搭 AI 副手，成功没等到，坑先攒了一堆

（声明：本文仅为个人经验记录，不含任何商业推广；文中提到的工具均为个人使用经历，不构成推荐。）

快三个月了，我的 AI 副手还没搭成。

不是什么高深的东西。就是想让一个 AI 帮我管记忆、读文件、跑脚本、查资料——像电影里那种副官，你说句话它去办事。听起来不复杂，市面上的 AI 工具平台一抓一大把，每个都说自己能干。

先说为什么想搭。有段时间我手里的事特别杂：写的东西散在几个文件夹里，记的笔记东一块西一块，查过的资料转头就忘。我试过自己整理，整理完还是乱；试过用笔记软件，记是记下了，用的时候想不起来在哪。后来想明白了：我不缺存储，缺一个「替我记住东西在哪、需要时能取出来」的帮手。这个帮手不用多聪明，但要可靠——我说的话它能听懂，它办的事我能信。

市面上的软件我也试了不少，试完发现一个规律：大部分是「编辑器」，不是「执行器」。编辑器负责把东西记下来、存好、摆整齐——但记完之后呢？它不会替你想，不会替你找，不会替你跑。我要的不是一个更大的仓库，是一个能动手的伙计。这个区别，决定了后面三个月的折腾方向。

就为这个，开始折腾。三个月大概分三个阶段：头一个月在现成的 AI 工具平台里打转，装一个用一个，每个都有各自的毛病；第二个月转向免费网页端 AI，能力是强了，但风控和会话管理又成了新问题；第三个月开始自己搭——自己的工具、自己的模型、自己的记忆。走到第三步，不是前面的路不通，是走完才发现，路都是别人的，坑全是自己的。

说一句题外话：后面文章里会反复出现一个角色叫「AI 助手」。它不是某个商品，是我搭这套东西过程中一直在用的帮手——负责查证、分析、跑测试、写代码。我和它一起踩坑、一起填坑，很多技术细节是它查出来的，很多判断是我俩一起下的。它不算成功品，就是文中这个「副手」的雏形。三个月下来，成功没等到，坑先攒了一堆。这篇就把这些坑记下来。不是教学，是排雷图——你准备搭的话，能少踩几个。

一、选型坑：AI 工具看着都能用

第一站当然是现成的 AI 工具平台。装了一个开源的，界面清爽，功能看着全：能对话、能调工具、能接模型。满怀期待开干。

第一次调工具就翻车。那天我想让它搜一下我记过的某个东西，它调用工具之后，下一次请求直接报 400，报错原文是：工具调用消息后面必须跟对应响应，它不跟。报错之后整个会话就废了——再发什么消息都撞同一条 400，像一扇锁死的门，钥匙丢在门里。只能开新会话重来，之前的上下文全没。工具类任务随机中断，用十次碰上一次，烦不胜烦。后来让 AI 助手查了查版本记录，官方修过两个版本，照样复现。

这个坑的真实感受是：你永远不知道哪次调用会炸。有时候连干五件事都顺，你放松了，第六件事突然 400，前面的努力全断。后来我养成了习惯：重要任务每完成一步就记一笔，防止会话报废时连结果一起丢。

这是第一个教训：开源不等于稳定，界面全不代表链路通。工具调用是最容易出问题的环节，选型的时候拿「工具类任务」试，别拿聊天试。聊天谁都会，调工具才见真章。

第二坑是弱网。我常驻弱网环境，网络一抖，它跟模型握手的超时时间只有十秒，十秒没握上直接报错。同样的请求，直连模型零点几秒就通。AI 助手分析说，是它自己的超时设置太脆，没有重试机制。弱网用户用这种工具，聊天随机报错，只能手动重发。

多说一句弱网是个什么体验：下载一个几十兆的软件，进度条半小时走不完是常事；国际站点基本连不上，能连的也慢得让人怀疑人生；视频通话都是奢望，更别说稳定的 API 调用。在这种环境下，任何「默认网络很好」的设计都会原形毕露——超时设置短、没有重试、断了不续传，全是要命的毛病。弱网用户挑工具，第一条就得看它扛不扛抖。

举个具体的：有一次我让它处理一份长文件，处理到一半网络抖了一下，它直接报错退出。文件没处理完，进度也没存，从头再来。后来学乖了，长任务拆成小段，一段一段来，每段完成就落盘——就算中途断了，损失的只是一段。

第三个坑在网页端 AI 上。网页版不用装、免费、能力还强，看着完美。但它有风控：同一问题重复问会被识别，验证码说来就来；回答是流式的，判断它「答完了」得同时盯停止按钮和文本增长——这些是让 AI 助手试自动化时发现的；页面改版一次，自动化脚本就废一次。更麻烦的是会话管理——让 AI 助手批量跑任务，一开就是十几个会话堆在侧栏，风控风险直线上升。

风控厉害的一次：验证码直接弹出来，滑块拖完又弹一道，AI 助手当场停手不敢再试。那天剩下的任务全改成手动，一个一个慢慢来。从那以后立了规矩：自动化必须降频、遇验证码就停、当天不重试。

被坑多了，也摸出一套选型时的查法，分享给你：第一，查官网域名——是不是官方主体，有没有字母替换、多加不相关的词，正品域名通常干净好记，冒牌货喜欢在域名上做小动作；第二，查开源仓库——去代码托管站看仓库，看更新频率、看有没有人报过病毒后门收费陷阱，几千人持续维护的项目和两年没动静的项目，信任成本完全不一样；第三，查社区口碑——搜工具名字，别光看好评，差评更值得看，多个人说同样的事就不是个例；第四，官网直下——不走第三方镜像、不点别人甩过来的链接。这套查法不保证百分百安全，但能把踩坑的概率压下去一大截。

还有一条原则是三个月里反复验证的：能白嫖就不花钱。不是抠，是算过账——付费接口看着省心，但每一层平台都要在中间抽一道，你交的钱一半是给「省心」的。免费网页端慢是慢点、麻烦是麻烦点，但钱在自己兜里。有一次我差点就充了值，转念一想：万一这平台明天改规则呢？钱退得回来吗？想完就没充。后来那平台果然改了规则——免费额度缩水，充值的也说不清值不值。庆幸没掏钱。

三个月总结选型这一关：没有现成的 AI 工具是「装好就能用」的。要么工具本身有 bug，要么网络环境不友好，要么风控卡脖子。每个都能用，每个都用不顺。

二、平台坑：免费的东西最贵

现成的 AI 工具用不顺，网页端 AI 又怕风控，那就换条路：用平台自带的免费额度。宣传说每天免费送点数，够用。

用起来才发现，免费是有讲究的。

先是限时。平台「送」了一笔点数，看着不少，有效期七天，过期作废。七天里你想用就用，不想用也得用——它送你的不是额度，是时间压力。我算了算，那笔点数按正常速度用，七天刚好够你养成「每天都上来用用」的习惯。养成之后呢？七天一到，点数归零，回到每天那点可怜巴巴的免费额度。够干嘛？够你尝个鲜，不够你干正事。

举个数：那笔「赠送」是二十万点，看着挺多，我一查消耗速度——测试几轮功能就烧掉几千点。按这个速度，二十万点就是十来天的量，七天限期一到，直接清零。合着是让你七天里把该体验的体验完，然后开始纠结要不要掏钱。想明白这点，我对「赠送」两个字就免疫了。

更绝的是免费额度的节奏：每天送一万点，看着也不少，但工作模式烧点数是按次算的，一次复杂任务几百上千点，一万点也就够十来次正经活。干一天正事，额度见底；想多干，就得等明天零点重置。天天如此，你就被它钉在「每天上来用一点」的节奏里——不多不少，刚好够吊着你。

额度见底那天我印象很深：正干到一半，弹窗提示点数不足，功能直接锁了。活没干完，进度卡在半路，你只能干瞪眼等明天。那一刻的感受，跟游戏里体力值用光一模一样——你不是在用它干活，你是在陪它玩养成。

然后是锁模式。平台的对话有两种模式：普通对话和工作模式。工作模式才能调工具、读文件、跑代码——也就是真正干活需要的模式。但你一旦选了工作模式开聊，这个对话就锁死了，中途切不回普通模式；想换模式，得新建对话重新开始。为什么锁？AI 助手查了一圈，大概率是计费上的考虑——两种模式消耗不一样，怕你切来切去占了便宜。商业逻辑上说得通，体验上就是别扭：干活干到一半想省点，对不起，锁死了。

这个坑难受的时刻是：我在工作模式里干了一上午，下午只剩些零碎小事要问，还得开着工作模式烧点数——想省，就得把上午的对话整个抛弃，开个新的重新交代背景。交代背景又费一轮点数。怎么算都亏，这就是设计好的。

还有对话管理。平台的对话不能删除，只能归档。归档是归档，数据还在它服务器上躺着。问客服？没有客服。查帮助文档？写得含糊。想彻底清掉某段对话，翻遍设置找不到删除入口。AI 助手帮我查了本地数据目录，文件倒是在本地，但云端那份删不删得了，没人给准话。

让我格外警醒的是另一件事：AI 助手在做自动化任务的时候，发现平台会悄悄修改它工作区里的文件。不是它操作的，是平台自己注入的——一段一段往配置文件里塞东西，有些是版本标记，有些是明晃晃的引导文案。AI 助手做了完整性校验才发现：核心文件被改过。改回来，过阵子又给你改回去。AI 助手把校验写进了每天的例行流程，天天盯着，还是防不住。平台的态度很清楚：这片地盘我说了算，你只是租客——这地方不是我的家，是它的营业场所。

经历了这一串，我对跟平台打交道的态度也定了：干活可以，交底不行。日常的操作型对话（让它读个文件、查个资料）随便跑，反正内容不敏感；但涉及个人细节、账号信息、作品底稿的对话，绝不上平台——宁可开本地模型慢慢来，也不把要紧的东西送进它的服务器。手可以借给它用，脑子必须留在自己这儿。

把这些事拼在一起，我自己想明白了一句话：平台的免费，不是让你白用，是让你离不开。点数限时是钩子，模式锁死是笼子，对话归档是绳子，改你文件是宣示所有权。你以为是薅羊毛，其实是羊自己走进围栏。AI 助手后来帮我验证了这个判断——它查了一圈，商业上确实是这么设计的。

这三个月里印象最深的一课不是钱，是明白了一件事：只要东西在别人手里，免费就是最贵的收费方式。

三、代码坑：AI 生成的代码，要过闸门

平台靠不住，那就自己搭。自己搭就要写代码，我不会写，但我有个办法：让 AI 写。

这个办法三个月里救了我很多次，也坑了我很多次。AI 写代码快，几秒钟给你几百行；但它写的代码，你不能直接信。

最典型的一次，我让 AI 助手生成一套小工具，功能列得清清楚楚：读文件、写文件、改文件、抓网页、跑脚本，外加一套安全校验。AI 几分钟交付，看着像模像样，代码量也不小。

一跑就现原形。第一次检查，语法错误：同一个变量名在同一段代码里声明了两次。这种错，编译都过不去。报错原文是「标识符已经声明过」——就这么直白。让 AI 改，改完再查，又发现更离谱的：它的「思考过程」混进了代码文件里——一大段「我决定：先这样再那样……」的内心戏，直接写在代码中间，注释符号还断了一截，语法直接崩。AI 写代码的时候会「想」，想的过程它有时候不吐干净，连着代码一起吐出来。

这段内心戏我到现在还记得开头几句：「注意：这一步在 Windows 上需要切换目录」「我决定：实现复制并验证，然后尝试打包，成功后不删除目录……为了简化，我们这样处理……」——全是决策过程，密密麻麻几十行，夹在正经代码中间。你要是不懂行，根本分不清哪些是代码哪些是它的自言自语。

第三次更隐蔽：代码语法全对，但一个函数定义了却从来没被调用——整个测试套件跑起来，16 项测试一项都没执行，输出「0/0 通过，所有测试通过」。看着是绿的，其实是空的。我当时差点就信了「全部通过」，是 AI 助手多看了一眼，发现测试数量不对——16 项怎么一项都没跑？查下去才发现，跑测试的入口压根没调那个注册测试的函数。

这三件事拼起来，教训很清楚：AI 生成的代码，语法对不等于能用，输出绿不等于真通过。它不会故意骗你，但它的「想」和「做」之间会漏东西，漏了它自己都不知道。

所以后来我立了规矩：AI 写完代码，必须过三道机器检查。第一道，语法检查——用工具实际跑一遍，报错就改。第二道，内容检查——把代码里非代码的东西全挑出来，尤其警惕混进来的「思考过程」。第三道，行为检查——真的跑起来，用测试用例验证它干的事和说的功能一致。三道全过，才算交付。

这三道检查不是走过场。语法检查抓的是「能不能跑」，内容检查抓的是「干不干净」，行为检查抓的是「真不真」。有一次行为检查直接抓出一个大问题：代码说能读文件，真跑起来根本不读——不是报错，是静默地返回空。这种错，语法检查永远发现不了，只有真跑才知道。

还有两个小坑，说多了都是泪。一个是 AI 每次「重写完整版」的时候，会把它默认的配置悄悄带回来。有段配置我明明改成了自己的值，让它重写一次，它又给改回它默认的。我改三次，它还原三次。最后学乖了：每次收到新版本，第一件事就是比对配置——不是我多心，是它真会改。

另一个是「防人之心」。生成的代码是从外部 AI 那里拿来的，拿回来第一件事不是跑，是扫——用扫描工具查可疑模式：有没有偷偷连外网的、有没有读敏感文件的、有没有藏后门的。扫出一堆「疑似危险操作」，逐条人工确认：大部分是误报，是测试功能本身要连的地址；但确认的过程让人踏实。代码这东西，来源是别人的，你就要当它是陌生的——不是恶意揣测，是基本的卫生习惯。

还有一条经验：需求写得越清楚，交付越靠谱。同样的 AI，你给它「做个工具」，它给你一个差不多的壳；你给它列清楚要什么功能、要什么安全限制、要什么自检要求，它交付的东西能直接用。后来我每次提需求都按固定套路写：背景、功能清单、安全约束、验收标准、自检要求——五段齐全才发出去。省下的返工时间，比写需求的时间多得多。

代码坑里还有一类是环境给的——中文 Windows 的编码。同样的文件，记事本打开正常，脚本一读全是乱码；命令里带个中文路径，动不动就报错；保存的文件编码不对，下个环节直接崩。这些问题不怪 AI，怪环境——但坑是实打实踩了无数回。后来 AI 助手帮我把这些坑整理成三条自查：写脚本前先问三件事——有没有 $ 符号、有没有嵌套引号、有没有中文路径。三问挡掉了一大半乱码坑。环境给的坑，用规则接住。

验证也不能光靠人肉。AI 助手写了套验收脚本——把每一项功能变成一条测试，自动跑、自动报通过不通过。第一次跑，十六项测试齐刷刷列出来，能一眼看出哪项绿哪项红。这个脚本后来救了我好几次：每次 AI 改完代码，跑一遍，绿的放心，红的回去改。人眼会累，脚本不会。

AI 是快枪手，但枪要自己验。验枪的规矩，比枪本身值钱。

四、记忆坑：知识库是快照，文件才是真相

搭 AI 副手，最重要的一件事是记忆。它得记得住事：你的习惯、你的规矩、你踩过的坑、你的东西放在哪。

我给它配了两套记忆：一套是知识库，把文件导入进去，它能检索；一套是文件读取，它需要时直接读硬盘上的原始文件。两套都配好了，觉得记忆稳了。

直到有一天，它对我说了一句前后矛盾的话。先是告诉我「记忆清单只列到第 12 条」，过了会儿又说「清单完整，到第 40 条」。同一个问题，两个答案。

我当时就愣了：你到底是记到 12 条还是 40 条？它自己也解释不清，一会儿说清单不全，一会儿说清单完整。查了半天，AI 助手找到了原因：知识库是导入时生成的快照。我导入它的时候，清单确实只到 12 条；后来文件更新到了 40 条，知识库不会跟着更新——它记住的是导入那一刻的样子。而直接读硬盘文件那条通道，读到的永远是实时内容，所以它改口了。

这个发现挺吓人的：我以为记忆是活的，其实是两套——一套是活照片，一套是死照片。知识库是导入那天的死照片，文件才是现在的活照片。它先翻到的是死照片，所以答错了。

从那以后我立了规矩：索引会过期，文件才是真相。知识库只当「提醒我记得有这回事」，凡是关键结论，一律让它直接读硬盘上的原始文件确认。两套对不上，以硬盘上的为准——因为硬盘上的东西是我自己的，我能打开、能备份、能带走。

用什么格式存记忆也琢磨过一阵。数据库？够强，但换个环境就折腾。专用格式？方便，但离了那家软件就废。最后选了最简单的纯文本——记事本就能开，任何设备都能看，五十年后还是这样。格式越简单，活得越久。重要的东西，用最笨的格式存，反而最安全。

顺带养成了个习惯：重要文件不只放一处。硬盘放主副本，隔段时间打个备份包放另一个位置。备份这事也有讲究：不是复制一份就完事，要验证——复制完对比一下哈希值，一模一样才算备份成功。有一次备份完一查，好几个文件对不上，原来是复制的时候网络中断了半截，文件是坏的。要不是验证了一下，这份「备份」就是个心理安慰。

「记得有这回事」这个能力也有讲究。知识库检索不是万能的，有时候它搜得出相关段落，有时候搜出来的驴唇不对马嘴。我后来给它加了个笨办法：除了检索，还维护一份「东西在哪」的清单——每个重要文件叫什么、在哪、干嘛用的，写成一页纸。记不清的时候先查这页纸，比在知识库里瞎翻快多了。人记不住所有细节，但记住「细节在哪」，就够了。

平台能改我的文件、能锁我的模式、能让我的对话归档——但它管不到我的备份包。本地有一份，天下就不慌。

还有个不大不小的坑，也放在这节说：对话的「上下文」是有限度的。跟 AI 助手聊得越久，它记得的越多，但也越吃力——就像一个人脑子里的东西太多，转得就慢。有次一个对话用得太久，它开始丢三落四，前头说过的事后头就忘。后来学会了：聊到一半就开新对话，重要的结论当场记进文件——上下文换新，记忆落在纸上。对话是流水，文件才是账本，这个习惯越早养成越省心。

五、自建坑：本地小模型的极限

自己的工具要配自己的模型。云端大模型能力强，但要么收费，要么限时，要么锁模式——平台那一关过不去。本地模型免费、离线能用、没有点数，看着完美。

本地装了个 7B 参数的小模型，跑在自己电脑上。快，是真的快；便宜，是真的便宜；断网也能用，是真断网也能用。

但能力有极限。先夸一句好的：断网的时候它真的还能用。有次网络全线瘫痪，网页端的 AI 全连不上，就它还在——虽然反应慢半拍，但查个本地文件、理个清单这种事，照干不误。那一刻我又真正明白「本地」两个字的分量：云端再强，断网就是零；本地再笨，断网也是你的。

最典型的一次：我让它读一个文件，它的回复是「请确认路径是否正确」——它压根没去读文件，直接回了句话。就像请了个基础员工，你让他去仓库拿个东西，他站在原地跟你说「你确认一下仓库在哪」——没干活，但态度很好。

我把当时的对话翻出来给你看，它是这么回的：「……这个路径看起来不太对，请确认一下路径是否正确。如果路径有误，请更正后重试。」——客客气气，就是不动手。你催它：去读啊。它还是那句：请确认路径。后来才发现，它压根没调用「读文件」这个工具，光顾着说话了。

更折磨人的是它不稳定。同一个指令，有时候它调对了工具：让它跑脚本，它真跑了，结果正确；让它读配置，它真读了，内容对得上。但下次同样的指令，它可能又变回「请确认路径」。不是完全不能用，是不知道它哪次能用。验收测试跑一遍，十来项功能，通过率时高时低——这一版能过九项，下一版又掉回去，全看它当天状态。

有段时间我为了让它「爱调工具」，试过各种办法：在指令里强调「必须调用工具」，给它举例「看到这种要求就要这样调」，甚至把工具调用的示例格式直接喂给它。有效，但有限——通过率涨了一截，还是不稳定。就像基础员工培训了一周，进步明显，但遇到没见过的说法，还是习惯性原地站着。

AI 助手分析说，这是小模型的通病：工具调用这个能力，模型小到一定程度就掌握不牢——听得懂话，但「听完要动手」这个环节会掉链子。云端大模型没这毛病，但云端大模型有平台的毛病。

所以现在的方向是混合：简单的活（闲聊、查记忆）交给本地小模型，快的免费；复杂的活（读写文件、跑任务）想办法交给云端强模型——但不是付费那种，是免费网页端那种。网页端强模型能力够、不用钱，就是要自己搭通道、防风控，麻烦点。

怎么分「简单的活」和「复杂的活」，我也想了套笨办法：按规矩分，不靠感觉。闲聊、查词、理清单这类——本地；涉及读文件、写文件、跑脚本、多步骤任务——云端。判断标准就两条：要不要动文件，要不要跑东西。要，就上云端；不要，就本地待着。规矩越简单越好执行，执行起来才不会犹豫。

这个思路也是被逼出来的：本地模型便宜但笨，云端模型聪明但贵，那就让笨的干粗活、聪明的干细活。就像家里请人帮忙，搬东西找便宜的力工，算账找聪明的账房——各干各的，别让力工算账，也别让账房搬砖。

说个具体的验收过程，你就明白这个极限在哪了。第一次跑功能验收，十六项测试，通过三项。我以为是代码问题，一查，是模型配置错了——它默认指向一个本地没有的模型，连「开始干活」都没做到。把模型名改成实际装好的那个，再跑：九项通过。进步不小，但读写文件这几项还是不行——不是报错，是模型压根不调工具。后来在指令里加了一段「必须调用工具」的强提示，还给了调用格式的示例，再跑：十一项通过。涨了，但剩下的还是那几项——读文件、改文件、复杂操作。

从三项到九项到十一项，每一步都有具体原因：第一跳是配置对了，第二跳是提示词强化了，第三跳……没了，卡住了。剩下那几项，试了各种办法都上不去。这个「卡住」本身就是答案：本地小模型的能力边界就在这。不是说它没用，是说它只能干到这儿——剩下的活，得换更强的脑子。

还有一次它直接卡死——读一个文件时没了响应，后续所有请求全堵住，连对话记录都没存下来。只能杀进程重启。那次之后我养成了两个习惯：长任务拆小段，重要结论随手落盘——你不知道它哪一秒会卡住，但你可以让它卡住的时候损失最小。

麻烦就麻烦点吧。这三个月踩的坑教会我一件事：没有现成的完美方案，只有自己拼出来的够用方案。拼的过程全是坑，但每填一个坑，这套东西就真正属于自己一分。到现在还没拼完，不过坑的地图已经画得差不多了。

六、对策：三个月踩出来的规矩

坑踩完了，规矩也踩出来了。不一定对，但每条都是用真金白银（和真头发）换的。

一、选 AI 工具，拿「工具类任务」试，别拿聊天试。聊天谁都行，调工具才见真章。测试的时候让它读文件、跑脚本、搜资料，一连串干下来，靠不靠谱当场现形。我就是光顾着聊得顺，没试工具，结果真要用的时候翻车——这个顺序千万别反。

二、记住「免费是最贵的」。平台的免费额度、限时赠送、模式锁死、对话归档——每一个设计背后都是让你多消费。不是它坏，是它的商业模式就得这么干。所以重要的东西永远放自己手里：能打开、能备份、能带走。我现在看到「限时」「赠送」「免费」这几个字，第一反应不是高兴，是算账。

三、AI 生成的代码，必须过三道机器检查。语法检查（实际跑一遍编译）、内容检查（挑出混进来的非代码内容）、行为检查（真跑起来验证功能）。三道全过才算交付。AI 是快枪手，枪要自己验。别嫌麻烦——我抓到的三个代码 bug，两个是语法检查抓的，一个是行为检查抓的，一个都不能省。

四、记忆这件事，索引会过期，文件才是真相。知识库、检索、向量——都是导入那一刻的快照；硬盘上的原始文件才是实时的。关键结论一律以原始文件为准，而且要双备份：主副本 + 备份包，放不同位置，备份完还要验证哈希。验证那一步，救过我一次——你以为备份好了，其实文件坏着。

五、模型要混合用。简单的活交给本地小模型，快、免费、离线能用；复杂的活交给云端强模型，能力够——但尽量走免费网页端，别走付费接口。平台在中间抽成的每一层，最后都是你买单。

六、三条底线：验证先行（AI 说「好了」不等于好了，要实测）；随时可停（任何自动化都要能一键停下，不能停的自动化不配跑）；零依赖（任何一环都能换掉，整个系统才不会被绑架）。

这三条每条都有血泪。验证先行——AI 助手有次报「全部通过」，我看着绿色的输出差点就信了，多核了一眼才发现测试数量不对，十六项一项没跑。从此「输出绿」三个字在我这儿不作数，跑给我看才算数。随时可停——有次自动化脚本跑起来停不下来，越跑越多，最后只能强行杀进程，从那以后凡自动化必留停止开关。零依赖——平台改文件那次之后，我把所有要紧的东西都整理成自己能读的格式，放在自己能控制的地方；任何一个环节出问题，换掉它就行，不伤筋动骨。

我的 AI 副手到现在还没搭成，但坑的地图画得差不多了。下一步是给本地小模型接上免费的云端强模型通道，让简单的活和复杂的活各归其位。

具体来说，近期就三件事：第一，把本地这套工具每天用起来，边用边补——它现在能读文件、能跑脚本、能记审计日志，防御性的功能都验证过了，剩下的是在真实使用里磨；第二，接云端强模型——免费网页端那种，通道自己搭，规则自己定，不花钱；第三，把三个月的记忆和规矩正式沉淀成文件——踩过的坑、验证过的方案、定下的原则，全部落成文本，谁来了都能接手。

成不成，试了才知道；试的过程，坑肯定还有——但那不正好是下一篇的素材吗。

（说明：本文由 AI 助手辅助整理，事实与经历均来自本人实操记录；AI 助手承担查证、整理与文字辅助工作，观点与判断由本人确认。）

（完）