HardiMind RAG
从”文件躺在 Obsidian 里”到”手机飞书一键检索”——我为什么自己做了一个 RAG 系统
1. 问题：知识越多，找到越难
我有很多本地文件——日记、调研笔记、学习文档。几百上千个文件，里面藏着我需要的信息，但想”挖”出来的时候，靠人工翻找几乎不可能。
我需要一个系统，能把这些文件向量化索引，然后用自然语言去搜索、提问，直接给我答案。
2. 尝试过的方案，各有各的痛点
先试了 Google NotebookLM，起初效果很惊艳，但想要应用到我自己的生活中时，发现了很多不方便：要手动上传文件。几百个文件一个个传？没有 AI 辅助，管理起来非常复杂，人工成本太高。
再试了 AnythingLLM：本地部署，概念挺好的。但装上之后发现两个致命问题——
第一，太卡。大批量文件处理时电脑明显变慢，而且装一个本地AI LLM后每次回答电脑都卡死，性能扛不住。
第二，需要手动导入。每添加一个新文件，都要进软件手动导入一次，重新做向量化索引。而我的所有知识库文档本来就存在 Obsidian 里，为了用 AnythingLLM，我还得再创建一个副本专门导入进去。每次新增内容都要重复这个流程，非常繁琐。
更关键的是，AnythingLLM 和 OpenClaw（我日常用的 AI Agent 平台）兼容性很差，OpenClaw 经常读不到它里面的数据和信息，API 不好用。这条路走不通。
3. 转机：为什么要自己造轮子
我意识到真正的需求其实很简单：
- 我的文件已经在 Obsidian 里了——为什么还要复制一份？
- 我要的只是一个轻量的、自动化的索引层，能直接读 Obsidian 的原生目录
- 它需要跟 OpenClaw 联动，让我在飞书上直接搜索
- 也要有个 Web 界面，电脑上也能用
这就是 HardiMind RAG 的起点。
4. 做出来的效果
| 维度 | 之前的方案 | ✅ HardiMind RAG |
|---|---|---|
| 性能 | AnythingLLM 卡到没法用 | 轻量 ChromaDB，几乎无开销 |
| 同步 | 手动导入，还要建副本 | 原位向量化——直接读 Obsidian 原始目录，文件不动 |
| 自动化 | 每次都得人工操作 | 增量索引，新增/修改文件自动发现、自动处理 |
| 检索入口 | 只能在软件界面搜 | 手机飞书发消息就能查 + Web UI 也能查 |
| 检索能力 | 仅向量搜索 | 向量语义 + BM25 全文双引擎 |
5. 一句话总结
文件留在 Obsidian 里，你只管写。新增内容自动索引，飞书对话直接检索，Web 界面也能查。写完即入库，入库即可查。
👉 GitHub 项目：：https://github.com/hardihuang/hardimindRAG
Nas Rsync Transfer
家里有一台群晖（Synology）NAS，电脑上有几十个 G 甚至上百个 G 的大量文件需要传输到 NAS 上做备份。
直接走 Wi-Fi 传输，速度慢得让人崩溃——小文件多的时候速度跌到几 MB/s，几十 G 的数据要等几个小时甚至隔夜。而且传输中断了还得从头再来，走硬盘又不一定有这么大容量空闲的硬盘，而且需要先拷贝到硬盘，再插入nas拷贝，过程中很繁琐，而且usb3.0拷贝也没那么快。
因此用AI研究了下，写了一个skills，传到了github，用rsync的方案给笔记本插网线，效率高，而且可靠，并且可以用claude code监控去传输，断点续传等等，非常适合大批量文件备份的需求。
👉 GitHub 项目：https://github.com/hardihuang/nasRsyncTransfer
