正文整理稿

按视频原讲述顺序整理的正文稿。

《我搭了一套贼好用的个人 AI 基础设施，真的爽！》

来源：B站 [我是张大宁]
时长：00:12:04
BV号：BV1JDduBvEod
链接：https://www.bilibili.com/video/BV1JDduBvEod
说明：以下文字按视频原讲述顺序整理，口语、重复和明显噪声已做轻度收束。

---

从追模型到建系统：个人AI基础设施的新范式

如果三年前你问我个人应该如何使用AI，我会告诉你积极尝试使用最先进的模型。如果一年前你问我这个问题，我会说拆解自己的工作流，在所有可用的环节用合适的AI工具替代。这个问题的答案完全不同了。因为条件已经改变——一键恢复让每个人都可以低成本地搭建自己的AI基础设施。

我不讲理论，只向你报告我是如何搭建自己的个人AI基础设施的。你可以直接操作，照着做就能复现。

这套基础设施有四个组成部分。

第一层是两台系统的云服务器。这里是整个系统的运行基础，你可以在上面完整部署程序环境、运行应用，所有的数据也都在上面。你可能会有几个问题，我来解答最重要的两个。

第一个问题是：为什么是云服务器而不是本地设备？首先，它可以与主设备完全隔离，又不增加额外硬件，没有过多的额外成本。其次，安全性更高，因为可以和主力设备隔离，你可以放心地授予权限。此外，使用服务器还有一个巨大优势：备份一键完成。后台做个快照，整台服务器的所有信息和设置都能一键备份，之后也能一键恢复。

双云服务器：安全、自由与性能的基石

最后是更好的网络性能和更自由的模型选择。服务器拥有更优的网络连接，下载依赖包、调用模型都会顺畅很多。至于为什么服务器能带来更自由的模型选择，这与第二个问题密切相关：为什么需要两台服务器？

因为这两台服务器的用途不同。一台可以选择国内网络，另一台则需要选择海外网络。国内服务器适合处理国内访问需求，而位于硅谷的这台服务器可以自由调用海外模型，访问GitHub上的项目，不受限制。这样，国内的服务器保证响应速度，硅谷的服务器负责运行海外模型和开发应用。

这种分工合理，既能满足国内访问效率，又能突破模型和插件的访问壁垒。这不是一个人的技术难题，而是利用现有服务构建出高效的工作体系。

第二层是云端工程环境。你需要在两台服务器上分别安装一个代码编辑器工具，比如VS Code。无论你用的是Code、VS Code还是其他工具，都先装上。装好后，在VS Code上安装两个插件，就可以实现远程连接。

推荐使用Code作为主要开发工具。它能让你在服务器上轻松安装、升级各类插件，无需手动操作。对于轻量级开发任务，甚至可以直接在服务器上运行，非常方便。

你可以在一台服务器上配置开发工具，比如Claude Code或VS Code，二选一即可。用于搭建和迭代你的核心应用。这个工具不需要两台服务器同时使用，只需在其中一台上配置即可。另一台服务器上只需安装一个类似Recode的轻量工具就够了。

第三层是你用这个云端环境和插件开发的个人应用。这些应用针对你个人工作生活中的高频任务，是高度定制化的。你可以逐步开发一些解决具体问题的应用，运行在服务器上。

云端开发环境：让编程与调试无缝衔接

由于有前面的云端编程环境和插件支持，开发成本极低，部署也极为便捷。当你直接让OpenAI执行任务时，系统会自动调用这些应用，完成复杂工作。这些应用由你自主开发，比依赖OpenAI的Skills更可靠。

第四层是交互控制系统。像OpenAI、Claude Agent这类工具，可以通过即时聊天工具进行操作，也可以通过服务器调用。我称其为“控制中枢”。

我使用的工具叫Cloude。它的作用是一个交互界面和控制台，让你随时随地与服务器交互，最快捷地发起任务。你可以通过对话方式使用应用，相当于一个智能的命令入口。

它不仅是你与服务器之间的桥梁，也是你所有应用的入口。所有应用都可以通过浏览器访问，直接通过聊天窗口使用。例如，如果你连接的是非本地服务器，通过Cloude可以调用这些工具。

我开发了一个辅助写作的系统，能自动读取文章内容，生成高质量的导读、词汇讲解和配套练习题。这些功能全部在服务器上运行，文章会自动加入素材库，并生成相应路径。

每次打开网页，就能直接获取最新内容。这意味着，服务器上的所有应用和工具，理论上都可以通过聊天窗口这一友好快捷的方式使用。

相比依赖OpenAI平台的Skills，自己开发并固化在系统中的应用更加可靠。它们不依赖外部平台，也不受其规则限制。

那么，Cloude应该部署在哪台服务器？我的建议是：如果你打算让OpenAI或Claude等模型在服务器上运行，就将Cloude部署在该模型所在的服务器上。如果模型在硅谷服务器，就部署在硅谷。如果在国内，则部署在国内。

这是因为交互延迟主要来自模型与服务器之间的数据往返，而非服务器与聊天工具之间。因此，优先让模型和服务器距离更近，才是关键。

个人应用矩阵：打造属于你的AI助手军团

记住我的结论：模型所在的位置，决定了控制中枢的部署位置。

解决了这个问题，随之而来的是：应用矩阵应部署在哪台服务器？答案很简单：你用哪个工具开发的，就部署在哪里。

如果你用Claude Code在硅谷服务器上开发了某个应用，但想把Cloude部署在国内服务器，怎么办？这些应用完全可以独立运行，只要在目标服务器上重新配置一次本地环境即可。

总结一下，这套架构的核心在于：它是一个完整的系统，而两台服务器是支撑这个系统的物理基础。你使用的开发工具，相当于一个统一的工程系统。

它不是简单的工具堆砌，而是一个可自然演化、持续进化的个人数字系统。随着系统运行，你可以随时替换更强大的模型，而你的工作流程始终围绕自身需求展开。

相比之下，商业平台所宣传的“自我进化”往往只是换一个模型而已。而我所构建的，是一套真正属于你、不断演进的个人AI基础设施。

这套系统贯穿全层，每个环节都需要模型支持。无论是开发工具、应用系统，还是交互接口，都离不开模型的参与。

怎么选模型？一般而言，根据具体任务选择性价比更高的方案。比如编程任务，可以选用价格更低的模型，不影响整体架构。而对核心任务，应选择性能更强的模型。

ClouCloud：你与服务器之间的智能中枢

因此，你可能每个月更换一次模型，但这并不影响系统稳定性。我建议为个人系统专门设计一套专属模型策略，形成个性化的使用体系。

这套基础设施的价值不仅在于当前可用，更在于长期可维护。在这个快速迭代的时代，六个月不落伍，就已经算是长期了。

再说一下成本。这套系统的开销其实很低。两台轻量级云服务器，使用场景并不吃CPU，双核即可满足。内存方面，主服务器建议起步8GB，副服务器建议起步4GB。

目前各大云服务商竞争激烈，趁着促销活动，首年费用甚至能控制在三百元以内。平均下来，每月仅需二三十元。

模型API的费用取决于用量。日轻度使用，每月几元到一百元足够。如果是重度开发者，主要用于写代码，可能会多一些。总体来看，整套系统每月成本在百元级别。

这笔投入完全属于自有的、可定制的个人AI基础设施，我认为非常超值。

你可能会问：市面上有没有类似的现成方案？在我准备这段视频时，近期处于风口浪尖的Manus于五月四日推出了一款名为Cloud Computer的产品。它宣称要为每个人提供能全天候运行智能体和软件的云端机器。

这恰恰印证了我们这套基础设施的价值。个人专属的云端环境，正是当前顶级AI公司正在全力推进的方向。

但区别在于，Manus的订阅费昂贵，计分机制复杂。而我们自己搭建的系统不仅成本极低，更重要的是，所有运行资源和数据都完全掌握在自己手中。

成本与未来：自建系统为何更具长期价值

因此，我强烈建议大家从我的方案起步。未来如果市场上真出现一款在价格、性能、隐私等方面达到完美平衡的商业产品，那时带着你完整的记忆和应用迁移，依然非常方便。

这就是今天的内容。有任何问题，欢迎在评论区留言或私信我。我们下次见。

---

本文由 AI 基于转写整理，仅供复查参考。