AI落地Best Practice · 企业与业务成品 · 2026-06-08

我如何用每月 700 元构建一套持续运行的个人 AI 基础设施

每月 700 元,如何构建一套持续运行、覆盖思考、记忆、执行与发布的个人AI系统?本文为你揭秘一套高效协同的实战方案。

核心内容:

  1. 个人AI基础设施的核心理念:从单点工具到系统协同
  2. 核心架构分层详解:思考、记忆、执行与发布层
  3. 关键组件实战应用与低成本搭建心得

📄 文章摘要

我如何用 ChatGPT、OpenClaw、Obsidian、GitHub、飞书、GLM-5.1 和 Mac mini M4 构建一套个人 AI 基础设施。

个人 AI 基础设施不是单一工具,而是长期协同的系统。

我的 Personal AI Stack

很多人在讨论 AI Agent、第二大脑(Second Brain)、个人知识管理(PKM)和数字分身。

但过去一年,我逐渐意识到,我真正构建的并不是某个 AI 助手,而是一套持续运行的个人 AI 基础设施(Personal AI Infrastructure)。

它不是某个产品,也不是某个模型,而是一组长期协同工作的系统。

这套系统每天帮助我思考、研究、写作、开发、管理知识、处理邮件、维护网站,并持续积累长期记忆。

如果用一句话概括:

ChatGPT 负责思考,OpenClaw 负责执行,Obsidian 负责记忆,GitHub 负责发布。

从工具到基础设施

大部分 AI 工作流文章的结构都差不多,先讲模型、插件、编辑器。

但我越来越觉得,工具不是重点。

重点是这些工具如何协同工作。

我的工作横跨:

• AI 基础设施研究

• 开源社区运营

• 技术写作

• Developer Relations

• 产品与生态建设

每天都会产生大量信息:

• ChatGPT 对话

• 技术研究

• GitHub 活动

• 社区讨论

• 邮件订阅

• Hacker News

• Discord

• 微信和飞书消息

问题从来不是缺少信息,而是如何组织信息。

因此我逐渐搭建出了一套围绕自己工作的 Personal AI Stack。

这不是一个单点工具,不是一个模型。它强调的是“思考、记忆、执行、发布”四个层级的持续协同。

整体架构

下面这个架构图展示了我的 Personal AI Stack 如何分层协同。

Personal AI Stack 架构层次

不同层级对应的核心组件如下。

层 组件
Interface Layer ChatGPT、Telegram、Discord、飞书、微信
Reasoning Layer ChatGPT、GLM-5.1、Claude Code、Codex
Memory Layer Obsidian、Markdown、iCloud
Execution Layer OpenClaw、Gmail、Calendar、Lark CLI
Publishing Layer GitHub、Hugo、Cloudflare Pages

ChatGPT:我的思考系统

虽然很多工作流围绕 Agent 展开,但我使用频率最高的其实是 ChatGPT。

我主要用它:

• Deep Research

• 技术分析

• 架构讨论

• 内容策划

• 写作辅助

• 职业决策

与其说它是助手,不如说它更像:

• Research Partner

• Technical Advisor

• Thinking Companion

过去几年持续积累的大量对话,让它逐渐理解了我的背景、项目和长期目标。

很多文章、演讲和技术判断,实际上都来自这种持续对话。

OpenClaw:我的执行系统

OpenClaw 是我部署在家里 Mac mini M4 上的 OpenClaw Agent。

平时主要通过 Telegram 与 OpenClaw 交互。

为了避免上下文混杂,我专门使用不同 Telegram 群组管理不同主题:

• HAMi

• AI Handbook

• Personal

• Work

• Research

• Blog

这样天然形成了 Context Isolation。

OpenClaw 负责:

• Gmail 邮件管理

• Apple Calendar 日程管理

• 定时任务

• Obsidian 操作

• GitHub 操作

• 网站维护

• 飞书知识库操作

• 自动化工作流

它更像一个 Chief of Staff,而不是聊天机器人。

OpenClaw 的价值在于把分散的执行入口统一成结构化的工作流,而不是简单的聊天界面。

OpenClaw 的工作流

OpenClaw 的主要路径是通过 Telegram 入口展开多端执行。

OpenClaw 执行路径

飞书:公司工作流入口

我以前几乎没有使用过飞书。

加入现在的公司之后,公司整体提倡使用飞书,日常工作流、知识库、协作沟通都在飞书里进行。

刚开始我只是把它当成一个企业 IM 工具。

但现在看,飞书更像是公司级的工作流入口:

• 群聊

• 文档

• 知识库

• 审批

• 任务

• 自动化

对我来说,真正改变使用体验的是 Lark CLI。

通过 Lark CLI,我可以更方便地管理公司的知识库、文档和一些流程化信息。

这让飞书不只是一个聊天工具,而是可以被 OpenClaw 纳入自动化系统的一部分。

从个人 AI Stack 的角度看,飞书承担的是:

工作组织层。

它连接的是公司语境下的信息、知识和任务。

Obsidian:工作记忆(Working Memory)

Obsidian 是我最常用的知识工具。

但我并不把它视为最终知识库。

对于我来说:

Obsidian = 工作记忆

这里存放:

• Daily Notes

• Weekly Reports

• Research Notes

• Inbox

• Drafts

• 临时想法

三年前开始,我养成了持续写周报的习惯。

这些周报记录了:

• 工作进展

• 学习内容

• 社区活动

• 项目演进

• 个人思考

从某种意义上说,周报构成了我的日常记忆。

而 Obsidian 则是这些记忆的载体。

GitHub 与 jimmysong.io:长期记忆(Long-term Memory)

很多人会把博客理解为内容发布平台。

但对于我来说,jimmysong.io 更接近于我的长期记忆系统。

这个网站已经持续维护接近十年。

这里记录的…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/gerentixiao/2026060813928.html