打造专属 AI 助手——融合所学构建个人智能工作站

第三阶段的压轴之作。我们将前几课掌握的本地模型、个人知识库和智能 Agent 整合为一个完整体系——一个完全属于你、离线运行、能检索信息并执行任务的个人 AI 工作站。这绝非玩物，而是能切实融入你日常工作的生产力利器。 AI 每日一课 | 第 24 期（第三阶段终结） 动手实践这个阶段，我们逐步构建了三项核心： · #21 本地模型：借助 Ollama 在个人电脑上运行大模型（思维核心） · #22 个人知识库：运用 RAG 技术让它理解你的文件（存储能力） · #23 本地 Agent：赋予其使用工具、持续作业的本领（执行能力） 今天这节课，我们不引入新知识，而是完成一项更关键的使命：将这三者组合成一个完整系统，使其在你日常生活中真正运转起来。这就是「个人 AI 工作站」。 一、明确目标：你需要它协助什么 搭建系统前，切勿急于安装软件。最常见的失误是「为搭建而搭建」，结果完成后发现毫无用处。 正确的流程是从需求反向推导。先自问：我每日有哪些重复、耗时且不愿外传的任务？例如： · 每日需整理大量资料、撰写日报周报 · 频繁查阅公司内部文件、项目准则 · 拥有众多个人笔记，希望随时问答 · 需处理隐私数据，不信任云端上传 将这些需求罗列出来，便是你工作站的设计蓝图。有了目标，再挑选工具，方能避免偏离方向。 二、工作站的四层架构 一个完善的个人 AI 工作站，可划分为四层。自底向上： · 第一层·思维核心（模型层）：Ollama + qwen2.5。承担思考与生成职责。这是基础。 · 第二层·存储能力（知识层）：本地向量数据库 + 你的文档。使其铭记你的专属知识，回答有依据。 · 第三层·执行能力（工具层）：搜索、代码运行、文件操作、自定义 API。使其能切实动手完成任务。 · 第四层·交互界面（展示层）：一个统一界面将上述三层整合运用。Dify、AnythingLLM、Open WebUI 均可充当此界面。 核心在于「整合贯通」：界面连接思维核心，思维核心能查询存储、调用执行能力。四层畅通后，你提出问题，它能自主查阅文档、调度工具、提供结果——一个闭环便构建完成。 三、最便捷的实施策略 若不愿过多折腾，推荐这套组合，满足 90% 的需求： 1. Ollama 运行 qwen2.5（思维核心）+ bge-m3 处理中文向量（存储的钥匙） 2. Dify 作为界面和编排工具：本地部署，图形化操作 3. 在 Dify 中创建「知识库」，上传你的文档（存储） 4. 在 Dify 中配置若干工具：联网检索、你的常用 API（执行） 5. 将其制作成「工作流程」或「智能体应用」，一键启用 配置完成后，你便拥有一个网页版个人 ChatGPT——但它已阅读你所有文档，能调用你设定的工具，且数据绝不离开你的电脑。 四、数个可立即实用的场景 系统运行后，以下是我亲测极其实用的方法： · 日报周报生成器：将当日工作记录输入，让其按模板生成日报。 · 文档查询：项目手册、规范、合同全部导入知识库，有问题直接提问，比翻阅文件快十倍。 · 资料梳理：将大量零散笔记输入，让其协助分类、提炼、发现关联。 · 隐私数据处理：涉及机密的表格、名单，本地处理，绝不外泄。 我们开发 Camus 平台，实质是将此思路提升至团队级别：本地 Qwen2.5-7B（思维核心）+ Wiki 知识库（存储）+ 多种 Skill（执行）+ MCP 统一接入（界面）。你在个人电脑上搭建的这台工作站，是同一架构的个人版本。 五、给你的三条实战建议 1. 先实现最小闭环，再添加功能。切勿一开始就配置十个工具。先让「模型 + 一个知识库」顺利运行，再逐步扩展。 2. 知识库需定期维护。文档过时、错误，AI 也会随之答错。定期更新你的知识库，它才能越用越精准。 3. 区分本地与云端应用场景。本地模型（7B）适合隐私和日常任务，复杂难题则使用云端强大模型（回顾第 10 期开源对比闭源）。工作站可同时接入两者，按需切换。 今日要点 1. 工作站 = 思维核心 + 存储 + 执行 + 界面：将前三课成果整合为闭环系统。 2. 从需求反向推导：先列出需其完成的任务，再选工具，避免为搭建而搭建。 3. 便捷方案：Ollama（模型）+ bge-m3（向量）+ Dify（界面/编排/工具）。 4. 实用场景：日报周报、文档查询、资料梳理、隐私数据处理。 5. 三条建议：先运行最小闭环、勤维护知识库、本地与云端按需结合。 金句：AI 工具虽多，能整合成服务于你的闭环，方称生产力。他人使用通用 AI，你则用生长于你的数据、听从你调度的个人 AI。 第三阶段（动手实践 #21-#24）至此终结。从运行首个本地模型，到构建一台完整个人 AI 工作站，你已从「会用 AI」提升至「会建 AI 系统」。 下期预告：#25 开始，我们迈入第四阶段——AI 与你的行业。探讨 AI 如何真正落地于具体场景：写作、编程、投资、内容创作……将这些能力应用于你自己的领域。下期见。

AI 每日一课 | 第 24 期（第三阶段终结）

动手实践这个阶段，我们逐步构建了三项核心：

· #21 本地模型：借助 Ollama 在个人电脑上运行大模型（思维核心）

· #22 个人知识库：运用 RAG 技术让它理解你的文件（存储能力）

· #23 本地 Agent：赋予其使用工具、持续作业的本领（执行能力）

今天这节课，我们不引入新知识，而是完成一项更关键的使命：将这三者组合成一个完整系统，使其在你日常生活中真正运转起来。这就是「个人 AI 工作站」。

搭建系统前，切勿急于安装软件。最常见的失误是「为搭建而搭建」，结果完成后发现毫无用处。

正确的流程是从需求反向推导。先自问：我每日有哪些重复、耗时且不愿外传的任务？例如：

· 每日需整理大量资料、撰写日报周报

· 频繁查阅公司内部文件、项目准则

· 拥有众多个人笔记，希望随时问答

· 需处理隐私数据，不信任云端上传

将这些需求罗列出来，便是你工作站的设计蓝图。有了目标，再挑选工具，方能避免偏离方向。

一个完善的个人 AI 工作站，可划分为四层。自底向上：

· 第一层·思维核心（模型层）：Ollama + qwen2.5。承担思考与生成职责。这是基础。

· 第二层·存储能力（知识层）：本地向量数据库 + 你的文档。使其铭记你的专属知识，回答有依据。

· 第三层·执行能力（工具层）：搜索、代码运行、文件操作、自定义 API。使其能切实动手完成任务。

· 第四层·交互界面（展示层）：一个统一界面将上述三层整合运用。Dify、AnythingLLM、Open WebUI 均可充当此界面。

核心在于「整合贯通」：界面连接思维核心，思维核心能查询存储、调用执行能力。四层畅通后，你提出问题，它能自主查阅文档、调度工具、提供结果——一个闭环便构建完成。

若不愿过多折腾，推荐这套组合，满足 90% 的需求：

1. Ollama 运行 qwen2.5（思维核心）+ bge-m3 处理中文向量（存储的钥匙）

2. Dify 作为界面和编排工具：本地部署，图形化操作

3. 在 Dify 中创建「知识库」，上传你的文档（存储）

4. 在 Dify 中配置若干工具：联网检索、你的常用 API（执行）

5. 将其制作成「工作流程」或「智能体应用」，一键启用

配置完成后，你便拥有一个网页版个人 ChatGPT——但它已阅读你所有文档，能调用你设定的工具，且数据绝不离开你的电脑。

系统运行后，以下是我亲测极其实用的方法：

· 日报周报生成器：将当日工作记录输入，让其按模板生成日报。

· 文档查询：项目手册、规范、合同全部导入知识库，有问题直接提问，比翻阅文件快十倍。

· 资料梳理：将大量零散笔记输入，让其协助分类、提炼、发现关联。

· 隐私数据处理：涉及机密的表格、名单，本地处理，绝不外泄。

我们开发 Camus 平台，实质是将此思路提升至团队级别：本地 Qwen2.5-7B（思维核心）+ Wiki 知识库（存储）+ 多种 Skill（执行）+ MCP 统一接入（界面）。你在个人电脑上搭建的这台工作站，是同一架构的个人版本。

1. 先实现最小闭环，再添加功能。切勿一开始就配置十个工具。先让「模型 + 一个知识库」顺利运行，再逐步扩展。

2. 知识库需定期维护。文档过时、错误，AI 也会随之答错。定期更新你的知识库，它才能越用越精准。

3. 区分本地与云端应用场景。本地模型（7B）适合隐私和日常任务，复杂难题则使用云端强大模型（回顾第 10 期开源对比闭源）。工作站可同时接入两者，按需切换。

1. 工作站 = 思维核心 + 存储 + 执行 + 界面：将前三课成果整合为闭环系统。

2. 从需求反向推导：先列出需其完成的任务，再选工具，避免为搭建而搭建。

3. 便捷方案：Ollama（模型）+ bge-m3（向量）+ Dify（界面/编排/工具）。

4. 实用场景：日报周报、文档查询、资料梳理、隐私数据处理。

5. 三条建议：先运行最小闭环、勤维护知识库、本地与云端按需结合。

第三阶段（动手实践 #21-#24）至此终结。从运行首个本地模型，到构建一台完整个人 AI 工作站，你已从「会用 AI」提升至「会建 AI 系统」。

下期预告：#25 开始，我们迈入第四阶段——AI 与你的行业。探讨 AI 如何真正落地于具体场景：写作、编程、投资、内容创作……将这些能力应用于你自己的领域。下期见。