过去 5 天，我搭了一个很大的系统。最开始，我只是想让 AI 帮我完成一些事情，比如写文章、整理资料、跑脚本、改程序、检查结果。做着做着，我发现真正麻烦的地方不在 AI 会不会回答，而在它能不能进入我真实的工作环境。
你想想看，我家里不止一台电脑。有些软件在这台电脑上，有些文件在那台电脑上，有些设备又插在另一台电脑上。旁边还有安卓手机、苹果手机、NAS、网卡、交换机、USB Hub、Type-C 转接头、排插。以前我要处理某个程序，最直接的方法就是走到那台电脑前面，打开软件，点几下，等它跑完，再换另一台电脑。
这个动作本身不复杂，但它会不断打断人。
所以我开始想一件事。能不能让 AI 不只是在一台电脑上帮我干活，而是能在一台电脑上指挥家里其他两台、三台电脑一起干活。更进一步，能不能让它连不同的安卓手机和苹果手机也一起调度起来。也就是说，我想搭的不是一个单点工具，而是一套局域网里的 AI 执行系统。
从一个 AI 助手到一组 AI 同事
这件事听起来很酷，但真正做起来，第一步不是模型能力，而是设备关系。人看设备很简单。这台是 Mac mini，那台是 MacBook；这根线插着 iPhone，那根线插着安卓；这台 NAS 在旁边，交换机在桌下。人眼一扫就知道。
但程序不知道。对程序来说，它看到的是一堆数据接口、一堆局域网地址、一堆 Device ID、一堆 USB 设备信息。它不会天然知道哪台电脑到底是哪台电脑，不会知道每个软件分别装在哪里，也不会知道每台设备主要负责什么事情。
它更不会自动知道哪个手机插在哪个 Hub 上，哪个设备对应哪个排插，同一个 USB 口上现在接的是上一台手机，还是已经换成了另一台手机。
说实话，这个地方最开始我没有特别重视。因为从人的角度看，很多事情太显然了。手机换了就是换了，线拔了就是拔了，设备重启了就是重启了。可是在程序那里，很多显然并不存在。你没有写进系统，它就不知道。你没有做成记录，它下一次就可能忘掉。
你没有让它校验，它就可能拿旧信息继续往下干。
我踩的第一个大坑
其中一个坑，我至少花了两天才搞明白。我把一台手机换成了另一台手机。肉眼看，当然一眼就看出来了。型号不一样，屏幕不一样，拿起来也不一样。可是程序不是这样看的。
如果你没有把设备识别规则、连接关系、历史记录、当前状态都讲清楚，它很容易继续沿用上一台手机的信息。结果就是，你明明已经换了一台手机，它还以为自己正在操作上一台。这在普通使用里可能只是一个小误会，但在自动化系统里就是很大的风险。
因为 AI 一旦开始执行任务，它不是只看一眼。它会继续点击、读取、同步、判断、写记录。如果它把设备认错了，后面的每一步都可能错。更麻烦的是，很多错误不是马上爆出来，而是过一会儿你才发现数据不对、路径不对、执行对象不对。
这件事让我意识到，AI 要操作现实世界里的设备，第一件事不是聪明，而是身份清楚。 一台电脑是谁，一台手机是谁，一个 USB 设备是谁，一个 Hub 后面接了什么，这些必须有清晰的登记。不能靠猜，也不能靠我当时脑子里记得。
后来我专门做了 jianfei-pc
为了解决这个问题，我后来专门做了一个 jianfei-pc 的管理技能。它的作用不是写文章，也不是直接跑任务，而是先把局域网里的电子设备管理起来。包括电脑、手机、网络设备、NAS、网卡、USB Hub、Type-C 设备，甚至排插，都要有记录。
这个记录不是为了好看，而是为了让 AI 下一次还能记得这台机器叫什么，它在局域网里的地址是什么，它能做什么，它现在是否在线，它旁边接了哪些设备，哪些任务适合交给它，哪些操作需要远程执行，哪些情况必须停下来让人确认。
我跟你说，这套东西搭起来之后，AI 才开始有一点同事的感觉。它不再只是回答我问题，而是能理解这件事应该交给哪台电脑做，那件事应该去另一台机器上跑，某个软件只有某台机器有，某个手机现在接在某个设备下面。
以前我让 AI 干活，更像是把事情交给一个窗口。现在我想做的是，把事情交给一个系统。这个差别很大。窗口只需要回答当前问题，系统要记得上下文、设备状态、执行权限和失败后的恢复路径。
第二个坑是网络瓶颈
设备管理之外，我还碰到一个很典型的网络问题。我家里有一台电脑有 10G 网口，一台 NAS 也有 10G 网口。按直觉来说，它们之间通信应该可以跑到 10G。但实际速度没有达到。
一开始我也在想，是不是线不行，是不是系统设置不对，是不是 NAS 配置有问题，是不是某个驱动没调好。后来查下来才发现，瓶颈其实很简单，中间那台交换机是 2.5G 的。两端都有 10G 没用，中间经过 2.5G 交换机，最大就被卡在那里。
有意思的是，这个问题和 AI 系统一样。很多时候我们做系统优化，容易盯着最贵、最明显、最先进的那个部分看。但真正卡住系统的，可能是中间一个很普通的环节。模型再强，如果设备身份不清楚，任务派发不清楚，执行结果不同步，权限和网络不稳定，整个系统还是跑不起来。
我后来也认真问过，从 2.5G 升级到 10G 到底有没有必要。结论是，大部分情况下没有必要。尤其是按照我过去一两个月的工作情况来看，真正持续吃满 10G 的场景并不多。如果只是写作、代码、同步小文件、远程控制、调度任务，2.5G 已经够用了。
但是话说回来，如果是剪辑视频、搬运大素材、NAS 上直接读写高码率文件，那 2.5G 到 10G 的提升就会很明显。一秒钟如果能稳定达到 250MB 左右的传输速度，对视频工作流来说已经是很大的进步。所以这里面有一个判断，不是看到 10G 就一定要上，而是要看你的瓶颈到底在哪里。
如果你的主要问题是设备之间不清楚，任务不知道派给谁，AI 不知道当前设备状态，那先升级交换机没有用。如果你的主要问题是大文件传输真的慢，那网络升级才有意义。这个判断放在很多工具选择里也一样，先找瓶颈，再谈升级。
所以这次搭系统，我反而更愿意先把每个节点写清楚。哪台电脑负责写作，哪台电脑负责跑重任务，哪台电脑连着手机，NAS 主要放什么，交换机速度到哪里，出了问题先查哪一层。把这些写下来以后，AI 才不是在凭感觉操作，而是在按一张清楚的设备地图做事，心里也更踏实。
这5天真正改变了什么
这 5 天下来，我最大的感受不是我又多了几个自动化脚本。真正的变化是，我开始把家里的电脑和设备当成一个整体来看。以前每台电脑是孤立的。这台电脑有这台电脑的文件，那台电脑有那台电脑的软件；手机只是手机，NAS 只是 NAS，交换机只是交换机。
现在不一样了。它们开始变成一个可以被描述、被登记、被调度、被检查的系统。AI 在这个系统里，也不再只是一个聊天框。它更像一个调度员。它需要知道每台设备是谁，知道每台机器能做什么，知道任务应该去哪台机器执行，知道什么时候可以自动处理，什么时候必须停下来问我。
讲真，这个过程最消耗人的地方，不是写某一段代码，而是不断把脑子里的常识翻译成机器能理解的规则。你别说，很多看起来很小的东西，比如一根线插在哪里，一个手机刚刚有没有换过，一个软件是不是只能在某台电脑上打开，最后都会变成系统能不能稳定运行的关键。说真的，做完这一轮以后，我对自动化这件事反而更谨慎了。你有没有这种感觉，真正让人省事的系统，前面一定有一大段不省事的整理。
这个变化对我来说很关键。因为我越来越感觉到，AI 真正进入生活，不是因为它会回答更多问题，而是因为它开始接管更多流程。 问答只是第一层。写作、编程、整理，是第二层。跨设备调度、局域网执行、手机和电脑协同，才开始进入第三层。
而到了这一层，难点就不只是提示词了。难点变成了架构、权限、身份、状态、网络、日志和失败恢复。这些东西都很细，也很麻烦，但它们决定了 AI 到底是在演示，还是在真正干活。
说到最后
如果只是让 AI 帮我写一段文字，它很容易。如果只是让 AI 在当前电脑上跑一个脚本，也不算难。但如果我要让它知道家里有几台电脑、几台手机、每台设备的职责、每条线接在哪里、哪个网络环节是瓶颈、任务执行失败后应该怎么恢复，这就变成了一套真正的系统工程。
过去 5 天，我就在搭这件事。它还没有完全结束，后面肯定还会继续踩坑。但有一点我已经很确定，未来我使用 AI 的方式，不会只是打开一个聊天窗口问它问题。我会越来越多地把它放进我的电脑、手机、局域网和工作流程里。
也可以这样理解，我希望 AI 不只是会说，而是能在一组设备里真正做事。它能知道谁是谁，知道什么事情交给谁，知道执行完以后怎么反馈，也知道什么时候不能乱动。
这一套系统现在还很早，但方向已经很清楚了。以后家里的每一台电脑、每一台手机、每一个关键设备，都可能变成 AI 能调度的一部分。到那个时候，所谓个人工作流就不只是一个软件，而是一张能被 AI 理解和执行的设备网络。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～
作者：剑飞，本文共3100字