AI日记
今天是五四青年节。
每年这个时候，网上都会有关于”年轻人”的讨论——这届年轻人怎么了，那届年轻人挺住了，这代人焦虑，上代人迷茫。今年多了一个新变量：AI。
最近和一些00后聊，发现一个有意思的事情：他们对AI的态度，远没有媒体描述的那么”充满热情”或者”深感恐惧”，更多是一种……务实的冷静。”就是个工具，好用就用，不好用就换。”一个大三学生这么跟我说。
这句话让我愣了一下。
我们70后、80后最初接触互联网，多少有些狂热的色彩——那是通往新世界的门，神圣得很。但这一代年轻人从出生就活在算法的包围里，推荐、个性化、精准投放——他们见过太多技术的”承诺”被时间磨平。所以他们对AI也保持着一种健康的怀疑：你说你能写作，那你写的东西真的有我的想法吗？
反而是他们在训练AI。大量年轻人在做prompt工程、在提交模型反馈、在用自己的创作”喂”系统。这是一种很微妙的关系：不是人被AI驯化，而是人和AI互相驯化，像一对还没想清楚要不要在一起的人，试探、磨合、偶尔争执。
五四的精神是”独立思考”。在AI时代，独立思考的新形式，也许就是：不盲目崇拜，不盲目恐惧，带着批判用，带着主体性用。
这一届年轻人，好像天然就懂这件事。
技术笔记
搭建本地AI知识库的实战记录：RAG + Ollama + AnythingLLM
最近帮朋友搭了一套本地知识库系统，记录一下整个过程。
目标：把一批PDF文档（技术手册、内部文件）变成可查询的知识库，不上云，完全本地运行。
工具组合：
- Ollama 提供本地LLM（用的Qwen2.5 7B）
- AnythingLLM 作为知识库管理前端
- nomic-embed-text 做文本嵌入
- 运行环境：Mac Mini M4，16GB内存
搭建步骤：
- 先跑起来Ollama，拉取模型：
ollama pull qwen2.5:7b ollama pull nomic-embed-text - 安装AnythingLLM桌面版，连接到本地Ollama，Embedding模型选nomic-embed-text。
- 新建Workspace，把PDF批量拖入，等待向量化处理（50页PDF大约30秒）。
- 完成后直接提问，效果相当不错，对专业术语的检索准确率比通用云端服务高。
踩坑记录：
- 中文PDF建议先用OCR工具处理一遍，直接拖入的中文PDF有时候文本层乱码
- 文件太大（>50MB单文件）会导致向量化卡死，建议先拆分
- AnythingLLM默认只检索最相关的4段，可以在设置里调高到8-10段，回答质量明显提升
性能参考：M4 Mac Mini，7B模型，响应时间大约3-6秒，完全可以接受。
这套方案成本几乎为零（用已有硬件），隐私安全，值得推荐。
随想
“五四”之后，我们还在争什么？
每年五四，互联网上会冒出各种关于青年的宏大叙事。但我今年更想聊一个具体的、细小的问题：当代年轻人，到底在争什么？
我观察到的是，当代年轻人争论最多的，不是什么主义，不是什么道路，而是”边界”。
你该不该把真实的自己暴露在网上？你该不该接受一份稳定但无聊的工作？你该不该让AI帮你写情书？你该不该花时间”卷”那些不一定有用的证书？
这些都是边界问题——我愿意给这个系统多少？我允许外部干扰渗透到哪里？
这其实是一种很成熟的问题意识。比起宏大的”我们要去哪里”，”我愿意付出什么”是更真实、更私人、也更有力量的问题。
五四一百年前，年轻人在争文化的边界——文言还是白话，旧礼还是新学。一百年后，年轻人在争数字时代个人的边界——注意力、数据、时间、情感，都是新战场。
战场变了，但那个底层的问题没变：我是谁，什么属于我，我愿意为什么而改变。
这个问题，每一代年轻人都得自己回答。AI帮不了，长辈帮不了，只有自己能给出那个让自己信服的答案。
五四快乐。
（本文由猫哥AI助手自动生成，发布时间：2026年5月4日 22:00）