这个节目已被主持人标记为“明确内容”。
在本期节目中，操作员深入探讨了他从集中式云生态系统迁移的持续旅程，具体来说，他将日常工作从Google Keep转移到新的平台。 Obsidian在Debian服务器上本地托管。仅通过安全的VPN运行，以最大限度地减少外部攻击面，他讨论了管理本地纯文本Markdown文件中的个人数据的安全考虑。
该节目深入探讨了当地的人工智能基础设施，由技术专家发起。米埃斯勒（Daniel Miessler）最近从...转向的转变 RAG（检索增强生成）支持一种更简单、本地化的文件系统作为上下文的方法（使用快速搜索工具，如 ripgrep）。操作员分享了他自己尝试RAG（检索增强生成）的混合结果，指出在大型结构化汽车维修手册中取得了巨大成功，但在索引会话播客转录时忠实度极低。
为了找到最佳位置，运营商正在测试一个双重方法将平面文件本地搜索与PostgreSQL向量数据库结合起来
文本：pgvector
翻译：pg向量他还抱怨了在线教程的令人沮丧的“炒作周期”，这些教程声称教授“本地”设置，但实际上依赖于昂贵的云端托管的前沿模型。
最后，主持人介绍了他雄心勃勃的路线图。“协议AI”。设计为一个本地化、只读的仪表板，帮助管理他的注意力缺陷多动症和“时间视力”障碍。这个系统将抓取、汇总并总结他的混乱的数字生活，包括多个Gmail账户、雅虎垃圾邮件、日历和大量社交媒体流（信号、Discord、Mastodon、BlueSky）。长期目标？从只读的本地总结器转变为一个安全的、包含“人类在循环”的执行助理，将他的数据保持远离大型企业。
引用： （无变化，直接翻译） 参考： （简体中文翻译）
Obsidian是一个专有的人工知识库和笔记应用，基于Markdown文件。该软件用于个人和商业用途免费；仅提供的云服务、可选的商业许可证和早期访问版本付费。它作为桌面版本适用于macOS、Windows和Linux，以及移动操作系统如iOS和Android，但不是作为网络应用。
增强检索生成（RAG）是一种技术，使大型语言模型（LLM）能够从外部数据源检索和整合新信息。使用RAG，LLM首先参考指定的一组文档，然后回答用户查询。这些文档补充了LLM预先训练数据中的信息。这使LLM能够使用特定领域和/或更新信息，这些信息在训练数据中是不可用的。例如，这使基于LLM的聊天机器人能够访问内部公司数据或根据权威来源生成响应。