每日笔记

「间歇式日记」是我坚持使用 Obsidian 做笔记的动力之一，它重点解决了两个问题记录什么以及放到哪里，详见《玩转 Obsidian 03：如何记录「间歇式日记」》，其核心思路如下：

当然使用中也遇到了一些问题，例如重复性创建笔记，以及笔记存储的问题，在另一篇《玩转 Obsidian 07 ：自动化「间歇式日记」》种利用「自动化脚本」解决了以上问题，不过依然还有一个问题困扰我就是整个录入的过程「太重」：从打开 Obsidian ，到写入笔记，动作略微繁琐，并不能快速直达。

最近在这篇文章《From Chaos to Clarity: How Daily Notes Help You Stay Focused》帮文章的启发下，开始使用「备忘录」作为「间歇日记」的中转站，给大家分享一下大致方法以及优点。

第一步：创建「每日笔记」

在「备忘录」中以「当天日期」命名的笔记，并将笔记拖拽到「快速备忘录」（拖拽很重要，这会让我们一步直达笔记）。

第二步：快速启动「每日笔记」

使用「备忘录」作为「间歇式日记」的中转站最大的便利是因为「备忘录」在 Apple 全平台进行了「系统级集成」。即我们可以通过简单的设置「一键直达笔记」，这也解决了上文中提到的「步骤繁琐」问题。

PS：以 Mac OS 设置为例（iPad OS 也有多种方式，请自行研究）。

2.1 设置「快捷键」方式：系统设置 → 键盘 → 调度中心 → 快速备忘录，如图：

通过如上设置，我们只需要按下快解决「Control + Q」，就可以直接显示第一步创建的「每日笔记」。

2.2 设置「触发角」的方式：系统设置 → 桌面与程序坞 → 触发角 → 选择左下角触发。

以上设置后，我们只需要将鼠标指针移动到「左下角」就会显示「每日笔记」小窗，点击即可进入编辑界面，如图：

第三步：记录「每日笔记」

之所以选择「备忘录」一个原因是可以「一键直达」，快速启动并进入笔记，另一个原因就是备忘录支持「富文本」编辑，几乎可以将任何内容附件、截图、网址轻松插入到笔记中。

第四步：整理「每日笔记」

整理笔记是整个过程中的「灵魂」，我会在每天8点钟提醒自己，将「备忘录」中的「每日笔记」内容分门别类的进行整理：

• 工作范畴的，整里到 Obsidian 的 work 仓库中的当天「间歇式日记」中。
• 个人研究范畴一部分需要整理到 Obsidian 的 personal 仓库中，以备日后使用。
• TODO 相关，自然加入「任务列表」，例如一些随后记录的内容准备「日后研究」，如图：

Warp 基于 OpenAI 的 Terminal 工具

这是最近发现的一款 MacOS 平台的基于 OpenAI 的命令行工具 Warp，目前已经基本替代 iTerm 。

Warp 本身就是一个非常强大的命令行工具，具备非常先进的功能，之所以用它替换到 iTerm 最大的原因就是其对 OpenAI 的支持。

软件自带了 Ask Warp AI 功能，当我们在命令行中没有得到预期的结果，可以快速提问，并获得 AI 返回的结果，如图：

最近一直研究各种新工具，不免使用命令行， Warp 真真实实的帮我节省了不少时间，几乎不用打开搜索引擎了。

当然还有一个问题比较困扰，就是「Hotkey Window 快捷键和中文输入法冲突」

经过去官网查询，当我们系统中有中文输入法（日文和韩文同样），快捷键就无法启动，我们就很难实现一键唤起命令行，这一点不如 iTerm 方便。解决办法目前有一个，就是临时在设置中删除「中文输入法」，再添加回来，可以让 HotKey 临时生效，但是不确定啥时候就失效了。

OrbStack

一款 Docker Desktop 的替代工具 OrbStack，最大的特点是小巧，运行速度快。

个人使用的是 M1 Max 的 MacBook Pro，在使用中依然感觉 Docker DeskTop 工具比较慢，启动时间比较长，稍感笨重，在发现了 OrbStack 后，果断替代掉 Docker DeskTop，发现其管理和使用起来都比较顺手，推荐给大家，工具免费，官网下载即可。

GPT4ALL

GPT4ALL 一个开源聊天机器人的生态系统，在大量干净的助理数据（包括代码、故事和对话）上进行训练。

官方正式介绍如下：

支持 CPU 训练和 GPU 训练两种模式，CPU 训练搭建步骤如下（非常简单）：

1. Download the gpt4all-lora-quantized.bin file from Direct Link or [Torrent-Magnet].
2. Clone this repository, navigate to chat, and place the downloaded file there.
3. Run the appropriate command for your OS:
   • M1 Mac/OSX: cd chat;./gpt4all-lora-quantized-OSX-m1
   • Linux: cd chat;./gpt4all-lora-quantized-linux-x86
   • Windows (PowerShell): cd chat;./gpt4all-lora-quantized-win64.exe
   • Intel Mac/OSX: cd chat;./gpt4all-lora-quantized-OSX-intel

简单搭建完成即可对其进行提问，用英文提问会有比较好的预期，中文就差点意思，不过应该可以通过后期训练让结果更加靠谱。下一步就准备研究一下怎么训练模型。

MochiDiffusion

MochiDiffusion 是一款使用 SwiftUI 开发的 AI 图片生成器，可在 macOS 平台上运行。它使用神经网络引擎，在所有搭载 Apple 芯片的 Mac 上都具有很好的运行速度。这是一款本地化生成图片的 Stable Diffusion 应用，仅支持 Mac 版本，并内置了 CoreML 框架。

下载后需要自行 Clone 模型文件，放到指定目录后即可运行：

• 去这里选择并下载一些模型
• 点击页面中 How to clone 进行下载

下载命令类似如下：

git lfs install
git clone https://huggingface.co/coreml/coreml-beautypromix-v1

PS：查了一下 git lfs 是 Github 开发的一个 Git 扩展，支持将大文件的更新和代码仓库更新隔离开，从而降低 clone 和 pull 的数据量。

这里需要注意下载完成后要将下载的目录解压到 /Users/yourname/Documents/MochiDiffusion/models：

运行效果如下图：

图一是我自己的关键词，效果还凑合，细节不太够，看来需要持续调参： Spring Mountains in the distance Trees in the near distance Good weather 。

图二是官方提供的事例，整体效果非常棒，已经可以算是艺术品了： nvinkpunk, falcon bird, intricate, elegant, highly detailed, digital painting, artstation, concept art, smooth, sharp focus, ilustration, art by artgerm and greg rutkowski and alphonse mucha, 8k 。

PS :题图就是用软件生成的，调教的不多，还在研究中。

网摘推荐

随手记录了一些不错的 Blog ，有兴趣的同学自行索取。

• Bicycle – Bartosz Ciechanowski，通过一系列有趣的 Gif 图讲明白自行车的运动原理，非常有意思。
• Lil'Log ，AI 大佬的 Blog，感兴趣的可以去看一下。
• Secret, Cosy Attic Workspace by Zwitzh in Denmark，一名「街头艺术家」的工作台。
• 位换记号、排列测试与状态图：杂耍中的数学 | Matrix67: The Aha Moments
• 街头摄影的5堂课
  • 街头摄影就要拍很多，很多很多，作者的例子，拍了9w张，只用上了2张。一名来自日本的街头摄影者，只有2% 的作品能够选出来（他会将作品投影到街头的一面墙上，将艺术作品反馈给街头，PS：很喜欢这种艺术思想）
  • 多看自己的照片，要多看，即使没用上的照片，也要多看看找找感觉。同样的照片给自己再拍摄的时候留下印象。需要反思自己的拍摄，甚至专注某些主题的时候能够更深刻。
  • 想办法曝光自己的照片（朋友圈不是个好例子），可以考虑街头艺术，类似 798 摆摊等方式。
  • 要有其他爱好，不能只是摄影师（对我有难度，毕竟人到中年时间不由己），这样会让自己生活和精力丰富多彩。
  • 要找到自己的主题（环保、光污染、简约、生活。），并坚持下去。