Harry’s Blog

近期技术折腾小结 好久没写博客了，趁今天有空，把最近半年折腾的东西记录一下。 博客迁移 把原来的 Hexo 博客迁移到了 Hugo，主题用的 PaperMod。迁移的主要原因是 Hugo 构建速度更快，主题也更简洁。整个过程比想象中顺利，文章都是 Markdown，迁移成本低。 MCP协议 最近 MCP（Model Context Protocol）很火，尝试给自托管的 Dify 接了几个 MCP Server，比如文件系统访问、网页搜索、数据库查询。Agent 的能力边界确实因此扩展了不少。 新玩具 入了一台 Orange Pi 5 Plus，打算用来替代 N100 跑一些轻量服务 试了 Claude Code，写代码和改配置的效率提升明显 把家里的网络升级到了 2.5G 内网，NAS 传输速度翻倍 折腾技术这件事，乐趣在于过程本身。不求成为专家，但求每个工具都能物尽其用。继续折腾，继续记录。

我的自托管工具箱 这几年陆陆续续自托管了不少服务，今天做个小结，记录一下目前在跑的工具和它们的用途。 基础设施层 OpenWrt 软路由：网络入口，AdGuard 去广告，SmartDNS 加速 OMV NAS：文件存储、相册备份、影音中心 Proxmox VE：虚拟化平台，上面跑了几个 LXC 容器 应用层 Home Assistant：智能家居中枢 n8n：自动化工作流 Ollama + Dify：本地大模型和 Agent 平台 Immich：照片管理，替代 Google Photos Memos：轻量级碎片化笔记 开发/运维层 Gitea：私有代码托管 Uptime Kuma：服务监控，挂掉会发 Telegram 提醒 Portainer：Docker 容器可视化管理 所有服务都跑在一台 J4125 和一台 N100 小主机上，总功耗不到 30W。自托管虽然花时间维护，但数据主权和定制化程度是在线服务没法比的。

用Dify搭建个人AI Agent Dify 是一个开源的 LLM 应用开发平台，最近体验了一下，搭建个人 Agent 比从零写代码省事太多。 部署用的 Docker Compose： git clone https://github.com/langgenius/dify.git cd dify/docker docker compose up -d 默认会用 OpenAI 的 API，但我在设置里改成了本地 Ollama 的地址，这样就可以完全离线使用了。 目前搭了几个小助手： 技术文档总结助手：把长文档丢进去，自动提取关键信息生成摘要 Shell命令生成器：描述需求，自动生成可执行的命令并解释原理 日报生成器：读取 Notion 里的今日笔记，自动整理成结构化日报 比直接调API的优势 有可视化的 Prompt 编排界面 内置 RAG 知识库，可以挂载自己的文档 工作流模式支持多步骤 Agent 协作 AI Agent 的方向确实是趋势，未来应该会把更多日常事务交给 Agent 处理。Dify 作为入门平台很合适，等更复杂的需求再考虑自己写框架。

Ollama本地大模型体验 大模型越来越火，但在线服务要么收费、要么有隐私顾虑。发现 Ollama 之后，本地跑大模型变得异常简单。 安装就是一条命令： curl -fsSL https://ollama.com/install.sh | sh 装完之后拉模型： ollama pull qwen2.5:7b ollama run qwen2.5:7b 7B 模型在我的 3060 12G 上跑得很流畅，推理速度大概 20 tokens/s，日常问答完全够用。又试了 llama3.1:8b 和 deepseek-coder:6.7b，后者写代码辅助效果不错。 配合其他工具使用 Open WebUI：给 Ollama 套一个漂亮的 Web 界面 Continue.dev：在 VS Code 里直接调用本地模型补全代码 Dify：后面打算接进去做 Agent 的底层模型 本地跑模型的优势是隐私和可控，劣势是参数量受限。不过日常任务 7B-13B 的模型已经能应付大部分场景了。算力平民化的时代真的来了。

Home Assistant智能家居折腾记 家里陆陆续续买了一些智能设备，但每个品牌都有自己的 App，控制起来很分散。终于下定决心部署 Home Assistant，把所有设备统一接进来。 硬件用的是之前闲置的 N100 小主机，系统是 Home Assistant OS，直接刷镜像启动，省心。 目前接入的设备： 米家 系列（通过 Xiaomi MIoT 集成） 飞利浦 智能灯泡（Zigbee 网关） 扫地机器人（Roborock 集成） NAS 状态监控（Synology 集成） 最喜欢的是自动化功能。设置了一个"晚安模式"：晚上 11 点后，如果客厅灯还亮着，自动关闭所有灯光、开启扫地机器人、把空调调到睡眠模式。 有点后悔没早点搞。HA 的社区生态非常强大，几乎什么设备都有对应的集成。下一步想加个人体传感器，做个更智能的"人在传感器"逻辑。

用n8n搭建个人自动化工作流 每天要花不少时间处理一些重复性事务，比如备份RSS订阅、整理记账数据、发送定时提醒。最近发现了 n8n，一个开源的自动化工作流工具，图形化拖拽就能搭建流程。 部署很简单，Docker 一行命令搞定： docker run -it --rm \ --name n8n \ -p 5678:5678 \ -v ~/.n8n:/home/node/.n8n \ n8nio/n8n 目前搭了几个实用的小流程： 每天早上 8 点抓取 GitHub Trending，把 Python 和 Go 的项目推送到 Telegram RSS 源有新文章时，自动归档到 Notion 数据库 每月 1 号生成上月的服务器流量报告，邮件发送给自己 相比其他工具的优势 开源免费，数据存在本地 节点丰富，支持 HTTP Request、数据库、各种 SaaS 服务 错误处理和重试机制做得不错 自动化虽然前期搭建花时间，但跑起来之后真的可以省下很多精力。打算再研究一下 n8n 的 Webhook 功能，把更多外部服务接进来。

本地部署Stable Diffusion AI 绘画火了大半年，一直在用在线版，但免费额度总是不够用。趁着显卡降价，入了一块 RTX 3060 12G，决定本地部署 Stable Diffusion WebUI。 部署用的是 AUTOMATIC1111 的版本，克隆仓库之后运行： ./webui.sh --xformers 第一次启动会自动下载模型，大概 4GB 左右，耐心等待即可。 生成一张 512x512 的图片大概 3-5 秒，比在线版快多了。试了几个热门的 Checkpoint 模型和 LoRA，效果确实惊艳。 显存优化小贴士 开启 --xformers 可以节省显存 高分辨率图用 Hires.fix 分步生成 ControlNet 插件功能很强，但需要额外显存 本地跑 AI 的感觉很奇妙，算力掌握在自己手里。接下来想研究一下 ComfyUI 的工作流模式，据说更灵活。

GitHub Actions自动化部署初体验 之前每次改完博客都要手动 build 再 rsync 到服务器，步骤虽然不多，但重复多了也烦。今天学习了一下 GitHub Actions，把部署流程自动化了。 核心思路很简单：代码 push 到 main 分支 → 触发 workflow → 执行 hugo 构建 → rsync 到 VPS。 .github/workflows/deploy.yml 的关键配置： on: push: branches: [main] jobs: deploy: runs-on: ubuntu-latest steps: - uses: actions/checkout@v3 - uses: peaceiris/actions-hugo@v2 - run: hugo --minify - run: rsync -avz ./public/ user@host:/var/www/... 踩了一个坑：rsync 需要 SSH 密钥，要把私钥存到仓库的 Secrets 里，然后在 workflow 里引用。一开始密钥格式没弄对，报错 Load key invalid format，后来删掉多余的换行才解决。 现在每次写完文章，git push 之后等一分钟，网站就自动更新了。自动化果然是第一生产力。

家用软路由折腾记 运营商送的路由器越来越不好用了，广告多、功能少、还时不时断流。一咬牙在某鱼淘了一台二手 J4125 小主机，打算自己搭软路由。 系统选的是 OpenWrt，刷的是 Lean 大佬的源码编译版。刷机过程比想象中顺利，用 BalenaEtcher 把镜像写到 U 盘，插上去启动，进 BIOS 设置硬盘启动顺序就行。 装好之后的几个常用配置： 网络 → 接口 → WAN → PPPoE拨号 网络 → 防火墙 → 端口转发 服务 → AdGuard Home → 去广告 AdGuard Home 是真香，全家的设备都不用单独装去广告插件了。再搭了个 SmartDNS，解析速度明显提升。 唯一的小遗憾是这台小主机没有 WiFi 模块，无线覆盖还是得靠原来的路由器改成 AP 模式来补足。整体来说，这次折腾很值。

Python爬虫踩坑记 工作需要抓取一些公开数据，用 Python 写了个简单的爬虫。一开始以为用 requests 库直接 get 就行，结果发现很多网站都有反爬机制。 第一个坑是 User-Agent 被识别。解决方法是每次请求随机换一个： headers = {'User-Agent': 'Mozilla/5.0 ...'} response = requests.get(url, headers=headers) 第二个坑是请求太频繁被 IP 封禁。加了 time.sleep(random.uniform(1, 3)) 之后好了很多。 第三个坑最麻烦，目标网站用了 JavaScript 动态渲染，requests 抓到的 HTML 是空的。最后用了 Selenium + ChromeDriver，虽然慢了点，但能拿到完整数据。 几点心得 爬虫不是万能的，先看对方有没有提供 API 遵守 robots.txt，不要给人家服务器造成压力 数据拿到之后记得清洗，原始数据往往很脏 写爬虫的过程也是学习 HTTP 协议的过程，收获不小。