雷峰网讯2026年4月的一个凌晨，4点07分，一切崩溃了。

前一天晚上，我让家里的AI整夜干活——整理NAS（集合存储管事器，大概说即是“家用大型出动硬盘”）里20年攒下的几十TB数据，包括相片、文档、视频，AI要一个个分类，一经跑了整整6个小时。

终结，路由器顿然重启了。

我的条记本自动重连WiFi时，犯了个致命差错：它没连家里的主路由，反而连上了运营商的光猫集合。就这一个小无理，导致NAS、AI管事器全部失联，六个小时的责任为山止篑，通盘家庭AI系统像多米诺骨牌一样，透顶崩了。

早上7点，我盛开电脑，屏幕上全是“纠合失败”的教导——这是我用AI重建家庭数字生涯的第九天，前八天的惊喜，差点被这一个小bug浇灭。

这一切，还要从八天前，一台新电脑的到来提及。

02

为什么非要让AI帮我搬动20年的“数字垃圾”？

先说说我的“执念”：20年不重装系统

我是天卓，一个一语气创业者，亦然一个本领极客。

（编者补：邓天卓更是一个出动互联网期间的超等创业者+投资东谈主，与国内各家电商都联系匪浅。）

从最早的PowerPC电脑，到自后的Intel旗舰机，再到近几年的M1、M2、M3、M4MaxMacBookPro，我的主力机换了一代又一代，但有一个风俗从没变——不重装系统。

每次换电脑，我都像“倒酒”一样，用苹果的搬动助手（MigrationAssistant），把旧电脑里的统共东西，不识时务拷贝到新电脑里。

20年下来，我那台M4MaxMacBookPro，一经变成了一个8TB的“数字迷宫”：几十万张专科相机相片、无数投资文档、上百个软件的建树、从2004年运行的开发环境，还有许多我我方都记不清是什么的海量数据。

以前，我只可靠络续买顶配电脑，才智装下这个“迷宫”。但本年，我不想再这么“摆烂”了——因为我收到了一台“神器”：M5MaxMacBookPro（16英寸顶配，业内叫“天子版”）。

M5Max的“杀手锏”：让大模子“住”进家用电脑

这台电脑最牛的场合，是它有128GB的长入内存（不错剖判为“电脑的大脑运行空间”，越大越畅通）。

放在一年前，只好数据中心的专科GPU（图形处理器，尽头于电脑的“算力腹黑”），才智带动650亿参数的大模子（参数越多，AI越灵巧）；但当今，这台家用条记本就能大概作念到——比如Qwen3.5-122B的4bit量化版，只需要65GB内存，运行速率实饱和用。

更艰巨的是，模子跑在腹地（即是只在我我方的电脑上运行），数据不会传到网上，既不必用钱买使用额度，也不必挂牵诡秘暴露。

于是我萌发了一个斗胆的概念：让AI帮我，把旧电脑里的“数字迷宫”，透顶搬动到新电脑上，趁机整理干净。

03重头戏：

AI当“系统管制员”，搬动20年数据零翻车

盛开ClaudeCode，我下达了阿谁我方期待已久的敕令：“帮我把M4上的一切，搬动到M5Max上。”

这和传统的搬动风物，实足不一样。

传统搬动vsAI搬动：一个“照搬”，一个“懂你”

苹果的搬动助手（MigrationAssistant）即是个“黑盒”——它只会把旧电脑里的统共东西，不识时务拷贝往时，不管灵验没用，也不管兼容不兼容。

但ClaudeCode不一样，它像一个资格丰富的系统管制员，先花10分钟给两台电脑“看诊”：

1.扫描旧电脑上的统共软件、代码环境、建树文献；

2.读取我的shell建树（电脑操作敕令的竖立）、SSH密钥（而已登录电脑的“钥匙”）、启动项；

3.分析每一个诓骗，判断哪些灵验、哪些没用；

4.查抄磁盘健康景象，幸免搬动历程中出问题。

最惊喜的时刻：AI主动帮我“断舍离”

看诊终结后，ClaudeCode顿然问我：“你的系统里有14个Intel期间留传的Rosetta翻译层诓骗（以前Intel芯片电脑的软件，在Apple芯片上需要“翻译”才智用），它们随着你换了好几台电脑，从来没清算过。其中8个有原生Apple芯片版块，我提议装原生版；另外6个一经罢手更新，你确信还要吗？”

那一刻我就知谈，它果然把我那20年的“数字迷宫”走通了——它不是在“照搬”，而是在“剖判”我的需求，帮我作念弃取。

三层排查清单：连我我方都忘了的东西，AI都找到了

之后，ClaudeCode给我生成了一份三层排查清单，把要搬动的内容分了类，连我我方都忘了的东西，它都找出来了：

1.基础层：SSH密钥、桌面文献、常用软件列表，这些最容易猜度的东西；

2.中间层：Git建树（代码管制用具的竖立）、自界说剧本、定时任务，这些手动拷贝很容易遗漏的东西；

3.深层层：60GB+的编造机文献、相机色调建树文献（用专科相机的东谈主都知谈，这东西丢了就没法复原相片色调）、洒落在电脑里的花式文献夹。

速率翻倍：AI帮我优化搬动速率，一个周末处理

一运行，数据传输速率只好33MB/s，按这个速率，搬动完要花好几天。

ClaudeCode分析瓶颈后，主算作念了三项优化，短暂把速率提了上来：

1.去掉压缩功能：在万千兆局域网上，压缩反而会占用CPU，拖慢速率；

2.换轻量级SSH加密算法：默许的加密算法太“重”，换个大概的，速率径直翻倍；

3.大文献径直传输：不必增量算法（原来是用来简约传输流量的），在局域网上反而过剩，径直传更快。

最终，传输速率达到了210MB/s，一个周末，就完成了所少见据的搬动。

04

刷新默契：

AI不啻能搬动数据，还能帮我“修电脑、省money”

此次搬动，透顶改变了我对AI才略的默契——它不仅仅一个“用具”，更像一个“万能助手”，能解决许多我没猜度的问题。

惊喜时刻1：AI记取了我统共开荒的景象

搬动历程中，ClaudeCode需要下载一个大型框架包，正要从官方网站下载时，它顿然停了下来：“这个包咱们之前在你的另一台机器高下载过，我径直从那台电脑拷过来，不必再从网高下载了。”

它果然记取了我家里统共开荒的景象，主动调用其他开荒的资源，省了我大批期间。

惊喜时刻2：AI破解了主板限定，给我的Windows电脑“提速”

我有一台Windows台式机，配备了RTX5090显卡，但内存被主板锁在了4800MHz，比标称的6000MHz低了25%，交易超频软件都没用（戴尔在BIOS里作念了锁定）。

ClaudeCode发现后，而已纠合到这台电脑，下载了主板的BIOS固件，用十六进制裁剪器反编译，找到笼罩的内存频率限定寄存器，还制定了一套完整的破解决策——全程都在我下达敕令的末端窗口里完成，我实足没进入。

惊喜时刻3：AI发现了硬盘的“物理故障”，还教我怎样修

搬动历程中，ClaudeCode顿然叙述：“你的第二块NVMe硬盘（高速固态硬盘）出现了可竖立的ECC差错（大概说即是数据传输时出现了小差错）。”

更横暴的是，它还给出了解决决策：“这种差错常常是因为装配时散热片压得太紧，变成了物理当力。提议关机后，松动散热片右下角的固定螺丝，朝上推一下再拧紧。”

这不是软件问题，也不是驱动问题，而是物理装配问题——AI果然能通过扫描，发现这个问题，还去硬件论坛找了解决决策，A8体育app2026世界杯中国官方下载精确定位到具体哪颗螺丝。

不测收货：AI帮我淘汰了统共付费软件，零资本处理一切

搬动完成后，我发现一个不测惊喜：许多付费软件，我再也不必买了——因为AI能帮我完竣统共功能，还更好用。

举几个例子：

1.文献重定名：以前用付费软件，要么依赖云表，要么功能有限；AI帮我装了开源用具，调用腹地大模子，中英文羼杂定名都能处理，零资本；

2.语音识别/合成：以前用云表管事，定期长计费；当今腹地跑Qwen3-ASR（语音识别）和Qwen3-TTS（语音合成），免费、及时，准确率还更高，还能克隆声息；

3.常识库管制：以前企业级决策每月要几百好意思元；当今用腹地用具加镶嵌模子，拖进文献就能问答，不花一分钱；

4.代码审查：以前交易用具年费几千好意思元；ClaudeCode不仅能审查代码，还能剖判我的通盘花式，帮我修bug、写测试。

其实意思很大概：这些付费软件，都是AI不够灵巧的期间家具；当今有了腹地大模子，一个通用的智能，胜过一百个专用的用具。

05

从限定电扇运行：AI采选我家的“智能开荒”

搬动完成后，一个偶而的发现，让我萌发了让AI采选通盘家的概念——那即是限定家里的智能电扇。

小尝试：让电扇“听GPU的话”，给AI降温

RTX5090显卡全速运行时，温度会飙升到85度，很影响性能。我家里有一台智能电扇，AI帮我作念了一件事：让电扇听GPU温度的指点。

法子很大概（AI全程操作）：

1.劫捏通讯：这台电扇原来要连厂商的云表管事器，AI在路由器里加了一溜竖立，把厂商的域名指向我家的NAS；

2.合同转变：在NAS上用开源用具，把电扇的独到合同（厂商我方的通讯风物），转变成表率的MQTT合同（智能开荒通用的通讯风物）；

3.竖立端正：写一个大概的温度监控剧本，GPU温度75度开电扇低速，85度开高速，55度以下自动关闭。

一个数字大脑，果然能管制我方的散热——本领不难，但我从中看到了AI融入生涯的诗意。

痛点解决：让“各行其是”的智能家电，变成“一家东谈主”

当今家里的智能开荒越来越多：灯、空调、录像头、门锁、扫地机器东谈主，每一个都有我方的APP，注册一堆账号，还不可互通——所谓的“智能家电”，其实即是一堆各行其是的遥控器。

但限定电扇的尝试让我光显：大多数智能开荒的“云表”，其实即是个音讯中转站。只消把通讯劫捏到腹地，这些开荒就能脱离厂商云表，我方联动。

于是我搭建了一套系统：用NAS上的HomeAssistant（智能家居核心）当核心，MQTTbroker（音讯总线，让开荒之间能彼此“语言”）当桥梁，再用开源用具把各式开荒的独到合同，都转变成表率合同。

这里的AI，不是大概限定开荒，而是“剖判我的意图”。

传统智能家居是“if-then”端正（比如温度栽种28度开空调），但AI能剖判高下文：比如电扇，AI知谈“GPU在跑大模子，展望两小时终结，先开低速，跑完再关”；比如灯，AI知谈“周末孩子在家打游戏，客厅灯光调暖极少，晚上10点后自动调暗，提醒睡觉”。

况兼AI能记取我的偏好，会随着我的风俗徐徐进化——这才是实在的“智能”。

进阶操作：AI采选我的两辆特斯拉，每月省不少电费

我家里有两辆特斯拉和一个家用充电桩，以前每天都要花几分钟磋议：谁先充电？充若干？什么时候充最省钱？来日要跑资料，要不要充满电？

当今，这些事全交给AI了：

1.智能列队：AI从我的日期里读取第二天的行程，左证两辆车的电量，易游娱乐app自动筹算谁先充——通勤的车充到80%就够，要跑资料的充到100%；

2.错峰充电：AI接入电力公司的分时电价API，白昼电价贵的时候不充，凌晨低廉的时候自动运行（加州峰谷电价能差2-3倍，一个月能省不少钱）；

3.景象监控：AI通过TeslaAPI，及时读取车辆的电板健康度、胎压、软件版块，有格外就主动提醒；

4.异日筹算：冬天不错让AI提前给车预热（用充电桩的电，不耗电板）；以后装了太阳能板，AI还能左证天气预告，优先用太阳能充电。

这些概念，本领上都能完竣，仅仅需要花期间搭建和调试——但AI一经帮我完成了大部单干作。

06

非常惊喜：AI当“安全卫士”，找出电脑里的4个木马

我让AI而已查抄了家里给孩子打游戏的台式机，终结吓出孑然盗汗——内部藏着4个坏心软件，WindowsDefender（电脑自带的杀毒软件）一个都没发现。

其中有期凌过的PowerShell木马（注入到系统程度里，很难发现），还有反杀毒软件（专诚艰难安全软件运行），以及伪装成“AI助手”的告白软件和浏览器劫捏秩序（暗藏了5个月）。

AI不仅找到了它们，还剖判了它们的运行机制，把每一层坏心秩序都清算干净了。

更横暴的是，这台电脑七天蓝屏六次，AI分析了系统日记，定位到是PCIe电源管制的兼容性问题，修改了注册表和电源决策后，蓝屏再也没出现过。

AI管家上线：整理20年数据，还能记取我的统共事

解决了智能开荒的问题后，我又让AI帮我整理家里NAS里的160TB数据——这是20年集合的“数字钞票”，以前我根蒂没期间整理。

相片管制：AI“看”懂相片，帮我分类、找相片

我一天能拍几百张相片，以前整理相片要花几个小时。当今，AI能用多模态才略（既能看图片，又能剖判笔墨），自动完成选片、分类、调色——它还能学习我20年的审好意思偏好，知谈我心爱什么样的构图和色调。

找相片也变得很大概：我只消说“帮我找2015年全家在日本吃和牛的相片”，AI就能通过剖判相片内容、期间、地点，精确找到我要的相片——再也不必在海量相片里翻来翻去了。

AI的“超纷乱脑”：记取我统共的对话和决定

我每天要用到四款AI：电脑上用Claude、ChatGPT写代码，手机上用Gemini处理日常，开特斯拉时用Grok聊投资——这些对话洒落在不同平台，原来互不叠加。

但我让AI搭建了一套“顾虑系统”：每天定时从这四款AI的对话记载里，提真金不怕火枢纽信息，汇入NAS上的顾虑核心（由向量数据库和常识图谱构成），再同步回统共AI节点。

也即是说，不管我在哪台机器上、跟哪个AI聊过什么、踩过什么坑，其他AI都能记取。

比如，我在MacBook上提过一嘴某个Python包（代码用具）的版块问题，两天后在管事器上干活时，AI主动提醒我：“这个包在你的MacBook上有兼容性问题，我用另一个版块。”

07

不无缺的AI：

那些踩过的坑，亦然成长的代价

固然AI帮我作念了许多事，但它并不是无缺的——搬动和使用历程中，它也犯了许多差错，这些差错，正值泄漏了现时AI的时弊。

坑1：相片静默丢失，AI“自信犯错”

搬动数十万张RAW相片（专科相机的原始相片）时，AI叙述“全部拷贝完成”，但本色上，有一部分相片在传输历程中悄悄丢失了——因为文献太多，AI莫得作念端到端的校验，就信心满满地秘书了差错的论断。

回来：AI很灵巧，但有时“资格不及”，不够严谨。

坑2：遗漏诓骗文献，反复查抄才找全

AI只搬动了前者，实足遗漏了后者；每次让它重新查抄，都能再翻出点遗漏的东西——这发挥，AI在“阐述事情作念完”这件事上，还不够过火。

坑3：升级必出问题，咱们一都“找法例”

每次升级OpenClaw平台（我用来管制AI系统的框架），都会出点小问题：端标语被重置、时区变回UTC、建树文献被覆盖……

我和AI一都，记载了21种已知的升级故障，然后写了一个自动竖立剧本——升级后30秒内，就能自动竖立统共问题。

其实，这些不是“bug”，而是运营资本——咱们不必隐匿统共问题，只消有才略自动处理它们就好。

08

钢铁侠的Jarvis不是科幻，

是咱们亲手打造的日常

把统共场景串起来，你会发现一个欣喜东谈主心的画面——这不是科幻电影，是我当今的日常：

早上7点，AI看了我的日期，知谈我两小时后外出，提前给特斯拉预热，告诉我昨晚充的电够今天往复；咖啡机15分钟前自动启动，客厅的灯按日出期间亮起来。

白昼责任时，我在M5Max上用ClaudeCode写代码，腹地AI随时待命；需要跑重型任务时，AI自动把任务转到GPU管事器，我根蒂不必管它在哪台机器上运行。

下昼孩子下学打游戏，AI发现显卡被占用，自动把AI推理任务转到Spark，还趁机查抄电脑安全——还铭刻之前那四个木马的训戒。

傍晚电价岑岭，AI暂停特斯拉充电，把NAS备份推迟到凌晨；夜深电价低谷，特斯拉自动充到80%，NAS运行跑备份，WiFi再也不会连错集合。

周末，AI帮我整理20年前的老相片，竖立迁延的画质，还自动生成一册电子相册，送给家东谈主。

今天的AI，还有许多不无缺，但每一个要道的本领都一经存在。咱们不需要恭候“异日的Jarvis”，因为它就在咱们身边——只消你炫夸开始，用一台电脑、一套AI用具，就能把科幻变成日常。

09

写在临了：

我的家庭AI责任站，是“极少点长出来的”

你可能会风趣，在领先奉行搬动任务时，我的AI助手是从哪找的。

我莫得径直用现成的用具，而是我方搭建了一套家庭AI责任站——它不是一运行就联想好的，而是徐徐试错、徐徐完善，像“搭积木”一样凑起来的。

第一步：从两台电脑运行，解决“算力不够”的问题

一运行，我用退役的M4Max电脑跑ClaudeCode（一款能写代码的AI用具），还部署了一些小模子作念实验。但很快发现，M4Max的算力不够用，于是又加了一台搭载RTX5090显卡（面前最强的耗尽级显卡，32GB显存，显存越大，能同期运行的AI模子越多）的YLAI管事器。

我的方针很大概：同期跑5个AI模子，单干招引：

1.聊天模子：帮我回答问题、写代码；

2.语音识别模子：把语音音讯转成笔墨；

3.语音合成模子：把笔墨回答读出来；

4.文本镶嵌模子：帮我整理顾虑、建立索引（便捷快速找东西）；

5.Judge模子：判断哪些对话、内容值得记取。

但问题来了：一个26B参数的模子（比650亿参数小一些，但也很吃算力），就要占21GB显存，5个模子挤在32GB显存里，根蒂装不下。

踩坑无数后，我找到一个“笨目的”：给AI“单干”

我先试了用Ollama（一款常用的腹地模子运行用具）管制统共模子，终结发现它会“踢东谈主”——加载新模子时，会把旧模子从显存里挤出去，导致顾虑系统瘫痪。

自后我又尝试把小模子拆成孤独管事，和Ollama分开，但显存如故不够用。直到我顿然想通：不是统共模子都需要“占用核默算力”。

文本镶嵌模子和Judge模子，都是后台“暗暗干活”的，哪怕慢极少（从毫秒级变成秒级），也不影响我使用。那干脆把它们放到CPU（电脑的“基础处理器”，平时处理大概任务）上跑，把GPU留给主力模子！

这一改，后果立竿见影：主力模子的运行速率从37t/s（tokenspersecond，每秒处理的字符数，越快越好）飙升到205t/s，快了5.5倍，显存也透顶够用了。

避坑提醒：别用Ollama，Apple用户径直选MLX

这是我踩了许多坑才回来的资格：淌若你的电脑是AppleSilicon芯片（比如M1、M2、M3、M5系列），别装Ollama。

因为Ollama底层用的是llama.cpp，需要一层“翻译”才智调用Apple的MetalGPU（苹果自研的显卡，专诚适配自家芯片），会浪掷许多性能。

保举用MLX——苹果专诚为自家芯片作念的AI框架，不必“翻译”，径直调用MetalGPU，并吞个模子，运行速率比Ollama快30%-50%，还更省内存。

至于模子，径直去HuggingFace（一个AI模子分享平台）搜“mlx-community”，内部有统共主流模子的MLX版块，径直下载就能用。

最终建树：家用AI责任站的“最优解”

经过络续调试，我终于确信了最符合家用的建树，既够用又不浪掷：

升级挑战：双机并行，跑全精度大模子

自后我想跑全精度版块的Qwen3.5-122B-A10B-FP8（参数更多、更灵巧，处理任务更精确），单张RTX5090显卡一经装不下了。

我家里有两台NVIDIADGXSpark（专科AI管事器，每台有GB10GPU和122GB长入内存），表面上把它们连起来，就能跑全精度大模子。

但践诺全是坑：比如驱动签名不兼容、内存识别差错、推理引擎版块bug……光调试这些问题，就花了我好几天。

最终，两台Spark连起来，跑Qwen3.5-122B-A10B-FP8（全精度版块），运行速率13-15t/s，不算快，但胜在质料高。我一又友说，一年前，这么的建树在数据中心要花几十万。

NAS的“正确用法”：只作念“本员责任”，别让它“加班”

因为数据越来越多，我还加了一台NAS（8盘位RAID，大概说即是“8个硬盘构成的超大存储”），一运行我把它当“万能选手”，让它跑各式AI容器（比如推理引擎、数据库）。

终结惨了：NAS的32GB内存被占满，镶嵌式CPU跑推理慢得离谱，启动一个管事要一分钟（GPU上只消3秒），况兼硬盘一直转，嗡嗡响个不休，没法就寝。

自后我觉悟了：NAS就该干它的本员责任——存储和备份、运行Qdrant向量数据库（帮我管制顾虑）、作念IoT核心（纠合智能开荒），其他活全交给YLAI管事器和Spark，硬盘终于能宽敞就寝了。

这套系长入直用到今天，然后我换了M5Max，128GB长入内存让大模子能跑在条记本上。经过实测，1220亿参数模子在M5Max上加载17秒，推理速率31t/s，想考链、图片剖判、用具调用全才略解锁。

回头看，通盘系统不是被联想出来，而是极少点长出来的。

今天每一台开荒都找到了最符合我方的位置。

枢纽不是统共东西一次到位，而是先让核心跑起来，ClaudeCode、一个腹地模子加一个界面就够了，然后你的AI责任站就会左证本色需求，徐徐长出我方的架构。就像我当今的fleet，亦然从一台M4Max运行，花了几个月一台一台加上去的。

一样的本领，在不同东谈主的手里，用法也不一样，我的资格不一定符合统共东谈主。但一样的是公共的发轫：先用起来易游娱乐app2026世界杯中国官方下载，再说别的。

豪门国际官网娱乐网