Claude Code 拎一年 LM Studio 對話做體檢,AI agent 開始似私人知識庫助手
3C 產品

Claude Code 拎一年 LM Studio 對話做體檢,AI agent 開始似私人知識庫助手

圖片:via XDA Developers — https://www.xda-developers.com/pointed-claude-code-at-year-of-lm-studio-chats-noticed-patterns-i-didnt-know-were-there/
TechLab 編輯部(譯)·

用得啱,可以幫你整理 notes、prompt 同壞習慣

件事係咩

今次 XDA 篇文冇新功能發布,作者 Nolen Jonker 做嘅其實係一次「回頭睇自己點用 AI」:佢用 Claude Code 指向 LM Studio 嘅 conversations folder,掃返近一年本機 LLM 對話。LM Studio 官方 docs 寫明,對話會用 JSON 放喺 ~/.lmstudio/conversations/,Windows 就喺 %USERPROFILE%\.lmstudio\conversations,仲提醒唔好手改個結構。重點係,呢啲檔案本來好少人會再打開,但 agent 可以一次過讀時間、模型、設定、附件 metadata 同 prompt 形狀,搵返人手好難見到嘅長期模式。

LM Studio 官方首頁展示嘅 app 介面截圖

圖片:LM Studio

Coding agent 開始似個人資料審稿人

Claude Code 官方定位仍係 coding assistant,可以讀 codebase、改檔、跑 commands,亦可以用 CLAUDE.md 記住項目規則,再用 skills 包起重複任務。XDA 作者借咗呢套機制去做 notes 同 chat log 盤點:第一步睇 chat、folder、模型同 abandoned sessions;第二步搵自己成日重用嘅 prompt 形狀;第三步另外記低其他異常。呢個 insight 原文冇大大聲講,但其實幾重要:coding agent 嘅用處已經由「幫你寫檔」推到「幫你審自己留下嘅文字痕跡」。

Claude Code 喺 terminal 入面運行嘅官方示意圖

圖片:Anthropic

有用位喺壞習慣夠誠實

XDA 作者最意外嘅發現係,自己差唔多一半 LM Studio chat 都係 single-shot,問一次、答一次就完;141 個 messages 入面,佢話自己冇試過喺 LM Studio edit 再 resubmit 同一個 prompt,反而成日開新 chat 或者拎同一句問另一個模型。呢種 pattern 對 developer、freelancer、content creator、學生都好熟:以為自己喺揀模型,其實好多時只係避開迭代。文中嗰個 long PDF case 亦係同一類,表面似模型唔得,回頭睇先發現可能卡喺 context length 設定太短。

私隱唔可以當小字註腳

不過,呢個玩法最危險亦係最易興奮過頭嘅地方。LM Studio 官方講得好清楚:本機 chat、文件處理同 local server request 可以留喺部機入面,對話檔亦喺本機 JSON。你轉頭畀 Claude Code 或其他雲端 agent 讀成個 folder,就已經換咗私隱模型。Anthropic 官方 data usage 寫明,Claude Code 本身喺本機跑,但同 LLM 互動時會經網上送出 prompt 同 model output;本機 session transcript 亦會預設以 plaintext 留喺 ~/.claude/projects/ 30 日。病歷、客戶資料、NDA、銀行資料,先刪走或者遮走先好講效率。

token 成本同 context 都要計

一年 JSON 對話唔會細,硬塞畀 agent 讀,token 成本同 context 噪音都會升得好快。Claude Code docs 提到,CLAUDE.md 每次 session 起頭會入 context;skills 就係用到先載入,適合擺長啲嘅 procedure、template 同檢查清單。實際啲嘅做法係:先喺本機做初篩,抽出日期、模型、檔名、folder、重複 prompt 摘要,再只畀 agent 睇必要片段。資料敏感嘅話,可以先用 LM Studio 本機模型或普通搜尋工具做第一輪;雲端 agent 通常順過本機細模型,但代價係資料會離開你部機。

值得抄嘅係盤點方法,多過工具名

我會將呢件事當成每季一次 AI 用法體檢:複製 notes、meeting records、research markdown 同 local LLM chats 去臨時 folder,清走敏感資料,叫 agent 搵三樣嘢:重複任務、學習盲點、prompt 壞習慣。搵到 pattern 之後,先將常用 prompt 變成 skill、template 或 checklist,唔好一開始就幻想有個全知記憶庫。Claude Code 係順手工具,Codex 類 agent、Obsidian search、ripgrep 加腳本、本機 LLM 都可以食到部分位;真正要守住嘅係資料邊界同可重用輸出。下一步要睇嘅係,呢類 agent 會唔會提供清楚啲嘅本機資料處理模式,畀人唔上雲都做到同一類長期回顧。


參考來源

本文根據原文及公開資料整理;資料有出入時,以原文及官方資料為準。

分享:WhatsAppThreadsTelegramFacebook