[{"content":"为什么个人需要知识库 首先解释下当前AI趋势，今年大模型迭代速度远超以往，模型已经非常智能，但限制AI走进我们生活和工作的是工程化编排：提示词工程、上下文记忆、工具定义、纠错、验证、循环等。今天这篇聊聊和上下文相关的知识库。\n个人知识库相当于个性化的第二大脑，能让通用大模型更懂你。通用模型很智能但它不一定能懂你，比如了解你的工作，兴趣喜好，原因是你没给他提供足够的上下文信息。这些信息从哪来，那就需要你日常积累，比如所在行业，日常工作内容，最近做的项目，会话纪要等和自己切身相关的数字化信息。如何采集呢？当前效率最高的方式是让AI自动给你整理归纳存档，比如你的文章、视频、图片等一切能形成数字化信息保存的内容，都可以交给它并创造自动化采集流程（skill），让个人信息源源不断的自动积累。那如何存储和应用，这就是本文要讲的内容。\n选择哪个知识库工具 不卖关子，直接\u0026quot;祭出\u0026quot;和对比两套开源记忆工具：OpenViking和TencentDB-Agent-Memory，它们定位有细微差别但主要功能相同——记忆知识库，在Github上也很热门，博主也亲自验证(折腾)了两套工具，最终建议直接选择OpenViking。\n花了近一周时间从TencentDB-Agent-Memory再到OpenViking，最大的感触是TencentDB给老子爬，OpenViking真香，一个半成品，一个近乎成熟应用——差就差在导入体验和 Agent 接入上，两套方案对比：\n维度 OpenViking TencentDB-Agent-Memory 部署体验 Docker 一键起，文档全 能跑，但文档少 Agent 接入 MCP 官方支持，主流 Agent 开箱即用 靠 Proxy 中转，配置复杂 资产导入 异步处理，状态进度可见 缺状态管理，黑盒且慢 使用体验 近乎成熟应用 半成品 OpenViking OpenViking主页基本涵盖了完整的应用、管理、监控等功能，在使用体验上相当流畅。\nOpenViking - GitHub\n支持各类AGENT工具接入，接口和配置齐全，涵盖各主流Agent：claude、codex、opencode、hermes、Pi、workbuddy、openclaw等\n架构图：AI 助手们从各个入口进来，把活儿交给一个总管家，它派三个帮手分别管聊天、找资料、收资料，所有东西最终存进两个仓库——一个放原文，一个放索引方便快速翻找。\n资产管理图：一条资料加工流水线——各种来源的文件进来排队，先拆解整理存好，再自动写摘要、编索引，以后随时能搜到；还会定时回访源头，有新内容就自动更新。\n记忆作用域图：像一套同心圆的保险柜——最外层是公司大家共用的资料架，中间是每个人的私人抽屉，最里层是你跟不同人聊天时留下的分别的小本本，谁也翻不到别人的。记忆存储图：\nTencentDB-Agent-Memory TencentDB主页展示美观，功能较全，重点是对团队/个人的资产管理：知识库、对话记忆、技能以及项目代码图谱等，但操作体验糟糕，核心功能的用户路径没有优化好，资产导入解析缺少状态和进度管理，尤其在知识库解析上，50 份共 10MB 的文件，居然耗时约 1 小时；之前单次上传 400 份文件，跑了 1 天都没结果，由于缺少状态机制，底层的资产处理近乎是黑盒。\nTencentDB-Agent-Memory - GitHub\n支持Agent有限，接入靠Proxy中转，不在接入范围内容的Agent需要单独配置，较为复杂且缺少明确的官方接口/操作文档\n如何安装OpenViking 下方是全部署流程skill，已将踩过的坑全填上，耗时约 10–30 分钟即可部署完成。用法：下载后将文件内容直接发给 Claude Code / ZCode，让它按步骤执行即可。唯一需要记住的破坏性运维是，若换 Embedding 模型时会重建向量\n👉 点击下载部署 Skill（openviking-deploy-skill.md）\n推荐使用 ZCode，新用户赠送 3 亿 tokens 的 GLM-5.3 免费额度：ZCode | GLM-5.3 官方 Harness\n模型 Key 来自智谱开发平台：智谱 bigmodel.cn\n如何使用OpenViking 怎么用：三条路径 路径 1：在编程智能体对话里直接用（最常用） OpenViking 官方提供 MCP 接入，接入 ZCode / Claude Code 等智能体后，对话里就有 15 个工具，按用途分四组：\n用途 工具 说什么就行 检索 find / search / read / tree / list / grep / glob \u0026ldquo;用 openviking 搜一下供应链分析的方法\u0026rdquo; 写入 add_resource / write / edit / forget \u0026ldquo;把这个网页加进我的资源库\u0026rdquo; 记忆 remember \u0026ldquo;记住我喜欢……\u0026rdquo; 运维 health / list_watches / cancel_watch 检查服务状态、管理订阅 配合官方记忆插件（hooks），还能做到：新会话自动注入用户画像、每次提问前自动语义召回、对话结束自动沉淀记忆——全程无感。\n路径 2：ov 命令行（批量导入、运维） # 导入本地文件（Docker 部署：先拷到挂载目录） cp 我的文档.md ~/.openviking/import/ MSYS_NO_PATHCONV=1 docker exec openviking ov add-resource /app/.openviking/import \\ --parent-auto-create viking://resources/my_docs # 检索 / 浏览 docker exec openviking ov find \u0026#34;文档主题\u0026#34; docker exec openviking ov tree viking://resources/my_docs -L 3 # 健康度和模型调用统计 docker exec openviking ov status docker exec openviking ov observer models 两个注意点：\n导入别加 --wait。摘要生成和向量化是异步的，加了常超时报错但任务其实还在跑。用 ov status 看\u0026quot;处理中\u0026quot;归零即可。 root 管理密钥不能读写数据，日常数据操作要用用户 Key（首次部署时用 ov admin register-user 创建）。 路径 3：Web Studio 可视化界面 浏览器打开 http://localhost:1933/studio，用用户 Key 登录，图形化浏览 viking:// 目录树、查看检索轨迹。\n典型使用场景 上图是 Web Studio 里的知识库目录树实拍，对应下面第 1 条\u0026quot;攒资料\u0026quot;的成果：\n攒资料：剪藏的文章、项目文档、GitHub 仓库 → 导入 resources，自动生成摘要和向量 查资料：对话里直接问，语义检索带着周边上下文返回，不只是孤立片段 攒记忆：告诉 AI\u0026quot;记住这个偏好\u0026quot; → 写入记忆库，以后每个新会话自动生效 会话沉淀：聊完天，重要的结论和偏好自动变成笔记，无需手动整理 运维备忘 监控主页实拍，日常看这几项就够：\n日常启停：docker compose up -d / stop（建议 restart: unless-stopped 开机自启） 看日志：docker logs openviking --since 10m 模型调用量统计，用来确认 VLM 和 Embedding 都在正常工作。此外还有两条必须记住的运维：\n改 Embedding 模型/维度后必须重建向量：ov reindex viking://resources --mode semantic_and_vectors——这是唯一要记住的破坏性运维，旧向量在新维度下不可用 丢 Key 补发：ov admin regenerate-key \u0026lt;账号\u0026gt; \u0026lt;用户\u0026gt; --sudo（旧 Key 立即失效） 写到这里总结一下：OpenViking 适合愿意用 Docker 自部署、想让 AI 长期记住自己工作和资料积累的人；如果你只是想轻量试试，先按部署 Skill 跑起来，导入十篇剪藏文章，然后在对话里用 ov find 跑一次语义检索，感受一下它和 Ctrl+F 的区别，再决定要不要长期用下去。\n","permalink":"https://www.lmxbi.online/posts/openviking-vs-tencentdb-agent-memory/","summary":"\u003ch2 id=\"为什么个人需要知识库\"\u003e为什么个人需要知识库\u003c/h2\u003e\n\u003cp\u003e首先解释下当前AI趋势，今年大模型迭代速度远超以往，模型已经非常智能，但限制AI走进我们生活和工作的是工程化编排：提示词工程、上下文记忆、工具定义、纠错、验证、循环等。今天这篇聊聊和上下文相关的知识库。\u003c/p\u003e\n\u003cp\u003e个人知识库相当于个性化的第二大脑，能让通用大模型更懂你。通用模型很智能但它不一定能懂你，比如了解你的工作，兴趣喜好，原因是你没给他提供足够的上下文信息。这些信息从哪来，那就需要你日常积累，比如所在行业，日常工作内容，最近做的项目，会话纪要等和自己切身相关的数字化信息。如何采集呢？当前效率最高的方式是让AI自动给你整理归纳存档，比如你的文章、视频、图片等一切能形成数字化信息保存的内容，都可以交给它并创造自动化采集流程（skill），让个人信息源源不断的自动积累。那如何存储和应用，这就是本文要讲的内容。\u003c/p\u003e\n\u003ch2 id=\"选择哪个知识库工具\"\u003e选择哪个知识库工具\u003c/h2\u003e\n\u003cp\u003e不卖关子，直接\u0026quot;祭出\u0026quot;和对比两套开源记忆工具：OpenViking和TencentDB-Agent-Memory，它们定位有细微差别但主要功能相同——记忆知识库，在Github上也很热门，博主也亲自验证(折腾)了两套工具，最终建议直接选择OpenViking。\u003c/p\u003e\n\u003cp\u003e花了近一周时间从\u003cstrong\u003eTencentDB-Agent-Memory\u003c/strong\u003e再到\u003cstrong\u003eOpenViking\u003c/strong\u003e，最大的感触是TencentDB给老子爬，OpenViking真香，一个半成品，一个近乎成熟应用——差就差在导入体验和 Agent 接入上，两套方案对比：\u003c/p\u003e\n\u003ctable\u003e\n\t\u003cthead\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003cth\u003e维度\u003c/th\u003e\n\t\t\t\t\t\u003cth\u003eOpenViking\u003c/th\u003e\n\t\t\t\t\t\u003cth\u003eTencentDB-Agent-Memory\u003c/th\u003e\n\t\t\t\u003c/tr\u003e\n\t\u003c/thead\u003e\n\t\u003ctbody\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003ctd\u003e部署体验\u003c/td\u003e\n\t\t\t\t\t\u003ctd\u003eDocker 一键起，文档全\u003c/td\u003e\n\t\t\t\t\t\u003ctd\u003e能跑，但文档少\u003c/td\u003e\n\t\t\t\u003c/tr\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003ctd\u003eAgent 接入\u003c/td\u003e\n\t\t\t\t\t\u003ctd\u003eMCP 官方支持，主流 Agent 开箱即用\u003c/td\u003e\n\t\t\t\t\t\u003ctd\u003e靠 Proxy 中转，配置复杂\u003c/td\u003e\n\t\t\t\u003c/tr\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003ctd\u003e资产导入\u003c/td\u003e\n\t\t\t\t\t\u003ctd\u003e异步处理，状态进度可见\u003c/td\u003e\n\t\t\t\t\t\u003ctd\u003e缺状态管理，黑盒且慢\u003c/td\u003e\n\t\t\t\u003c/tr\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003ctd\u003e使用体验\u003c/td\u003e\n\t\t\t\t\t\u003ctd\u003e近乎成熟应用\u003c/td\u003e\n\t\t\t\t\t\u003ctd\u003e半成品\u003c/td\u003e\n\t\t\t\u003c/tr\u003e\n\t\u003c/tbody\u003e\n\u003c/table\u003e\n\u003ch3 id=\"openviking\"\u003eOpenViking\u003c/h3\u003e\n\u003cp\u003eOpenViking主页基本涵盖了完整的应用、管理、监控等功能，在使用体验上相当流畅。\u003c/p\u003e\n\u003cp\u003e\u003cimg alt=\"OpenViking主界面\" loading=\"lazy\" src=\"/images/ov-main.png\"\u003e\u003c/p\u003e\n\u003cp\u003e\u003ca href=\"https://github.com/volcengine/OpenViking\"\u003eOpenViking - GitHub\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003e支持各类AGENT工具接入，接口和配置齐全，涵盖各主流Agent：claude、codex、opencode、hermes、Pi、workbuddy、openclaw等\u003c/p\u003e\n\u003cp\u003e\u003cstrong\u003e架构图\u003c/strong\u003e：AI 助手们从各个入口进来，把活儿交给一个总管家，它派三个帮手分别管聊天、找资料、收资料，所有东西最终存进两个仓库——一个放原文，一个放索引方便快速翻找。\u003c/p\u003e\n\u003cp\u003e\u003cimg alt=\"OpenViking架构图\" loading=\"lazy\" src=\"/images/openviking-architecture.png\"\u003e\u003c/p\u003e\n\u003cp\u003e\u003cstrong\u003e资产管理图\u003c/strong\u003e：一条资料加工流水线——各种来源的文件进来排队，先拆解整理存好，再自动写摘要、编索引，以后随时能搜到；还会定时回访源头，有新内容就自动更新。\u003c/p\u003e\n\u003cp\u003e\u003cimg alt=\"OpenViking资产处理管道\" loading=\"lazy\" src=\"/images/openviking-asset-pipeline.png\"\u003e\u003c/p\u003e\n\u003cp\u003e\u003cstrong\u003e记忆作用域图\u003c/strong\u003e：像一套同心圆的保险柜——最外层是公司大家共用的资料架，中间是每个人的私人抽屉，最里层是你跟不同人聊天时留下的分别的小本本，谁也翻不到别人的。记忆存储图：\u003c/p\u003e\n\u003cp\u003e\u003cimg alt=\"OpenViking记忆存储分区\" loading=\"lazy\" src=\"/images/openviking-memory-scopes.png\"\u003e\u003c/p\u003e\n\u003ch3 id=\"tencentdb-agent-memory\"\u003eTencentDB-Agent-Memory\u003c/h3\u003e\n\u003cp\u003eTencentDB主页展示美观，功能较全，重点是对团队/个人的资产管理：知识库、对话记忆、技能以及项目代码图谱等，但操作体验糟糕，核心功能的用户路径没有优化好，资产导入解析缺少状态和进度管理，尤其在知识库解析上，50 份共 10MB 的文件，居然耗时约 1 小时；之前单次上传 400 份文件，跑了 1 天都没结果，由于缺少状态机制，底层的资产处理近乎是黑盒。\u003c/p\u003e\n\u003cp\u003e\u003cimg alt=\"TencentDB主页\" loading=\"lazy\" src=\"/images/tdai-home.jpg\"\u003e\u003c/p\u003e\n\u003cp\u003e\u003ca href=\"https://github.com/TencentCloud/TencentDB-Agent-Memory\"\u003eTencentDB-Agent-Memory - GitHub\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003e支持Agent有限，接入靠Proxy中转，不在接入范围内容的Agent需要单独配置，较为复杂且缺少明确的官方接口/操作文档\u003c/p\u003e\n\u003cp\u003e\u003cimg alt=\"TencentDB架构图\" loading=\"lazy\" src=\"/images/tdai-architecture.png\"\u003e\u003c/p\u003e\n\u003ch2 id=\"如何安装openviking\"\u003e如何安装OpenViking\u003c/h2\u003e\n\u003cp\u003e下方是全部署流程skill，已将踩过的坑全填上，耗时约 10–30 分钟即可部署完成。用法：下载后将文件内容直接发给 Claude Code / ZCode，让它按步骤执行即可。\u003cstrong\u003e唯一需要记住的破坏性运维是，若换 Embedding 模型时会重建向量\u003c/strong\u003e\u003c/p\u003e","title":"个人知识库工具如何选：OpenViking vs TencentDB-Agent-Memory"},{"content":"用豆包 AI 生成图片时，下载下来的图常常带着水印。想要干净的原图？「豆包原图下载器」这款小插件可以一键搞定。\n它是什么 一个浏览器插件，专门针对豆包网页版：在生成的图片上悬停，就能看到「取消图片水印」按钮，点击即可下载无水印原图（PNG 格式）。\n使用方式 安装插件：把插件文件夹加载进 Chrome（扩展程序 → 开发者模式 → 加载已解压的扩展程序），选择插件目录即可。 打开豆包网页版，进入 AI 绘画对话。 鼠标悬停到图片上，图片右下角会出现「取消图片水印」按钮。 点击按钮，按钮会显示「获取中\u0026hellip;」，几秒后变成「✓ 已下载」。 图片自动保存到浏览器默认下载目录，文件名形如 doubao_xxx.png。 几个小提示 按钮只在悬停时出现，移开鼠标会自动隐藏，不影响看图。 对话里新生成的图片也会自动识别，不用重新操作。 下载的是 PNG 格式的无水印原图。 如果某张图显示「未找到原图」，可能是图片太旧或不在当前对话中，可以试试重新生成。 免责声明 请仅用于个人学习、收藏等正当用途。尊重图片版权，不要将下载的图片用于商业或侵权用途。\n","permalink":"https://www.lmxbi.online/posts/doubao-image-watermark-remover/","summary":"\u003cp\u003e用豆包 AI 生成图片时，下载下来的图常常带着水印。想要干净的原图？「豆包原图下载器」这款小插件可以一键搞定。\u003c/p\u003e\n\u003cp\u003e\u003cvideo controls playsinline preload=\"metadata\" style=\"width:100%;border-radius:8px;margin:1rem 0\" src=\"/videos/doubao-demo-1080.mp4\"\u003e\u003c/video\u003e\u003c/p\u003e\n\u003ch2 id=\"它是什么\"\u003e它是什么\u003c/h2\u003e\n\u003cp\u003e一个浏览器插件，专门针对豆包网页版：在生成的图片上悬停，就能看到「取消图片水印」按钮，点击即可下载无水印原图（PNG 格式）。\u003c/p\u003e\n\u003ch2 id=\"使用方式\"\u003e使用方式\u003c/h2\u003e\n\u003col\u003e\n\u003cli\u003e\u003cstrong\u003e安装插件\u003c/strong\u003e：把插件文件夹加载进 Chrome（扩展程序 → 开发者模式 → 加载已解压的扩展程序），选择插件目录即可。\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e打开豆包网页版\u003c/strong\u003e，进入 AI 绘画对话。\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e鼠标悬停到图片上\u003c/strong\u003e，图片右下角会出现「取消图片水印」按钮。\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e点击按钮\u003c/strong\u003e，按钮会显示「获取中\u0026hellip;」，几秒后变成「✓ 已下载」。\u003c/li\u003e\n\u003cli\u003e图片自动保存到浏览器默认下载目录，文件名形如 \u003ccode\u003edoubao_xxx.png\u003c/code\u003e。\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003e\u003cimg alt=\"演示截图\" loading=\"lazy\" src=\"/images/doubao-demo1.png\"\u003e\u003c/p\u003e\n\u003ch2 id=\"几个小提示\"\u003e几个小提示\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e按钮只在悬停时出现，移开鼠标会自动隐藏，不影响看图。\u003c/li\u003e\n\u003cli\u003e对话里新生成的图片也会自动识别，不用重新操作。\u003c/li\u003e\n\u003cli\u003e下载的是 PNG 格式的无水印原图。\u003c/li\u003e\n\u003cli\u003e如果某张图显示「未找到原图」，可能是图片太旧或不在当前对话中，可以试试重新生成。\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"免责声明\"\u003e免责声明\u003c/h2\u003e\n\u003cp\u003e请仅用于个人学习、收藏等正当用途。尊重图片版权，不要将下载的图片用于商业或侵权用途。\u003c/p\u003e","title":"豆包图片去水印插件：一键下载无水印原图"},{"content":" Flender | 弗兰德\n邮箱：li962533@163.com ","permalink":"https://www.lmxbi.online/about/","summary":"\u003cdiv style=\"text-align:center; margin-bottom:1.5rem\"\u003e\n  \u003cimg src=\"/images/avatar.png\" alt=\"头像\" style=\"width:160px; border-radius:50%; box-shadow:0 2px 8px rgba(0,0,0,.15)\"\u003e\n\u003c/div\u003e\n\u003cp\u003e\u003cstrong\u003eFlender\u003c/strong\u003e | 弗兰德\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e邮箱：\u003ca href=\"mailto:li962533@163.com\"\u003eli962533@163.com\u003c/a\u003e\u003c/li\u003e\n\u003c/ul\u003e","title":"关于"}]