资源介绍
视频数量：12个
总时长：1小时27分
课程介绍：
打造你的个人AI助手：构建完全私密的智能分身
你有没有想过，拥有一个完全属于自己的人工智能助手，它了解你的日程、熟悉你的文件、记得你交代过的每一件事，而且所有数据都留在你自己的电脑上，不会被任何外部服务窥探？这听起来像是科幻小说，但今天这已经完全可以实现了。
这门课要教你的，就是从零开始在你的Mac上搭建这样一个个人AI系统。整个课程不到一个半小时，但内容非常紧凑，涵盖了从环境配置到功能定制的完整流程。
第一步是安装Docker Desktop。Docker是整个系统的地基，它提供了一个隔离的运行环境，让你的AI助手能够稳定运行。不管你用的是Apple Silicon芯片还是Intel芯片的Mac，安装步骤基本相同。课程会先检查你的系统是否满足要求——macOS需要是Monterey 12版本或更新，内存至少4GB但建议8GB以上，还需要大约10GB的磁盘空间。然后根据你的芯片类型下载对应的Docker版本，这一步很关键，选错版本会导致Docker无法启动。
基础打好之后，课程引入了AnythingLLM这个核心工具。AnythingLLM是一个专门为个人使用设计的AI应用平台，它支持多种大语言模型，可以处理文档、进行对话，而且界面简洁易用。这个工具将成为你个人AI的大脑中枢，负责理解和回应你的各种请求。
接下来是最关键的部分：配置智能层。课程会详细讲解如何设置LLM Provider，也就是选择用哪个语言模型来驱动你的AI，可以是本地部署的模型也可以是云端API。然后是Agent Provider的配置，让AI具备执行具体任务的能力。还有Embedder的设置，这是让AI能够理解文档内容的关键组件。最后是Vector Database的选择和配置，数据库用来存储文档的向量表示，让AI能够快速检索相关信息。
RAG和固定引用是课程的一个重要章节。RAG即检索增强生成，它让AI在回答问题时能够先从你的文档库中查找相关信息，然后再结合这些信息生成答案，而不是凭空编造。固定引用功能则允许你预先上传重要的参考资料，确保AI在回答特定问题时一定会参考这些内容，而不是每次都随机发挥。这两个功能配合使用，能让你的AI变成一个真正了解你、忠于你资料的可靠助手。
为了让AI具备更多实用能力，课程还花了大量篇幅讲解各种MCP工具的安装和配置。MCP是Model Context Protocol的缩写，可以理解为AI的能力扩展模块。time MCP让AI能够访问准确的时间信息，知道现在是几点几分，还能帮你处理日程相关的查询。memory MCP赋予AI记忆能力，让它能够跨对话记住重要的信息和上下文。filesystem MCP让AI可以直接读取和操作你的本地文件，你可以问它某个文件夹里有什么文件，或者让它帮你整理文档。Brave Search MCP则为AI装上了眼睛，让它能够实时搜索互联网，获取最新的信息而不局限于训练数据。SQL MCP让AI具备了数据库查询能力，如果你的工作涉及数据分析，这个功能会非常有用。
Google集成是课程的另一大亮点。通过Apps Script Web应用的方式，课程教你如何让AI连接到你的Google日历和Gmail。注意这里用的是Apps Script方法，而不是直接OAuth或者第三方MCP服务器。课程特别强调隐私原则——直接用OAuth虽然方便，但令牌管理很麻烦；用商业MCP服务器虽然即插即用，但需要把账户信息共享给外部服务，这在隐私层面是很大的风险。而Apps Script方案完全在你的Google账户内运行，不需要任何API密钥或令牌离开你的环境。课程会详细讲解三账户规则，避免常见的权限错误。
构建个人AI系统还有一个不得不考虑的问题：成本。课程专门用一章来讲成本管理，包括如何选择合适的模型、如何优化API调用频率、如何监控费用等，让你在享受AI便利的同时不会收到天价账单。
最后是备份和远程访问的设置。课程会教你如何备份你的AI环境，确保数据安全。同时配置Tailscale，让你即使不在家也能安全地访问你的个人AI系统。
学完这门课，你能得到一个完全运行在你本地Mac上的AI助手，它有访问时间、文件、数据库、网络搜索、Google日历和邮件的能力，所有数据都不会离开你的设备。如果你对AI感兴趣，想拥有一个真正属于自己的智能助手，同时又非常在意隐私和数据安全，这门课会是一个很好的起点。整个学习过程大约一个半小时，节奏紧凑但不失细节，适合想要动手实践的读者。