AI本地知识基座

一份本地知识库 + 一台常驻Mac + 三个入口 + N个Skill = AI长期能帮你

定义

AI本地知识基座：将个人全部数据（笔记、决策、反馈、记录）集中到一个本地知识库，让AI持续站在这些数据上工作，而非每次从零开始。

数据所有权是杠杆：只要数据还散在N个SaaS后台，AI接哪个都看不到全貌。只有收回本地，AI才能站在真实资料库上工作。
执行环境决定AI存活时间：Agent不是聊天框，需要常驻进程（定时任务、长轮询接消息、长任务）。算力和数据留在家里，外面设备只是窗口。
同一结构，Skill × Knowledge Base × Agent：任何单拎出来都不够——futu skill是查行情工具，vault是死档案，agent只是聊天机器人。只有三者同时成立，AI才真正变成"长期能帮你"的东西。

层级	解决问题	做法
数据底座	AI看不到全部上下文	收回本地Obsidian vault
执行环境	Agent需常驻进程+本地IO	家里Mac 24h跑Agent进程
触达入口	不同场景不同摩擦	微信/Codex Mobile/Obsidian Sync
行动能力	AI不只能读，还要能调用工具	Skill接富途、API等外部服务

NAS不能开公网。云服务器能跑Agent，但解决不了"NAS上几个T的照片、视频、扫描件"的问题。数据传上云就违反了"all in one本地"的前提。

触达摩擦不同：微信0秒摩擦、Codex Mobile审批agent、Obsidian Sync写笔记主战场。只有三个入口同时覆盖"在家/在公司/在地铁/在咖啡馆/在被窝里"，才叫完整的触达链路。

错误模型：写完 = 完成，再润色再等等正确模型：发出去 = 完成，第一篇就是noise，反馈在数据里

这个洞察需要三个条件同时成立才能被agent发现：全量数据 × 跨时间维度 × agent主动分析。