https://newzone.top/services/dockers-on-nas/qinglong.html

https://zhuanlan.zhihu.com/p/27966794518

![PixPin_2025-11-28_20-33-32.png](/static/img/7b402b54dbc8f21b253d8be900fb5241.PixPin_2025-11-28_20-33-32.webp)

https://www.123865.com/s/3OzeVv-wsWQv?pwd=6666#

qiandao部署，docker更新提示。

1ms
https://docker.1ms.run

https://nezha.wiki/guide/dashboard.html

临时记事本

![Gemini_Generated_Image_uy9x31uy9x31uy9x.png](/static/img/88761f196a4994d180f01357d1d6effc.Gemini_Generated_Image_uy9x31uy9x31uy9x.webp)



玩 Docker 一段时间后，特别是部署了各种重型 AI 环境（比如含有庞大 Python 库的网关）或影音刮削工具后，硬盘空间经常会不知不觉地被吞噬殆尽。当 NAS 存储分区突然亮起红灯时，掌握一些精准的诊断和清理命令就显得尤为重要了。

这篇备忘录整理了日常折腾 Docker 时最常用的命令，并重点分享如何揪出吃掉几十个 G 硬盘空间的“元凶”。

## 一、 日常基础操作

这部分是每天都会用到的高频命令，主要用于查看和管理容器状态。

* **查看正在运行的容器：**
```bash
docker ps

```


* **查看所有容器（包括已停止的）：**
```bash
docker ps -a

```


* **启动 / 停止 / 重启容器：**
```bash
docker start <容器名或ID>
docker stop <容器名或ID>
docker restart <容器名或ID>

```


* **删除特定容器：**
*(注意：删除前需要先停止容器)*
```bash
docker rm <容器名或ID>

```



---

## 二、 进阶诊断：谁吃掉了我的硬盘空间？

当发现 Docker 占用了大量空间时，不要盲目乱删。通过以下两个命令，可以精准定位到底是哪个镜像或目录在捣鬼。

### 1. 查看容器内部偷偷写入的数据

有时候容器配置不当，没有将数据目录正确挂载到物理硬盘上，会导致下载的文件全塞进容器内部。

```bash
docker ps -as

```

*执行后请注意输出结果的最后一列 `SIZE`。例如 `296MB (virtual 1.91GB)`：括号外的数字代表容器运行后内部产生的真实垃圾数据，如果这个数字大得离谱，说明挂载配置出了问题；括号里的数字则是镜像的基础大小。*

### 2. 深度剖析 Docker 底层目录占用

如果想知道底层存储到底是怎么分布的，直接运行这行神仙组合命令：

```bash
du -sh $(docker info -f '{{.DockerRootDir}}')/* | sort -rh

```

*这条命令会自动查找 Docker 的真实存储路径，并按大小降序排列其中的文件夹。如果 `overlay2` 目录动辄几十 GB，通常是因为拉取了太多庞大的基础镜像；如果是 `containers` 目录极大，则可能是某个容器的日志失控了。*

---

## 三、 终极清理：大扫除与空间释放

在确认了空间被无用数据占用后，使用以下命令可以安全地进行大面积清理，瞬间释放十几 G 甚至几十 G 的空间。

### 1. 官方一键清理（常规手段）

安全地清理所有已停止的容器、未被使用的网络以及“悬空”的无用镜像：

```bash
docker system prune

```

### 2. 强力清理历史镜像（极其有效）

当你频繁更新容器版本后，旧版本的镜像并不会自动删除。这个命令会把所有**当前没有被任何运行中容器使用**的旧镜像彻底干掉：

```bash
docker image prune -a

```

### 3. 清理游离的数据卷

有些容器被删除了，但它申请的虚拟数据卷还在默默占用硬盘。执行以下命令彻底清空它们：

```bash
docker volume prune

```

**⚠️ 核心提示：** 在执行强力清理前，请务必确保所有需要保留数据的容器都已经正确使用了本地路径映射（Bind Mount）。只要挂载正确，清理镜像和游离卷绝对安全。

docker常用命令备忘

![Gemini_Generated_Image_7jkgrj7jkgrj7jkg.png](/static/img/1d4d5f8a9a2344a72ab0a4cace77c98d.Gemini_Generated_Image_7jkgrj7jkgrj7jkg.webp)


### 📂 2026 个人 AI 学习笔记

#### 1. 核心大模型 (LLM) - AI 的大脑

> *这是所有应用的基础，记录对话、写作、逻辑推理的心得。*

* **在线平台 (闭源/商业)**
* ChatGPT (OpenAI) / Claude (Anthropic) / Gemini (Google)
* Grok (xAI) 


* **本地部署 (开源/隐私)**

* **Qwen (通义千问)** 
* Llama 系列 / Mistral
* **部署工具：** Ollama / LM Studio / vLLM



#### 2. AI 绘图 (Image Gen) - 视觉创意

* **在线平台**
* Midjourney - *艺术性标杆*
* DALL-E 3 / Imagen
* Nova ai


* **本地部署**
* Stable Diffusion (WebUI / **ComfyUI**) - *ComfyUI 是进阶必修*
* Flux 系列 - *如果是2026年的主流开源模型*


#### 3. AI 视频 (Video Gen) - 动态影像


* **文生视频 / 图生视频**
* **Sora** (OpenAI)
* **Grok** (xAI) - *备注：尺度与创意方向*
* Runway Gen 系列 / Pika / Luma Dream Machine


* **视频转绘/风格化 (Video-to-Video)**
* **Senddance 2.0** - *你提到的工具，专注于舞蹈/动作迁移？*
* Domod (本地重绘流程)



#### 4. AI 音频 (Audio & TTS) - 听觉交互


* **语音合成 (TTS - Text to Speech)**
* **在线：** ElevenLabs (拟真度标杆) / OpenAI Voice
* **本地：**
* GPT-SoVITS - *少量样本克隆，效果极佳*
* CosyVoice / ChatTTS


* **音乐与音效生成 (Music Gen)**
* Suno / Udio - *生成完整歌曲*
* Stable Audio - *生成背景音效*



#### 5. AI 编程与辅助开发 (Coding)


* **IDE 插件：** Cursor / GitHub Copilot
* **辅助构建：** 用 AI 写 Python 脚本处理 Excel、批量重命名文件等。

#### 6. AI Agent 与 自动化工作流 (Workflow)

* **RAG (知识库)：** 怎么把个人文档喂给 AI？(AnythingLLM / Dify)
* **自动化：** Coze (扣子) / Dify - *搭建自己的 AI 机器人*

#### 7. 硬件与环境配置 (Infrastructure)

* **硬件记录：** 显卡(GPU)性能测试、Mac/Win 兼容性对比、NAS 部署心得。
* **环境搭建：** Python 环境管理 (Conda)、Docker 容器化部署 AI 服务。

【长期更新】2026年AI学习笔记

打造办公环境隐身上网方案

![Gemini_Generated_Image_y5b6pvy5b6pvy5b6.png](/static/img/d717ec19a04485b72b8fe58f2a0967d3.Gemini_Generated_Image_y5b6pvy5b6pvy5b6.webp)


## 导言

你是否在下班前想不起今天干了什么？或者找不回三小时前在屏幕上闪过的一行代码？

本文将教你如何利用 **Open WebUI**（前端）、**ScreenPipe**（后端）搭建一套全自动、低功耗、跨平台的个人记忆库。

---


# 一、 Open WebUI：全能型 AI 交互前端

## 1. 什么是 Open WebUI？

**Open WebUI**（原名 Ollama WebUI）是一个极其强大、可扩展且用户友好的自托管 Web 界面。它不仅仅是一个聊天框，更是一个集成了模型管理、知识库（RAG）、插件工具和多用户协作的**大模型操作系统**。

* **多模型支持**：支持本地的 Ollama 模型，也完美兼容 OpenAI 格式的第三方 API（如 DeepSeek）。
* **工具集成**：支持通过 Python 编写自定义工具（Tools），这正是我们接入 ScreenPipe 记忆的关键。
* **交互体验**：拥有类似 ChatGPT 的流畅体验，支持代码高亮、Markdown 渲染和多模态交互。

---

## 2. 部署过程（以 Ubuntu 环境为例）

为了确保环境隔离与部署的便捷性，我们强烈建议使用 **Docker** 进行部署。

### 1. 环境准备

确保你的 Ubuntu 系统已经安装了 Docker 和 Docker Compose。

```bash
# 更新并安装 Docker
sudo apt-get update
sudo apt install docker.io docker-compose -y

```

### 2. 使用 Docker 一键部署

你可以选择带有集成 Ollama 功能的版本，或者仅部署 WebUI 本身（本教程推荐仅部署 WebUI，因为我们会外部连接 Windows 的 ScreenPipe 和云端的 DeepSeek）。

运行dockercompose：

```dockercompose
version: "3.8"
services:
  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: open-webui
    volumes:
      - ./data:/app/backend/data
    ports:
      - 18080:8080
    extra_hosts:
      - host.docker.internal:host-gateway
    restart: always
    environment:
      - HF_ENDPOINT=https://hf-mirror.com
```

* **`-p 18080:8080`**：将容器的 8080 端口映射到宿主机的 18080 端口。

### 3. 初始化配置

1. **访问页面**：在浏览器打开 `http://<你的服务器IP>:18080`。
2. **注册管理员**：第一个注册的账号将自动获得 **管理员 (Admin)** 权限。
3. **进入面板**：点击头像进入“管理员面板” -> “设置”，你会看到熟悉的配置界面。

在完成 Open WebUI 的基础部署后，接下来的核心环节是为其注入“灵魂”——通过对接 **DeepSeek V3** 等高性能在线大模型，让 AI 具备处理 ScreenPipe 海量历史数据的逻辑分析能力。

### 4. 对接在线大模型：以 DeepSeek 为例

虽然本地模型隐私性好，但面对 ScreenPipe 产生的海量文本（上下文可能高达数万 Token），DeepSeek V3 凭借超长上下文和极低的价格，是目前最完美的平衡方案。

### 1. 获取 DeepSeek API Key

1. 访问 DeepSeek 开放平台官网。
2. 进入“API Keys”页面，创建一个新的密钥（Key）并妥善保存。

### 2. 在 Open WebUI 中配置连接

进入 **管理员面板 -> 设置 -> 外部连接** 界面进行如下配置 ：

**URL**: 填写官方 API 地址 `https://api.deepseek.com/v1` 。

**认证方式**: 选择 **密钥 (Bearer)**，并在右侧输入框粘贴你获取的 API Key 。

在 **“模型 ID”** 栏手动输入 `deepseek-chat`，然后保存并回到主页 。

**模型选择**: 在聊天界面左上角确保选中了刚刚添加的 `deepseek-chat` 。

DeepSeek 支持高达 128k 的上下文，这使得它能一口气读完你过去数小时的操作记录而不丢失细节。


### 💡 部署小贴士

:::tip{title="提示"}
* **安全性**：如果你的服务暴露在公网，请务必在“管理员设置”中关闭“新用户注册”功能，以防 API 额度被盗刷。
* **内网连接**：将来在配置连接 Windows 端的 ScreenPipe 时，请确保 Ubuntu 容器能正常 Ping 通 Windows 的内网 IP（如 `10.10.158.165`）。
:::

---

# 二、 ScreenPipe：系统的“数字眼睛”与长效记忆

## 1. 什么是 ScreenPipe？

**ScreenPipe** 是一款开源的跨平台库，旨在捕获你数字生活的完整上下文。它不仅是一个录屏工具，更是一个高效的后台数据采集器：

* **全方位记录**：通过录制屏幕画面进行 OCR（文字识别），并转录麦克风或系统音频。
* **本地索引**：所有数据均存储在本地（默认路径为 `%USERPROFILE%\.screenpipe\data`），保障隐私安全。
* **记忆检索**：提供API 接口，让 Open WebUI 等工具能够像检索搜索引擎一样检索你的“历史瞬间”。

---

##  2. 详细部署过程 (Windows 端)


### 1. 下载源码及相关配套

#### 1.ffmpeg下载安装

手动下载 ffmpeg-n7.1-latest-win64-gpl-7.1.zip

[直链下载](https://share.zym588.space/d/%E4%BA%91%E7%AB%AF%E8%BD%AF%E4%BB%B6%E5%BA%93%EF%BC%88%E9%80%9F%E5%BA%A6%E5%BF%AB%EF%BC%89/%E5%AA%92%E4%BD%93%E5%B7%A5%E5%85%B7/ffmpeg/ffmpeg-n7.1-latest-win64-gpl-7.1.zip?sign=IoeSe5kI3YXrxhtz_fJpzRf1hIQx10MituHisF2u-MA=:0)

:::info{title="注"}
解压文件： 把下载的压缩包解压。您会看到一个文件夹，点进去找到 bin 文件夹。

里面应该有 ffmpeg.exe, ffprobe.exe 等文件。

配置环境变量 (PATH)：

复制路径： 点击这个 bin 文件夹地址栏，复制完整路径（例如 C:\Downloads\ffmpeg-n7.1...\bin）。

打开设置： 按 Win 键，搜索 “编辑系统环境变量” 并打开。

点击按钮： 右下角的 “环境变量”。

找到 Path： 在 “系统变量”（下面那个框）里找到 Path，选中它，点 “编辑”。

添加路径： 点右侧 “新建”，把刚才复制的 bin 文件夹路径粘贴进去。

保存： 一路点 “确定” 关闭所有窗口。

验证并重启：

打开一个新的 PowerShell 窗口，输入 ffmpeg -version。如果有输出版本信息，说明配置成功。
:::
#### 2.screenpipe下载安装

访问 GitHub Releases 页面：https://github.com/mediar-ai/screenpipe/releases

找到最新版本的 Assets，下载 screenpipe-...-x86_64-pc-windows-msvc.zip。

[下载直链](https://github.com/mediar-ai/screenpipe/releases/download/v0.2.74/screenpipe-0.2.74-x86_64-pc-windows-msvc.zip)（建议检查版本是否有更新）

解压到一个固定目录，例如 C:\Users\Admin\。

:::info{title="注"}
进入 bin 目录，找到 screenpipe.exe 并运行。

接下来如果正常识别我们之前安装好的ffmpeg，则会进入下一步语音模型的下载。

这里十有八九会报错 Connection Failed: Connect error: connection timed out 

因为模型托管在 HuggingFace 上，这个网站在国内访问非常不稳定（通常是被墙了）。

**解决办法很简单：**

第一步：设置国内镜像加速（魔法命令）

PowerShell运行

`$env:HF_ENDPOINT = "https://hf-mirror.com"`

(这行命令回车后不会有任何提示，是正常的)

第二步：再次启动（这次它会飞快）

PowerShell运行

`.\screenpipe.exe`
:::

### 2. 联通运行测试

这一部分非常关键，在进入自动化阶段前，我们必须通过手动测试来排除网络和端口的干扰。

进入你的程序目录并运行最精简的测试命令：

```powershell
cd C:\Users\Admin
.\screenpipe.exe --fps 1 --ocr-engine windows-native

```

**成功标志**：如果你看到控制台输出了 `Starting video recording` 以及 `Starting meeting events polling`，说明核心引擎已正常唤醒。


### 2. 必须警惕的“三大坑”

根据实战经验，大多数人的失败都卡在以下几个地方：

#### 坑位一：端口转发与网络隔绝

在手动测试阶段，你可能会发现：明明 screenpipe.exe 正在运行，Windows 浏览器访问http://localhost:3030/health 也正常，但从同局域网 Ubuntu 虚拟机里 curl 却是报错。

ScreenPipe 默认只监听 127.0.0.1。

你可以通过以下命令验证这个现象：

`netstat -an | findstr 3030`

观察结果：如果你看到的是 127.0.0.1:3030 而不是 0.0.0.0:3030，说明它确实处于“自闭模式”。

为了让虚拟机访问，必须执行转发。 

以 管理员权限 打开 PowerShell，运行以下命令（我们将外部的 3030 流量转给内部的 3030）：

```PowerShell
netsh interface portproxy add v4tov4 listenaddress=0.0.0.0 listenport=3030 connectaddress=127.0.0.1 connectport=3030
```

:::tip{title="提示"}
listenaddress=0.0.0.0：表示监听所有网卡，不管是局域网还是虚拟机网桥都能接。

connectaddress=127.0.0.1：将接到的流量转给 ScreenPipe 所在的“卧室”。
:::

在 Ubuntu 虚拟机中再次尝试：

`curl http://<Windows_主机的_IP>:3030/health`

成功标志：如果返回了 {"status":"healthy"}，恭喜你，任督二脉已打通！

如何删除转发？：如果你以后想取消这个转发，运行以下命令即可：

`netsh interface portproxy delete v4tov4 listenaddress=0.0.0.0 listenport=3030`

防火墙策略：如果 curl 依然不通，请确保 Windows 防火墙允许 3030 端口的入站规则。需以管理员权限运行此命令放行端口： 

`New-NetFirewallRule -DisplayName "Allow ScreenPipe" -Direction Inbound -LocalPort 3030 -Protocol TCP -Action Allow`



#### 坑位二：IPv6 监听陷阱（导致跨设备搜不到）

这是一个深坑：ScreenPipe 默认优先监听 **IPv6** 端口（`[::]:3030`）。

* **问题**：当你的 Ubuntu 容器尝试通过 IPv4 地址（如 `10.10.158.165`）访问 Windows 时，连接会被拒绝。
* **解决办法**：在 Windows 端以管理员权限运行以下命令，强制将 IPv4 的请求转发到本地监听端口：
```powershell
netsh interface portproxy add v4tov4 listenport=3030 listenaddress=0.0.0.0 connectport=3030 connectaddress=127.0.0.1

```

#### 坑位三：参数冲突导致的 Tokio Runtime 崩溃

某些版本中，加入 `--disable-audio` 或 `--disable-meeting-scheduling` 可能会触发底层异步引擎的 Panic 报错。

* **建议**：如果手动运行报错，请尝试**减少**可选参数，仅保留 `--fps 1 --ocr-engine windows-native` 这一组最稳健的组合。

---

#### 跨设备连通性最后验证

在 Windows 运行着 ScreenPipe 的情况下，去 Ubuntu 终端运行：

```bash
curl http://<Windows_IP>:3030/health

```

**只有看到返回 `{"status":"healthy"}` 或类似的 JSON 字符串，才算打通了任督二脉！** 此时再进入下一阶段的自启动脚本部署，才是稳操胜券。

---

### 3. 编写黄金启动脚本 (`Run-ScreenPipe.ps1`)

为了实现长期稳定的“无感运行”，我们不能简单地双击运行，而需要通过优化后的脚本进行管理。

在 `C:\Users\Admin\` 目录下创建一个 PowerShell 脚本，填入以下经过性能优化的代码：

```powershell
# ================= 完美配置区 =================
$WorkDir    = "C:\Users\Admin"
$ExePath    = "$WorkDir\screenpipe.exe"
$DaysToKeep = 5  # 自动清理5天前的录像，节省空间
# =============================================

Write-Host "--- ScreenPipe Perfect Loader ---" -ForegroundColor Yellow

# 1. 强力清场：确保没有残留的僵尸进程占用 3030 端口
Get-Process -Name "screenpipe" -ErrorAction SilentlyContinue | Stop-Process -Force
Start-Sleep -Seconds 5

# 2. 空间维护：删除旧的 .mp4 视频，只保留文字数据库
$DataPath = "$env:USERPROFILE\.screenpipe\data"
if (Test-Path $DataPath) {
    Get-ChildItem -Path $DataPath -Include *.mp4 -Recurse | Where-Object { $_.LastWriteTime -lt (Get-Date).AddDays(-$DaysToKeep) } | Remove-Item -Force -ErrorAction SilentlyContinue
}

# 3. 完美状态启动：
# --fps 1: 极低功耗，解决你之前的 71°C 高温问题
# --ocr-engine windows-native: 极低显存占用，解决之前的 93% 显存爆满问题
Set-Location $WorkDir
$FinalArgs = "--fps 1 --ocr-engine windows-native"

# 使用脱离模式在后台静默启动
cmd /c "start /b .\screenpipe.exe $FinalArgs"

Write-Host "ScreenPipe is now guarding your memory in background!" -ForegroundColor Green


```

为了让这个脚本在开机时不弹黑框自动运行，请在管理员权限的 PowerShell 中执行以下命令：


```PowerShell
$Action = New-ScheduledTaskAction -Execute "powershell.exe" -Argument "-ExecutionPolicy Bypass -WindowStyle Hidden -File ""C:\Users\Admin\Run-ScreenPipe.ps1"""
$Trigger = New-ScheduledTaskTrigger -AtLogOn
$Principal = New-ScheduledTaskPrincipal -UserId $env:USERNAME -LogonType Interactive -RunLevel Highest
$Settings = New-ScheduledTaskSettingsSet -AllowStartIfOnBatteries -DontStopIfGoingOnBatteries -Hidden

Register-ScheduledTask -TaskName "ScreenPipe_Perfect_AutoStart" -Action $Action -Trigger $Trigger -Principal $Principal -Settings $Settings
```

这样每次开机就会在后台自动启动screenpipe进行监控。

可以通过以下方式验证运行状态：

* **进程验证**：打开任务管理器 -> “详细信息”，确认能搜到 `screenpipe.exe`（而非 `smartscreen.exe`）。
* **文件验证**：检查 `.screenpipe\data` 文件夹，应看到新的 `.mp4` 文件生成。
* *注：文件名采用 UTC 时间，若看到时间比北京时间慢 8 小时是完全正常的。*


* **日志验证**：若程序闪退，请查看 `screenpipe_debug.log`。如果提示 `tokio-runtime` 错误，通常是由于端口被占用或加了不支持的参数（如 `--disable-meeting-scheduling`）。

# 📖 第三阶段：深度联动：编写 Open WebUI 工具调用 ScreenPipe

在完成了网络打通与大模型对接后，最后一步也是最硬核的一步：在 Open WebUI 中编写 **工具 (Tools)**。这能让 AI 拥有调用 ScreenPipe 接口的主动权，实现“大脑”对“眼睛”的指挥。

通过编写 Python 工具插件，我们可以让 DeepSeek 在需要查询你的记忆时，自动发送一个 HTTP 请求到 Windows 端的 ScreenPipe API（端口 `3030`），并将搜到的文字抓取回来进行总结。

## 1. 详细配置步骤

1. **进入工具入口**：在 Open WebUI 左侧菜单栏点击 **“工作空间 (Workspace)”** -> **“工具 (Tools)”** -> 点击右侧的 **“+” (创建工具)**。
2. **粘贴核心代码**：在弹出的代码编辑器中，粘贴以下专为 ScreenPipe 优化的 Python 代码。

#### **核心代码 (Python)**：

```python
import requests
import datetime

class Tools:
    def __init__(self):
        # 这里的 IP 必须填写你 Windows 主机的内网 IP
        self.base_url = "http://10.10.158.165:3030" 

    def _utc_to_beijing(self, utc_str: str) -> str:
        """将 UTC 转换为北京时间"""
        try:
            utc_dt = datetime.datetime.fromisoformat(utc_str.replace('Z', '+00:00'))
            beijing_dt = utc_dt + datetime.timedelta(hours=8)
            return beijing_dt.strftime('%Y-%m-%d %H:%M:%S')
        except:
            return utc_str

    def search_screen_memory(self, query: str) -> str:
        """查询用户屏幕操作历史或搜索特定记忆"""
        url = f"{self.base_url}/search"
        params = {"q": query, "limit": 15, "content_type": "ocr"}
        
        try:
            response = requests.get(url, params=params, timeout=5)
            data = response.json()
            if not data or "data" not in data:
                return "未找到相关记忆。"
            
            results = []
            for item in data["data"]:
                content = item.get("content", {}).get("text", "")
                timestamp_raw = item.get("content", {}).get("timestamp", "未知")
                # 转换时区显示
                local_time = self._utc_to_beijing(timestamp_raw)
                results.append(f"[{local_time}]: {content}")
            
            return "\n---\n".join(results)
        except Exception as e:
            return f"连接失败，请检查网关或 IP: {str(e)}"

```

3. **保存并启用**：点击右下角的 **“保存”**。

---

### 2. 在聊天中激活联动

1. **开启工具开关**：回到聊天界面，点击输入框上方的 **“+”** 或 **“工具图标”**，勾选你刚刚创建的 `search_screen_memory` 工具。
2. **下达指令**：
* **指令 A**：“帮我看看我刚才在网页上看到的那个服务器内网 IP 是多少？”
* **指令 B**：“检索一下我刚才运行失败的那个 PowerShell 脚本报错信息。”



### 💡 联动成功的关键细节

* **IP 地址的精确性**：代码中的 `self.base_url` 必须是你在 Windows 端通过 `ipconfig` 查到的那个 `10.x.x.x` 地址，不能写 `localhost`，因为 Docker 容器里的 `localhost` 指的是容器自己。
* **端口转发的配合**：必须确保你已经执行了上一步提到的 `netsh` 端口转发命令，否则 Ubuntu 端的工具无法突破 Windows 的防火墙。
* **模型智商**：强烈建议配合 **DeepSeek V3** 使用，因为它能根据工具返回的凌乱 OCR 碎片，自动拼凑出完整的逻辑并回答你。


# 📖 第四阶段：让“大脑”保持冷静

一套 24 小时运行的采集系统，如果不加维护，很快就会让你的电脑不堪重负。

## 1. 存储空间的“断舍离”

ScreenPipe 会产生两类数据：**`.db` 数据库文件**（存储文字索引，体积小）和 **`.mp4` 视频分片**（存储原始画面，体积大）。

* **策略**：我们在自启脚本中设置了 `$DaysToKeep = 5`。
* **理由**：5 天前的视频画面通常不再需要，AI 只需要通过 `.db` 里的文字记录就能帮你回忆起 80% 的内容。

## 2. 硬件健康监控

长期 OCR 识别是非常吃资源的，务必定期观察：

* **温度监控**：如果 CPU 长期处于 **70°C 以上**，请检查脚本中是否漏掉了 `--fps 1` 参数。
* **显存回收**：如果你运行了本地 Ollama 模型，显存占用接近 **93%** 时，ScreenPipe 的 OCR 线程可能会发生死锁导致无法写入新数据。

---

# 第五阶段：进阶玩法：解锁 AI 记忆的无限可能

当你习惯了随时召唤 AI 检索记忆后，可以尝试以下“极客玩法”：

## 1. 跨设备的“云大脑”：HomeLab 深度集成

如果你家里有 NAS 或个人服务器，可以将 Open WebUI 部署在服务器上。

* **玩法**：在 Windows 笔记本上运行 ScreenPipe，在手机或平板上通过浏览器访问服务器的 Open WebUI。
* **场景**：躺在床上用手机问 AI：“帮我查一下今天下午我在华为交换机上配置的 VLAN 编号是多少？”

## 2. 自动化日报生成：从记录到输出

利用 Open WebUI 的 API，你可以编写一个简单的 Python 脚本，每天晚上 11 点定时调用 DeepSeek。

* **指令**：*“检索今天所有内容，按‘学习’、‘工作’、‘娱乐’三个维度为我生成一份 300 字的日报。”*
* **进阶**：配合 **VanBlog** 或其他博客平台，实现每日自动化复盘推送。

## 3. 多模态记忆：加入音频转录

ScreenPipe 不仅记录画面，还能捕捉音频。

* **进阶参数**：确保 `audio_manager` 正常启动。
* **场景**：即使你没有在屏幕上打字，只要会议中有人提到了某个关键词，DeepSeek 也能通过转录的文字索引帮你找回那一刻的对话。

---

## 结语

从最初的端口不通、脚本闪退、到最后的完美运行，我们不仅仅是部署了一个软件，更是通过 **Docker、PowerShell、网络转发和 Prompt Engineering** 构建起了一个真正懂你的私人空间。

在这个信息爆炸的时代，与其去记忆所有的细节，不如把“记录”交给 ScreenPipe，把“理解”交给 DeepSeek，而把你的精力，留给更有价值的创造！