背景： 在内容由 AI 生成、流量由算法控制的时代，掌握数据主权是唯一的自救方式。本文记录了我完成 “Phase 1” 数字化基建的全过程。

0. 架构总览

我的目标是利用手头的 MacBook M1，零成本搭建一套企业级的 AI 开发与发布环境。

核心组件：

  • 算力层： MacBook Air (M1)
  • 容器化： OrbStack (替代臃肿的 Docker Desktop)
  • 大模型： Ollama + Phi-3 (微软开源的 3.8B 高智商小模型)
  • 编排层： Dify (本地部署的 LLM Ops 平台)
  • 发布层： Hugo + PaperMod + Vercel
graph LR
    A[MacBook M1] --> B(OrbStack)
    B --> C[Dify 容器]
    A --> D[Ollama (Phi-3)]
    C -- API连接 --> D
    D -- 生成内容 --> E[Hugo 博客]
    E -- Git Push --> F[Vercel 发布]

1. 基础设施：OrbStack 的选择

在 macOS 上跑 Docker，Docker Desktop 曾经是首选，但它太重且吃内存。我选择了 OrbStack。

优势： 启动极快，内存占用极低（待机仅几十 MB），且能与 Mac 原生网络无缝通过 host.docker.internal 互通。

2. 智能引擎：Ollama + Phi-3

为了实现离线可用，我使用 Homebrew 安装了 Ollama：

Bash brew install ollama ollama run phi3 Phi-3 虽然参数只有 3.8B，但在逻辑推理和代码生成上表现惊人，且在 M1 上推理速度极快（~50 token/s），完全满足即时生产力的需求。

3. 大脑中枢：部署 Dify

这是最关键的一步。Dify 让我不再只能和 AI 聊天，而是能构建 Workflow。

部署方式： 拉取 Dify 源码，通过 docker compose up -d 启动。

网络打通： 在 Dify (容器内) 添加模型时，Base URL 填写 http://host.docker.internal:11434，成功连接到了宿主机的 Ollama。

4. 前店建设：Hugo + PaperMod

我选择了静态网站生成器 Hugo，配合极简主题 PaperMod。

优势： 生成的是纯 HTML，无需数据库，极其安全且加载速度快。

部署： 本地 hugo server 预览，推送到 GitHub 后，Vercel 自动构建并分发到全球 CDN。

5. 自动化萌芽：Python 介入

环境搭好后，我写了第一个 Python 脚本 call_ai.py，通过 requests 库直接调用 Ollama 的 API。 这意味着：我绕过了聊天界面，拥有了直接指挥 AI 的代码能力。

下一步计划 (Phase 2) 基建已经完成，接下来是自动化流水线的构建：

编写 Python 脚本，让 Phi-3 自动生成 Hugo 格式的文章。

实现从“生成”到“发布”的全自动 Git 流水线。

2026.01.31 记录于 MacOS 本地环境。