Guide · Updated 2026-04-30

如何搭建个人 AI OS

搭建个人 AI OS 的关键，不是堆更多工具，而是把文件、知识、Skills、工具和 Agent 工作流组织成一个可以长期运行的系统。

大多数人使用 AI 的方式，仍然停留在网页对话框：想到一个问题，打开一个窗口，问一次，复制答案，然后关掉。这个方式简单，但无法形成复利。

真正的个人 AI OS 要解决的是另一类问题：如何让 AI 长期理解你，如何让每一次资料搜集、写作、分析和复盘都沉淀下来，如何让工具变成系统，而不是散落在各个 App 里的孤岛。

下面是一条从轻到重的搭建路径。

第一步：先建立文件系统

不要一开始就折腾复杂数据库。个人 AI OS 的底层应该从文件夹开始。

原因很简单：文件是 AI 最容易理解的接口。LLM 在代码、Markdown、Shell 命令和文档上训练，文件系统就是它天然熟悉的工作环境。

一个最小结构可以是：

01 - INPUT
02 - PROCESSING
03 - OUTPUT
04 - ARCHIVE

INPUT 放原始资料，PROCESSING 放 AI 处理过程，OUTPUT 放成品，ARCHIVE 放归档。不要过度设计，结构越复杂，写入阻力越大。

原则是：先让系统长出来，再逐步整理。

第二步：选择本地知识库

Obsidian 是适合个人 AI OS 的底座之一，因为它本质上就是一套 Markdown 文件夹系统。

它的优势不是界面，而是 Local First：文件在你本地，结构由你控制，AI 可以直接读写。未来即使工具变化，Markdown 文件仍然存在。

你可以把这些内容沉淀进去：

网页剪藏
YouTube 视频字幕
文章草稿
研究报告
对话记录
周报和复盘
项目资料

知识库不是收藏夹，而是 AI 可以调用的长期记忆。

第三步：把工作流写成命令或 Skills

个人 AI OS 的核心，不是让 AI 每次自由发挥，而是把你的工作方法固化下来。

例如：

读完一批文章，生成 Summary、Key Takeaway、Something New。
对一篇文章做 new-angle 压力测试。
每周读取多个剪藏文件，生成 weekly report。
用 Super Analyst 对一个议题做多框架分析。
用 Super Writer 把素材转成结构化初稿。

这些都不应该每次重新提示。它们应该变成命令、Skills 或可复用工作流。

Skills 的意义在于：把「我认为好的工作方式」写进文件，让 AI 每次都按同一套标准执行。

第四步：让 AI 能操作工具

只有对话能力还不够。个人 AI OS 需要工具调用能力。

工具可以包括：

Obsidian CLI：搜索、读取、创建、移动笔记。
浏览器剪藏工具：把外部资料变成 Markdown。
终端命令：处理文件、运行脚本、调用 CLI。
MCP 工具：连接外部服务和本地应用。

这一步的目标，是让 AI 不只是「知道」，还可以「做」。当 AI 能读写文件、调用工具、执行流程，它才真正进入你的工作环境。

第五步：引入 Agent 分工

当任务变复杂，单个 Agent 会很快遇到上下文压力。

这时可以引入分工：

Chief：负责判断、规划和最终决策。
Deputy：拆解任务，保护主上下文。
researcher：搜集资料。
writer：生成初稿。
editor：改稿和风格对齐。
fact-checker：核查事实。
archivist：归档和检索知识库。

这不是为了看起来高级，而是为了让复杂任务可以被拆开、并行、检查和复用。

第六步：建立验收标准

AI OS 的瓶颈不只是模型能力，而是你有没有定义清楚什么叫「好结果」。

如果没有验收标准，AI 就只能生成看起来合理的内容。如果有标准，它就可以被约束、被检查、被迭代。

标准可以包括：

文章结构标准
信息来源标准
事实核查标准
风格标准
输出格式标准
归档标准

这就是 Harness Engineering 的思路：不是每次都催促 AI 变聪明，而是给它更好的环境、约束和反馈循环。

最小可行版本

如果你刚开始，不需要一步到位。

一个最小可行个人 AI OS 可以是：

Obsidian + Claude Code / OpenCode + Markdown 文件夹 + 3 个固定命令

这 3 个命令可以是：

消化资料
生成文章初稿
复盘和归档

先让系统跑起来，再根据真实使用过程加 Skills、工具和 Agent。