今天我在外面，远程连回我的电脑操作。同事经过，看到那台电脑居然没锁屏——屏幕亮着，鼠标自己在动，窗口一个个开。我才去了解了 Mac 远程桌面是怎么回事。
打开 Mac 的「屏幕共享」连上另一台 Mac，你看到的就是那台机器此刻的屏幕，和坐在它面前的人看到的完全一样。它当下显示什么，你这边就显示什么。我在外面操作，那台电脑的屏幕就同步显示我的每一步——同事看到的"没锁屏"，就是我远程操作的实时画面。
你动鼠标，那台 Mac 屏幕上的鼠标也跟着动；你打字，字就落在它的屏幕上。坐在电脑前的人能实时看到你点了哪里、开了哪个窗口、敲了什么，像看直播。
控制权是两人共享的。你能动，坐在跟前的人也能动。要是同事这时顺手去推那台电脑的鼠标，就会和我远程的操作抢起来——光标在屏幕上跳来跳去，谁都使不顺。想配合，得有人先松手。
远程桌面连过去，是两个人共用同一块屏幕、同一套鼠标键盘。人没在跟前，用的还是那台真机。
昨天重装了 eink 手机。安装后希望装少而精的几个工具即可：
Telegram、Pocket Casts、Claude、Google Tasks、Brave、YouTube、微信读书、微信输入法、Slax Reader、Slax Note、Dropbox、Gemini、Spotify。
只要产品里嵌了 AI，就一定要做 evals。这是过去两个月在 sgai.md（新加坡 AI 战略观察站）上踩坑总结出来的判断。
eval = 评估测试。给 AI 输出和数据完整性写的回归测试，但和单元测试不是一回事。
单元测试测的是「函数给定输入，输出是不是这个值」——确定性的。
eval 测的是「AI 这次生成的东西，和金标 / 规则相比，质量有没有掉」——非确定性的。
简单说：单元测试盯代码，eval 盯模型 + 数据。
任何依赖大模型的系统，都有三个天然漏洞。代码里写的单元测试管不到，人肉 review 一定漏。
模型会幻觉。 LLM 会编一个看起来合理但根本不存在的 URL、人名、事实。我自己在 sgai.md 上踩过——5 月初让 agent 给一批 voice 人物档案补「主导项目 / 公开引言」，agent 给两条记录写了根本不存在的 sourceUrl（一个伪造的 Fintech Festival 演讲者 ID，一个伪造的航空业报道）。URL 模式正确得肉眼分辨不出，靠用户事后报错才发现。
模型会退化。 升级模型（Claude 4.6 → 4.7）或改 prompt，输出可能变差。但你不会主动知道——除非有人发现产出明显烂了。等用户先发现就太晚了。
数据会漂移。 AI 生成的内容入库后，没人持续盯着完整性，漏字段、缺翻译、链接腐烂会慢慢累积。sgai.md 是中英日三语站，数据文件里每条 record 要求 title / titleEn / titleJa 三套字段必须同时给。我有一次只 commit 了中文，下一个 PR 想补英日——结果 EN/JA 页面立刻断裂。
The Hacker News 报道了一起 npm 供应链攻击：Bitwarden CLI 的 npm 包（@bitwarden/cli）2026.4.0 版本被植入恶意代码，藏在包内的 bw1.js 文件里。
感染窗口从 4 月 22 日 ET 时间下午 5:57 到 7:30，约 1.5 小时，估计 334 次下载。被怀疑是更大规模 Checkmarx 供应链攻击的一部分，归因到 “Shai-Hulud: The Third Coming” 这一波。
攻击者拿下了 Bitwarden CI/CD 流水线里一个被入侵的 GitHub Action（checkmarx/ast-github-action），通过 preinstall 钩子在用户 npm install 时执行恶意代码。
据安全研究员 Adnan Khan 说，这可能是首次使用 npm Trusted Publishing 的包遭到入侵。
有一个细节：如果系统 locale 是俄罗斯，恶意代码自动退出。这一行为与原始 Checkmarx 攻击不一致。
今天在终端收到一封 cron 发来的邮件，说某个脚本 “Operation not permitted”。查下去是两个问题合在一起，顺手也把 cron 和 launchd 在 macOS 上的差别重新过了一遍。
我有三个用 cron 跑的定时任务：每小时 15 分把知识库备份到 git，每小时 20 分刷新知识库的向量索引，每天早 9 点跑一次健康检查。
有一天开始，前两个任务悄无声息失败。打开日志才看见：
/bin/bash: .../brain-git-backup.sh: Operation not permitted
/bin/bash: gbrain: command not found
第一个是权限拦截——脚本文件在 ~/Library/CloudStorage/Dropbox/ 里，macOS 的隐私系统（TCC）不让 cron 碰 iCloud、Dropbox 这种云端同步目录下的文件。
第二个是 PATH 问题。cron 跑的 bash 是个干净的非交互 shell，.zshrc 里配置的 PATH 不会加载，gbrain 找不到。
两者都是"定时工具"——让系统在指定时间跑一段命令。
cron 是 Unix 时代的老工具，几十年历史，Linux、Mac 都有，写一行配置就能用。
launchd 是苹果自己做的调度系统，2005 年随 macOS 10.4 推出。现在苹果系统里所有后台服务，包括 cron 本身，都归 launchd 管。
我维护着一个叫 context 的个人上下文系统：一份中心 markdown，分发到 Claude Code、Codex CLI、Gemini CLI、OpenClaw 的配置路径里，保证同一个"我"在各个工具之间一致。
这个系统每天自动扫当天的对话，把我说过的偏好、决策、踩坑提炼到 OBSERVATIONS.md。问题是——它只懂 Claude Code 一家的 JSONL 格式。我同时还在用 Codex、Gemini、OpenCode，这些对话历史全都被扔在一边。
每家 AI 助手的对话都存在本地，但格式各家不同。Claude 用 JSONL，Codex 也用 JSONL 但 schema 不一样；Gemini 用整块 JSON；OpenCode 用 SQLite，message 和 part 分两张表；Cline 和 Cursor 藏在 VSCode 扩展的 globalStorage 里；Aider 干脆写在项目目录的 markdown 里。
自己从零逆向这些格式，不是我想干的活。
在 GitHub 上撞见 jhlee0409/claude-code-history-viewer，简称 CCHV。本意是个桌面历史查看器——七家 AI 助手的对话在一个界面里翻。我对桌面 app 本身不感兴趣，但它的 Rust 源码里有一个 providers/ 目录：七个文件，每家一个解析模块。每家的存储路径它替我找好了，每种格式的 schema 它替我逆向完了。
让 AI 把这部分代码翻成 Python，挪进 context 项目。
2026 年 4 月 19 日凌晨 00:06，luca-xm（RedmiBook Air 13，16GB 内存，4GB swap）上的 NetworkManager 意外退出，网络断开。
unattended-upgr（PID 392258，属于 apt-daily.service），该进程占用 13.6GB 匿名内存（anon-rss: 13601484kB）Unexpected error response from GetNameOwner(): Connection terminated）apt-daily.service 自动执行系统更新时，unattended-upgr 进程内存泄漏或异常膨胀至 13.6GB，耗尽系统全部可用内存和 swap。OOM Killer 介入后引发 D-Bus 连接中断，NetworkManager 作为 D-Bus 依赖方被连带终止。NetworkManager 本身无异常。
一台常开的台式 / 常驻机负责跑重活，一台笔记本带在身边随写随记。两台机器共用一个 GBrain，写在哪台都能在另一台搜到。
下面是我把这套装起来的实际过程，包括踩到的坑。环境是两台 Mac：M2（常开）和 M4（日常，有开有关），GitHub 账号 wulujia，笔记放 Dropbox。
三层，分工明确。
Brain 仓库 = markdown 文件，源头。放 ~/Dropbox/brain/，Dropbox 负责实时同步文件，GitHub private repo 负责版本备份。
gbrain 工具 = 读 markdown、灌进索引的 CLI。每台机器独立从 GitHub clone 到非 Dropbox 路径，各自 bun link。不要让 Dropbox 同步工具源码，node_modules 跨机会掐架。
索引 = PGLite（嵌入式 Postgres），默认引擎，放 ~/.gbrain/。每台机器一份独立本地索引。markdown 是真相，索引坏了重建。
git clone https://github.com/garrytan/gbrain.git
cd gbrain && bun install && bun link
到 platform.openai.com 建个 project key，丢 zshrc：
echo 'export OPENAI_API_KEY="sk-proj-..."' >> ~/.zshrc
source ~/.zshrc
注意变量名全大写 OPENAI_API_KEY。一个字母错了 OpenAI SDK 读不到，跑出来一堆 401。
跟 AI 聊天有个长期的问题。每次新对话它都从零开始。聊过的想法、见过的人、读过的文章，下次对话完全空白。
GBrain 解决的就是这件事。
AI agent 是大脑，GBrain 是它的记忆。
更准确一点：GBrain 是一堆 markdown 文件加一个搜索引擎。跟 AI 聊天时，它自己决定把什么存进去、什么取出来。存的是文本文件，可以打开看、改、备份。
这一点很重要。市面上很多 AI 记忆功能是黑盒，坏了查不出原因，也导不出来。GBrain 的记忆就是你自己的文件，放在 Git 仓库里，agent 关掉记忆也还在。
捕获。你跟 agent 说"今天跟老王聊了一下 SaaS 定价"，一个叫 signal-detector 的技能在后台自动抽取：“老王"是人，“SaaS 定价"是话题。后台并行跑，对话照常进行。
回答前查大脑。下次问"老王最近在想什么”，agent 先搜 GBrain，翻出上次的记录，带着上下文回答。跳过这一步的 agent 等于失忆。
睡觉时整理。装上 autopilot，凌晨 agent 自动扫白天所有对话，给新出现的人建档、补社交资料、修引用。早上起来大脑比昨晚厚。
每个人、每件事在 GBrain 里就是一个 markdown 文件。结构很简单：上半部写当前结论，下半部写时间线。
比如"老王"这一页。
上半：老王是某某公司 CEO，擅长 SaaS 定价，2026 年 3 月开始考虑出海日本。
下半：
上半随时重写。下半只加不删，是证据链。好处是：问一个问题，agent 直接读上半部就知道答案，不用每次把所有历史再推理一遍。
前提是装了 bun。然后两行：
git clone https://github.com/garrytan/gbrain.git && cd gbrain && bun install && bun link
gbrain init
默认用嵌入式 Postgres，零配置。接到 Claude Desktop 或 Claude Code 之后，正常聊天它就正常往里存。Gemini CLI、Codex 也能接，都走 MCP 协议。
最近打听小龙虾的朋友有点多，所以我干脆写篇短文，把文科背景朋友们最经常问的问题，做个粗浅的回答。
第一步：我需要什么？
找一台独立的旧电脑。
建议用一台不用的旧电脑专门跑它。原因有两个：
一是稳定。你大概率会希望这个助理 24 小时在线——半夜收到重要邮件能帮你处理，每天早上自动发一份新闻摘要，你不在的时候也能替你盯着事情。用日常办公的电脑跑，合上盖子就断了。
二是安全。这个助理会接触你的邮件、日历、文件，给它一台独立的机器，跟你的工作环境隔开，万一配置出了问题，也不影响你日常用的东西。
五六年前的笔记本就够，Mac、Windows、Linux 都行。
没有旧电脑怎么办？
• 树莓派，几百块钱，功耗极低，放在角落里一直跑
• 云服务器（VPS），每月几十到一百多块，不用管硬件
• Mac mini，如果你本来就想买一台——这是极其豪华的配置
在中国能用吗？OpenClaw 本身没有限制。但它需要调用 AI 服务（比如 Claude、GPT），如果网络访问不了这些服务，需要想办法解决，或者选用国内能访问的 AI 模型。
注意，这里强烈建议：用独立设备，跟你的工作电脑分开。
───
第二步：要花钱吗？
OpenClaw 开源，费用来自 AI 模型——就像请了一个助理，AI 模型是助理的大脑。
我最直接的建议：用你能用得起的最贵、最好、最聪明的模型。
模型笨，相当于助理笨，你要个笨助理干嘛？以及，笨助理更容易被网页里藏的恶意指令操控，如果被骗了，一次损失，估计就够付这辈子的模型账单了。
AI 模型的能力差距非常大。便宜的模型能聊天，但理解力、判断力、可靠性都差不少。你既然花时间把助理搭起来了，别在最关键的大脑上省钱。一个聪明的助理能帮你省的时间，远超模型费用。
轻度使用（每天聊几轮，偶尔帮忙查东西），一个月大概几美元到十几美元。重度使用会更多。
如果你有一些 AI 的订阅，可以请懂技术的朋友看看，说不定无需额外付费就能使用。
第三步：装上它
安装过程需要有人帮你在电脑的终端里输入几条命令。不复杂，但如果你从来没用过终端，建议找个懂技术的朋友帮忙，十分钟就能搞定。
装好之后，OpenClaw 会自带一个网页聊天界面，打开浏览器就能跟它说话。
但更多人是想在手机上随时跟它聊，可以把它连到一个聊天工具。海外用户推荐 Telegram（配置最简单）或 WhatsApp。
中国用户怎么办？Telegram 和 WhatsApp 在国内不能直接用。几个替代方案：
• 飞书（Lark）——OpenClaw 支持飞书机器人，国内直接可用，适合个人和团队
• 网页界面——装好就自带，不依赖任何第三方聊天工具，打开浏览器就能用
第四步：搞清楚它能帮你做什么？
从聊天开始。
刚装好的时候，先就当它是一个聊天对象。问它问题，让它帮你查资料、翻译、写邮件草稿、整理想法。用几天，找找感觉。
然后逐步给它更多权限。
当你觉得它靠谱了，可以开始授权更多能力——读你的邮件、管你的日历、帮你搜索网页、定时执行任务。
具体怎么授权？直接问它就行。跟它说"我想让你能帮我读邮件"或者"我想让你每天早上给我发一份新闻"，它会告诉你需要做什么配置。这些配置通常就是几步操作，它会一步步带你完成。
它有记忆。你告诉它的事情，它会记住。下次你再跟它聊，不用从头说起。
每个能力都可以单独开关。一个一个加，逐步建立信任。
下一步：给家人也配一个
不需要再买电脑。同一台机器上可以跑好几个独立的 AI 助理，每个人一个。
每个人的助理完全独立：