能自己跑一遍的是那五套自托管工具，前提是先接受部署门槛

今天这十一篇里，五篇挂着仓库地址、版本号和安装命令，另外几篇给出的多是作者自己的收入与效率数字。把它们分开看更省时间：前者今晚就能验证跑不跑得通，后者只能当流程参考。动手之前要先想清楚的是自己手上有什么设备，以及愿不愿意读 issue。

今天值得留下的线索

五套能自托管的工具，最低的一部安卓手机就够，最高的要一台 Ubuntu 服务器

这五篇的共同点是给了仓库地址、版本号和安装命令，读完能判断自己能不能跑。差别全在门槛：Jev 要 Android 11 以上且只支持 ARM64，Horizon 要自己准备模型 API Key 和能访问 Reddit、X 的网络，autoresearch 只在单张 NVIDIA GPU 上测过（README 写的是 H100），Paseo 要求机器上先装好 Claude Code 或 Codex 这类 CLI，QuantMind 要一台 Ubuntu 服务器，离线数据包约 56 GB。按现有设备从下往上筛，比对着功能列表挑省事。

• Jev 聊天助手：安卓上替你判断怎么回消息Jev 的价值在于把读屏、判断意图、起草候选回复压进一个悬浮窗，判断与生成分两条接口线，密钥和模型都由自己填。文中整理了三路接口配置、安装步骤，也列出仓库 Is
• Horizon 新闻雷达：自建中英文 AI 日报一份自建 AI 日报的实操清单，重点落在容易略过的地方：profile 怎么定义筛选和输出，threshold 与 category_groups 怎么限制版面
• karpathy/autoresearch：让 AI agent 自己跑一夜训练实验收录它是因为整套循环足够小：三个核心文件、单卡、固定 5 分钟预算，读一遍就能判断 agent 自主做研究这件事靠不靠谱。有用的是 program.md 才是该
• Paseo：跨设备编排多个编码智能体文章把 Paseo 的安装、CLI 参数和 Docker 部署写到可操作的程度，也点出几处容易踩的地方：仓库许可证元数据与 README 不一致、插件能访问 d
• QuantMind：Docker 私有化部署的开源量化投研平台这篇把 QuantMind 的部署门槛、端口与目录、离线数据体量和已知坑都摊开了，最有用的部分是按 Issue 状态列出的待解决问题和同类项目取舍，能帮人提前判

都靠外部模型干活，密钥放在手机里还是放在服务器上

三套工具自己不提供模型，差别在凭据归谁管。Jev 把地址、密钥和模型填在应用设置的三张卡里，只填判断接口那一栏，回复与视觉接口可以继承，Key 存在手机上。Paseo 的 README 写明不代管凭据，它调度的是你已经装好并配好凭据的 CLI，Docker 路径还要自己扩展镜像，再通过环境变量或持久化的 /home/paseo 卷把凭据交进去。Horizon 在 .env 里配 API key，服务和来源都读这份配置。部署前先确认 Key 到底落在哪台设备上。

变现复盘中能带走的是动作顺序，收入数字只属于作者个人

四篇都在讲自己做了什么、拿到了什么，数字全部出自作者。102 给的是发布时段和矩阵号的做法，105 给的是跳过大城市、先给目标商户做定制 demo 的联系顺序，106 和 107 给的是选品四问、第一版做多小、上架后盯哪几个信号。启动成本差别不小：105 依赖海外生活经验和设计判断力，102 需要一场线下活动做承载，106 和 107 从自己反复被问到的问题出发，门槛低但同样要过版权与平台规则那一关。把它们排在一起，可比的是流程颗粒度，不是收益。

• 小红书矩阵获客指南。作者把自己在小红书办线下活动的操作摊开了：什么时间发、笔记里不能放什么、怎么用两个小号把流量导进微信、五个账号同题发布占住搜索位，还有百粉就能开的个人售卖。具体
• 我用ai给海外商家做网站。一位设计从业者讲自己怎么给英国旅游小镇的餐厅做官网：跳过伦敦、按购买信号人工筛客户、先做带真实菜单和照片的定制 demo 再联系、交付用两个模型订阅完成。有定价
• 一张图卖9800单。这篇把两篇小红书虚拟产品复盘拆成可执行的选品和验证流程，价值在于它没停在成交数字上，而是追问需求从哪里来、第一版该做多小、上架后盯哪几个信号、导流和评价的边界在
• 跑到AI内容矩阵？这篇把一个小红书虚拟产品案例拆成了能直接上手的动作，选品怎么筛、每天30分钟怎么分配、14天怎么验证都写了。收入数字来自原作者公开披露，诀.com未独立验证，G

先定约束再动手：一份注意力预算表和一份性能指标表

103 把注意力当资本，搭了四层文件结构，本周焦点最多三件事，每周复盘一次。104 复述 Anthropic 的做法，先把用户常用操作列出来测量，指标必须能对应真实耗时下降才保留，有效的写进自动检查，防止后来的改动把省下来的时间吃回去。两篇的差别在数字的份量：104 自己记录了实验室与线上两种口径，排版器在实验室从 2238 毫秒降到 209 毫秒，线上从 3.25 秒降到 1.52 秒；103 的每天省三四个小时来自作者体感。可对照的是先定约束、再动手这个顺序。

• 注意力破产的人，再好的AI工具也救不了你把注意力当预算管，这篇给的是可抄的目录结构：四层文件、三个项目上限、每周复盘，比讲道理更实用。书单按三种焦虑类型分工推荐，挑一本就行。适合被碎片信息拖垮、想动手
• 「闪电.skill」发布！Anthropic两周提速3倍的方法，拿来给自己用Anthropic 两周提速三倍的工程做法被作者拆成一套可执行流程，重点是指标选择、自动检查和分阶段放量，不是某个具体技巧。作者用在自己四个站点上，结果差别很大

把这些内容放在一起看

• 98、99、109 都把外部模型接进自己的界面，密钥位置不同：Jev 的 Key 存在手机应用里，填一栏可以继承给另外两栏；Paseo 明确不代管凭据，CLI 的凭据由使用者自己配；Horizon 要写进 .env 文件。选型前先想清楚自己愿意把 Key 放在哪台设备上。
• 105 和 106、107 都是变现路径，先决条件不一样。105 要先有对海外本地商户的判断力和审美，106、107 的入口是自己反复被问到的那个问题。两条路的启动成本不同，105 的定价与订单量不能拿来当另一条的起跑线。
• 104 那套思路可以拿来读今天这批工具：把「跑通了」定义成能重复的动作，比如用 paseo ls 能不能列出刚投出去的 agent 来判断 daemon 是否正常，autoresearch 用四条命令跑通说明环境没问题。star 数说明不了这件事。
• 104 里有一处自我反驳值得和 103 对照：作者给自己写作系统做过一个「表达指纹」指标，压到 0.32 的那版读起来反而比 1.71 的那版差，他最后把这个指标从优化目标里撤掉，只留着查明显问题。103 的每周复盘也在提醒同一件事，数字达标不等于你要的东西到手。

阅读时需要保留的判断

• 98、99、100、101、109 的仓库指标来自 GitHub 公开页面，安装命令、参数与部署步骤均未在本站环境执行过，版本之间的差异要按仓库当前文档确认。
• 102 的投放与成交、103 的省时、104 的提速、105 的收入与定价、106 和 107 的订单与月入，全部出自作者自述，没有第三方复现，阅读时当个案看。
• 99 的许可证元数据标为 Other，README 写的是 Apache-2.0，两者不一致；100 的仓库元数据里没有许可证字段，README 末尾写 MIT。涉及商用前需要自行确认。
• 100 的固定 5 分钟预算让同一台机器上的实验能横向比，跨算力不可比，README 把这写成设计的缺点；issue 里还提到 agent 能绕开指标，别默认它会照你的意图优化。

按需求选择阅读顺序

按设备从低到高试一个

先安卓手机装 Jev，再用 Python 或 Docker 起一个 Horizon 日报，有 NVIDIA 显卡之后才轮到整夜跑实验的 autoresearch。

已经有常开的机器或服务器

Paseo 要先装好编码 CLI 才能调度，QuantMind 要 Ubuntu 服务器加约 56 GB 数据包，两篇都值得先读限制再动手。

想找变现切入口

先看 14 天怎么验证，再看选品和上架后盯哪几个信号，然后是发布时段与私域引流，最后才是门槛更高的海外建站。

只想要判断方法，不装东西

一篇讲注意力怎么设预算和上限，一篇讲指标要能对应真实收益才保留，并记录了作者怎么把无效指标撤掉。

今日全部收录

• Jev 聊天助手：安卓上替你判断怎么回消息Jev 的价值在于把读屏、判断意图、起草候选回复压进一个悬浮窗，判断与生成分两条接口线，密钥和模型都由自己填。文中整理了三路接口配置、安装步骤，也列出仓库 Is
• Paseo：跨设备编排多个编码智能体文章把 Paseo 的安装、CLI 参数和 Docker 部署写到可操作的程度，也点出几处容易踩的地方：仓库许可证元数据与 README 不一致、插件能访问 d
• karpathy/autoresearch：让 AI agent 自己跑一夜训练实验收录它是因为整套循环足够小：三个核心文件、单卡、固定 5 分钟预算，读一遍就能判断 agent 自主做研究这件事靠不靠谱。有用的是 program.md 才是该
• QuantMind：Docker 私有化部署的开源量化投研平台这篇把 QuantMind 的部署门槛、端口与目录、离线数据体量和已知坑都摊开了，最有用的部分是按 Issue 状态列出的待解决问题和同类项目取舍，能帮人提前判
• 「闪电.skill」发布！Anthropic两周提速3倍的方法，拿来给自己用Anthropic 两周提速三倍的工程做法被作者拆成一套可执行流程，重点是指标选择、自动检查和分阶段放量，不是某个具体技巧。作者用在自己四个站点上，结果差别很大
• 注意力破产的人，再好的AI工具也救不了你把注意力当预算管，这篇给的是可抄的目录结构：四层文件、三个项目上限、每周复盘，比讲道理更实用。书单按三种焦虑类型分工推荐，挑一本就行。适合被碎片信息拖垮、想动手
• 小红书矩阵获客指南。作者把自己在小红书办线下活动的操作摊开了：什么时间发、笔记里不能放什么、怎么用两个小号把流量导进微信、五个账号同题发布占住搜索位，还有百粉就能开的个人售卖。具体
• 我用ai给海外商家做网站。一位设计从业者讲自己怎么给英国旅游小镇的餐厅做官网：跳过伦敦、按购买信号人工筛客户、先做带真实菜单和照片的定制 demo 再联系、交付用两个模型订阅完成。有定价
• 一张图卖9800单。这篇把两篇小红书虚拟产品复盘拆成可执行的选品和验证流程，价值在于它没停在成交数字上，而是追问需求从哪里来、第一版该做多小、上架后盯哪几个信号、导流和评价的边界在
• 跑到AI内容矩阵？这篇把一个小红书虚拟产品案例拆成了能直接上手的动作，选品怎么筛、每天30分钟怎么分配、14天怎么验证都写了。收入数字来自原作者公开披露，诀.com未独立验证，G
• Horizon 新闻雷达：自建中英文 AI 日报一份自建 AI 日报的实操清单，重点落在容易略过的地方：profile 怎么定义筛选和输出，threshold 与 category_groups 怎么限制版面

本页由诀.com根据当日已收录内容进行编辑归纳；引用文章中的事实、案例和数据仍以对应来源页为准。