作者用Codex花半个月时间Vibe Coding了一个微信AI助手，解决前女友被100多个工作群消息淹没的问题。助手定时读取电脑端微信新增消息，通过规则与本地大模型筛选，将消息按'待你处理'、'你需知道'、'群聊摘要'三类整理成摘要并推送到手机。文章分享了开发过程中的踩坑经验：从关键词过滤翻车到改为'人+事情+状态'的摘要逻辑，以及未接通话、群聊@等细节的处理难点。目前Windows版已跑通完整流程，计划首批试用后整理部署教程并开源。
作者分享了一次 AI Agent 实战经验：通过 DeepSeek Harness 安装开源项目 FrontierAgent，并接入 Apodex 本地部署的大模型或官方 API，对 584 篇精品文章进行分析。文中详细介绍了安装 DeepSeek Harness 并接入 DeepSeek、Codex、Grok Build 模型的步骤，配置 FrontierAgent 的 Apodex API 环境，以及使用 react 和 agent_team 两种模式运行任务。36 分钟后，Agent 分析出两套写作模板：三分钟大白话科普类和实操干货教程类。文章还介绍了 Apodex 开源大模型从 Qwen3.5 基座到 Agent 专项训练的演进过程，为自媒体写作提供了 AI 辅助创作的新思路。
本文面向第一次在 Hugging Face 下载本地大模型的用户，讲解如何理解各种参数和名词。作者提出把整条链路分为五层：硬件资源、模型本身、权重精度与量化、文件格式、推理框架。文章依次解释了显存与统一内存的区别、参数量与文件大小的估算、Dense 与 MoE 架构差异、Base/Instruct/VL 等版本选择、BF16/FP8/4bit 等精度概念、GGUF 格式与量化方案、Safetensors 分片与配置文件、Hugging Face 页面阅读顺序，以及 MLX、llama.cpp、Ollama、LM Studio 等工具的关系，帮助新手不再凭文件名猜测下载。
文章介绍了 AIPC（能在本机处理 AI 工作负载的个人电脑）的概念与工作原理，通过扫描件 OCR 的例子说明本地 AI 任务从输入到输出的完整链路及各环节的交接问题。对比了 AMD Ryzen AI Max+ 395 Mini PC 与 NVIDIA DGX Spark 两类设备的架构、内存与软件生态差异，并讨论了在没有 AIPC 时如何利用闲置电脑跑本地模型，以及噪声、散热和何时应购买独立 AIPC 的考量。作者认为随着本地大模型能力逼近闭源云端模型，专业人士应考虑部署一台可 24 小时运行的 AIPC。
本文是一篇面向新手的本地大模型运行与部署全攻略。文章首先对比了云端与本地模型在隐私和成本上的差异，随后用通俗易懂的语言拆解了模型命名、参数量(B)、量化压缩(Q4_K_M)等核心概念。教程详细指导了如何根据显存计算并选择合适的硬件与模型，并推荐了LM Studio与ComfyUI等无代码软件。最后，针对文本对话、图像及视频生成三大场景，提供了具体的模型选型建议与实战评测方法，帮助小白零基础快速玩转本地AI生态。
阿里开源了一款名为 Zvec 的向量数据库项目，主打“纯本地、内嵌式”极简体验，号称向量界的 SQLite。该项目基于 C++ 编写，支持零配置安装，性能强悍（毫秒级搜索数十亿向量），同时兼容稠密、稀疏向量及全文检索。它非常适合本地大模型、RAG 和个人知识库开发，彻底免去了部署繁琐的后端向量服务。
