker 应用中，通过 Compose 功能创建新项目，指定路径并上传 `docker-compose.yml` 文件进行部署和启动。
完成后，生成的 Markdown 日报可在 NAS 文件夹中查看，亦可配置 Webhook 实现飞书推送。文章还提供了针对 API Key 错误、日报为空等常见问题的解决方案。
