Notes
这里按时间整理我的数码踩坑记录。每篇文章尽量先说结论，再保留过程、环境、卡点和最后的取舍。
当前显示全部 38 篇记录，按最新更新排列。
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。
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 工具笔记里最容易混入访问凭证、真实路径、备份关键材料和网络配置。公开之前，必须先把风险点显性化。
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。
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。
做数据产品时，首页最该解决的是入口和第一判断；复杂证据应该分层展开，而不是一上来把地图、维度表和报告全堆给用户。
当多个 AI 都能读写个人知识库时，最重要的不是让它们更聪明，而是让它们知道边界、入口、路由和哪些东西不能碰。
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。
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 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。
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 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。
Decoder 想做英国房产尽调，真正的难点不在搜索框，而在数据源、评分结构、证据链和能让用户信任的解释方式。
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。
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。
提示词库听起来像小工具，但一旦涉及版本、分类、私有提示词和团队复用，自托管就变成了一个需要认真评估的系统。
二十年前的计算机毕业生，有了自由时间后重新拾起技术梦想。
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。
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。
有些折腾看起来很小，比如确认模型下载目录，但它决定了磁盘规划、备份边界和以后迁移时会不会突然踩坑。
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。
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 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 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。
自托管应用跑起来只是第一步。真正决定它能不能长期用的，是密钥、数据、权限、域名和恢复演练有没有被认真处理。
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。
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。
NAS 最有价值的地方不是跑多少容器，而是把资料、笔记、备份和自托管实验统一到一个可持续维护的中枢。
n8n 很适合把产品数据、内容生成、质量检查和分发串起来，但联盟营销不是节点越多越赚钱，关键在选品、边界和人工判断。
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。
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。
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 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。
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。
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。
一个中文个人公开实验档案库，用来记录 AI、开源项目、NAS、自托管、建站、游戏和工具折腾。
从现场日志开始，把零散折腾逐步沉淀成项目档案、教程和工具记录。
先把三分钟热度变成可追踪的轨迹，再慢慢整理成教程和项目档案。