#LLM
8 篇探索日志 实战指南 4 工具评测 3 深度思考 1
独立开发者的 AI 工具箱 2026：我实际在用的那些 →
不是推荐清单，是我日常真实依赖的工具栈。从编程助手到本地模型，从内容生产到 Agent 系统——每一个都说清楚为什么用它，以及什么情况下不用它。
约 10 分钟 🟡
本地跑大模型：Apple Silicon 上的 LLM 实践指南 →
不依赖云端 API，在自己的 Mac 上运行 70B 参数模型。一份从硬件选择到模型调优的完整指南。
约 9 分钟 🟡
OpenClaw+本地AI模型：数据不出Mac的oMLX方案 →
前三篇我们聊了 OpenClaw 怎么装、怎么防、为什么火。有个问题一直没解决
约 18 分钟 🔴
Prompt 工程入门：和 AI 对话的正确姿势 →
90% 的人还在用最原始的方式和 AI 交流。掌握这些技巧，让 AI 的输出质量提升一个量级。
约 5 分钟 🟢
AI Agent 架构实战：从单体到分形 →
一个 Agent 不够用？试试让它们像生物细胞一样分裂、协作、进化。我的多 Agent 系统设计心得。
约 7 分钟 🔴
Mac本地跑大模型：MLX部署实战 →
不是那种"下个 App 聊两句"的玩具级别，而是真正的、参数量以百亿计的大语言模型——就跑在你的桌面上，不联网，不花 API 费用，数据不出家门
约 12 分钟 🟡
$10/月的AI编程助手，10分钟上手 →
前两篇我们聊了为什么要用 MiniMax（省钱）和它的能力到底行不行（M2.5 跑分逼近 Claude Opus）
约 14 分钟 🟡
配额烧到80%，$10救活AI系统 →
今天是 Claude 周重置的第 4 天，我打开后台一看——
约 16 分钟 🟡