本周精选 · 第8期 — 给本地 AI 装上手和脚：从多模态到自动化工作流
这一周我在站内连写了五篇，回头看，它们居然意…
这一周我在站内连写了五篇，回头看，它们居然意外地串成了一条完整的线——就是“怎么让本地大模型从只会陪聊，变成能真正替你干活”。今天这期精选，我把这条链给你捋一遍，顺带把每篇的核心命令拎出来，方便你直接抄作业。
一、先让它“看得见”：本地多模态视觉模型部署实战
很多朋友以为本地模型只能处理文字，其实 Ollama 早就支持视觉模型了。llava、qwen2.5-vl、moondream 这些，一张截图扔进去，既能描述画面又能做 OCR，抽发票、读 PDF 截图都不在话下。部署就一条命令：
ollama run llava真正好用的是配一个前端界面（Open WebUI），或者直接调 API。那篇里我重点讲了怎么用 Python 传图做批量 OCR，以及显存紧张时该选 7B 以下的哪几个视觉模型。核心就一句：先让模型有“眼睛”。
二、再给它“手和脚”：MCP 模型上下文协议实战
看得见还不够，得能动手。MCP（Model Context Protocol）干的就是这件事：给 Ollama 接上工具，让它能读本地文件、查系统信息。这篇我把 server/client 的架构拆开讲清楚了，关键配置长这样：
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/data"]
}
}
}装上之后，模型就不再是“只会输出文字”了，而是能真的去读你指定的目录、拿到结果再接着推理。
三、让它“进流程”：n8n 本地部署实战
有了眼睛和手脚，下一步是让它进入你的自动化工作流。n8n 是开源的工作流自动化平台，Docker 一条命令就能起：
docker run -d --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n那篇重点讲了怎么把 n8n 的 HTTP 节点接到本地 Ollama API，搭一条“新邮件进来 → AI 摘要 → 存到钉钉/Notion”的自动流水线。到这一步，本地 AI 才算真正开始替你干活。
四、顺手把操作历史管起来：Atuin
前三篇都在折腾 AI，这两篇回到开发者自己的效率。Atuin 把 Shell 历史记录存进本地 SQLite，支持全文搜索、跨主机同步、甚至统计你的敲命令习惯。装完以后，Ctrl+R 从此变成“时光机”：
curl --proto '=https' --tlsv1.2 -LsSf https://setup.atuin.sh | sh记住两件事：历史数据默认存在本地，隐私可控；只有加了同步配置才会上传，纯本地用直接关掉同步即可。
五、Git 也能有图形界面：lazygit
最后一个，lazygit。很多开发者 Git 靠盲打，lazygit 给你一个终端里的交互界面，暂存、提交、分支切换、解决冲突全在一个键盘操作里完成。装完进任意 Git 仓库直接敲 lazygit 就能用。那篇配了完整的快捷键表，属于“装上就回不去”的那类工具。
写在最后
五篇串起来是一条很清晰的进阶路线：先让模型看得见（多模态），再让它动得了手（MCP），然后把它接进流程（n8n），最后顺手把自己的终端和 Git 效率也提上来（Atuin、lazygit）。如果你一直在犹豫“本地 AI 到底能干嘛”，这一周的内容就是最好的答案。
五篇原文都在站内，点标题就能回看。下周继续。
