周五晚上，干了一件其实拖了很久的事：整理电脑。
说是整理，其实有点夸张了，更像是"清理灾难现场"。我Mac桌面大概堆了四十多个G的文件，投资相关的东西散在一堆文件夹里，有些我自己都不记得当初为什么这么分。微信里收藏了一堆链接从来没再打开过，录音转写的会议纪要也都躺在邮箱里。
有点讽刺的是，我平时天天在看AI项目，但自己的工作方式基本还是手工的。
所以这次就不只是整理文件了。我其实是想试一下，如果把AI当一个底层来用，而不是零散地用一下工具，会有什么变化。
从周五晚上开始搭，不知不觉搞到凌晨三点。第二天去爬山，路上继续用手机调，到山顶的时候系统大概已经能跑了。
具体做了什么
结构没有很复杂。两台Mac，一台主要跑服务，另一台用Obsidian当知识库，iCloud同步。
M1那台跑OpenClaw（一个开源的agent架构，就是大家最近养的火热的龙虾），上面挂了几个agent做不同的事，任务调度、代码、记忆整理之类的，通过LiteLLM聚合了十来个模型。
另外我也在用HappyCapy做一些云端的工作，比如研究和文档处理。它的好处是不用配置本地环境，浏览器打开就能跑。本地和云端配合着用，各有各的适合场景。
真正花时间的是中间那几条"自动跑"的东西。
知识归档
之前写的研究、分析，全是手动丢到不同文件夹里。现在可以自动同步到Obsidian，按项目归好。至少不会再出现"我知道我写过，但找不到"的情况。
会议纪要
我平时用PLAUD录音，转写完的文字之前就扔在Gmail里了，基本不会再翻。现在会自动把转写内容拿出来，大致判断这是什么类型的会，生成一版结构化纪要，归到对应项目下面。会议从"存档"变成了可以被调用的材料。
微信消息分流
这个最折腾，但也是我现在觉得最有用的一块。在Cloudflare上弄了个webhook，微信里收到的链接、文件、备忘都会被分流处理——链接抓全文进知识库，文件存本地建索引，随手记的东西进日记，该做的事进日历。
发票报销
这条其实跑了挺久了，算是最早的一条自动化管线。系统定期扫Gmail里的发票邮件，自动下载附件，酒店发票和水单做匹配，餐饮发票直接传到报销系统。以前每个月攒一堆发票手动处理，现在基本不用管。说实话这条管线可能是所有里面投入产出比最高的——因为报销这件事不难，但特别烦，拖着不做还会越积越多。
另外也跑了一些定时任务：每天出一份AI相关信息摘要，扫邮箱发票，看看关注的KOL最近在讲什么，portfolio公司有没有公开动态。
文件系统也顺手重整了。桌面基本清空了，Downloads也干净了很多。按工作和个人两条线归类，Obsidian里做了一个统一入口。
几个体会
第一个，一旦这些东西跑起来，工作方式会变。
搭系统的同时，我也在正常做研究。有意思的是，一些原来很碎的时间，被这些自动化拼起来之后，变成了相对连续的工作流。有几份研究框架和初步分析是在这个过程中顺带出来的，不是刻意去做的，而是系统把整理、归纳这些前期工作提前做掉了，我在此基础上做判断就快很多。
我一开始以为变化会是"快一点"，后来发现其实不太一样——更准确地说是，我花在"找东西、整理东西、重复性操作"上的时间明显少了，这些时间被释放出来之后，自然就做了更多事。
第二个感受：Agent的价值在系统层面，不在单点。
6个agent没有一个是来"替代"我的。一个管任务编排，一个管代码，一个管记忆整理。单看每一个都很普通，但组合在一起，整个系统比各部分之和要强得多。
这跟我看项目的观察一致：最有意思的AI应用不是承诺"一键替代人"的那种，而是嵌到具体流程里、让已有系统变强的那种。
第三个感受：大多数人说的"用AI"和真正把AI当基础设施之间，差距比想象的大。
用ChatGPT回答问题是用AI。但你的信息流、知识沉淀、日常工作流全部跑在AI系统上——这是另一回事。就像你不会说自己"在用电"，电就是底层，你所有东西都建在上面。
这个gap不是能力gap，是观念gap。搭这套系统不需要写代码——大部分工作AI帮我完成了——不需要服务器，不需要花多少钱。需要的是愿意花时间想清楚架构，然后动手去搭。
一个延伸的思考
搭完这个东西，我一直在想一个问题：为什么"个人AI系统"这件事还没有被产品化？
市面上有AI笔记工具、AI日程管理、AI写作助手，但没有一个产品把这些串成一个完整的系统。每个工具解决一个点，但你还是得自己当"胶水"。
OpenClaw的方向其实挺对的——让agent住在你电脑里，持续运转。HappyCapy走的是另一条路——把这些能力搬到云端，降低门槛。两个思路各有取舍，但都在试图解决同一个问题：怎么让普通人也能拥有一套AI工作系统。
也许问题出在"系统"这个词上。每个人的工作流不一样，很难做一个通用方案。但如果你能降低"搭系统"本身的门槛——让不会写代码的人也能搭出一套属于自己的AI工作流——那这件事的价值就很大了。
以上，算是一个实验记录。系统还很粗糙，很多地方要改。但方向感比之前清晰了很多。
Matteo