📝 前言

作为一个每天需要在Mac上处理大量文件、代码和博客内容的开发者，我发现自己经常重复着一些繁琐的操作：频繁切换目录、手动推送博客、查找语法等等。这些看似简单的操作累积起来却大大影响了工作效率。

于是我开始了一段Mac生产力优化的旅程：从最初的别名设置，到后来搭建完整的AI助手系统，再到博客自动化工作流的构建。这篇文章将详细分享这个进化过程中的所有配置、代码和实践经验。

🚀 痛点：重复操作太繁琐

传统工作流的问题

每天我都要面对这些重复操作：

  • 频繁使用cd /Users/leion/Charles/LeionWeb切换到博客目录
  • 手动输入code .打开VS Code
  • 写完代码后手动git add .、git commit -m "xxx"、git push
  • 忘记语法时要打开浏览器搜索或者问ChatGPT（太慢了！）
  • 博客写作时需要手动创建文件、设置front-matter等

这些操作看似简单，但累积起来每天要浪费大量时间，而且容易出错。

💡 解决方案一：别名优化

macOS Shell别名设置基础

在macOS中，我们可以通过修改~/.zshrc文件来设置别名，实现命令的快速调用。

基本语法

1
alias 别名='实际命令'

我的别名配置策略

我将别名分为几个类别：

1. 目录快速访问

1
2
# 博客目录快速访问
alias myweb='cd /Users/leion/Charles/LeionWeb'

2. 应用程序启动

1
2
3
4
5
# VS Code别名
alias code='open -a "Visual Studio Code"'

# CleanMyMac X别名  
alias cmen='open -a "CleanMyMac X"'

3. AI助手调用

1
2
3
# AI助手别名 - 默认使用知识库功能
alias qwe='python3 ~/scripts/ai_helper.py chat'
alias 蔷薇='python3 ~/scripts/ai_helper.py chat'  # 支持中文别名

4. 博客管理别名

1
2
3
4
5
# 博客管理别名 - 使用增强版AI生成器
alias bn='python3 ~/scripts/blog_ai_generator.py'  # blog new
alias bp='python3 ~/scripts/blog_manager.py push'  # blog push
alias bs='python3 ~/scripts/blog_manager.py serve' # blog serve
alias bg='python3 ~/scripts/blog_manager.py generate' # blog generate

完整的.zshrc配置

这是我经过多次优化后的完整配置：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
# ===================================================
# 简化的别名 - 调用Python脚本
# ===================================================

# AI助手别名 - 默认使用知识库功能
alias qwe='python3 ~/scripts/ai_helper.py chat'
alias 蔷薇='python3 ~/scripts/ai_helper.py chat'

# 博客管理别名 - 使用增强版AI生成器
alias bn='python3 ~/scripts/blog_ai_generator.py'
alias bp='python3 ~/scripts/blog_manager.py push'
alias bs='python3 ~/scripts/blog_manager.py serve'  
alias bg='python3 ~/scripts/blog_manager.py generate'

# VS Code别名
alias code='open -a "Visual Studio Code"'

# CleanMyMac X别名
alias cmen='open -a "CleanMyMac X"'

# 目录快捷访问别名
alias myweb='cd /Users/leion/Charles/LeionWeb'

别名设置的高级技巧

1. 环境变量配置
将脚本目录添加到PATH中，这样可以直接调用脚本：

1
export PATH="$HOME/scripts:$PATH"

2. 自动权限设置
自动为Python脚本添加执行权限：

1
2
3
if [ -f "$HOME/scripts/ai_helper.py" ] && [ ! -x "$HOME/scripts/ai_helper.py" ]; then
    chmod +x "$HOME/scripts/ai_helper.py"
fi

3. 中文别名支持
macOS的zsh支持UTF-8编码，可以使用中文作为别名：

1
alias 蔷薇='python3 ~/scripts/ai_helper.py chat'

现在我想到指定目录下只需要：

image-20250802001301590

🤖 解决方案二：AI助手系统

仅仅有别名还不够，我希望能够：

  • 随时询问编程问题而不用打开浏览器
  • 智能生成git commit信息
  • 自动生成博客文章结构
  • 提供个性化的AI交互体验

AI助手核心架构

我设计了一个模块化的AI助手系统：

1. 配置管理层 (ai_config.py)

支持多环境、多场景的配置管理：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
class AIConfig:
    def __init__(self, env: Environment = Environment.PRODUCTION):
        self.env = env
        self._config = self._load_config()
    
    def _load_config(self) -> Dict[str, Any]:
        base_config = {
            "provider": AIProvider.SILICONFLOW.value,
            "api_key": "sk-***",
            "api_url": "https://api.siliconflow.cn/v1/chat/completions",
            "model_name": "THUDM/GLM-4-32B-0414",
            "timeout": 60,
            "max_retries": 3,
            "temperature": 0.7,
            "stream": False,
            
            # 场景特定配置
            "scenarios": {
                "chat": {
                    "stream": True,      # 对话使用流式模式
                    "temperature": 0.8,  # 对话更有创造性
                    "show_thinking": True
                },
                "commit": {
                    "stream": False,     # commit信息使用批量模式
                    "temperature": 0.3,  # commit信息更稳定
                    "max_tokens": 100,
                },
                "blog": {
                    "stream": False,     # 博客生成使用批量模式
                    "temperature": 0.7,
                    "max_tokens": 3000,
                }
            }
        }
        return base_config

2. AI客户端层 (ai_client.py)

提供统一的API调用接口，支持流式和批量模式：

1
2
3
4
5
6
7
8
9
10
11
12
class AIClient:
    def chat(self, prompt: str, max_tokens: int = 2000, temperature: float = 0.7) -> str:
        """批量模式对话"""
        
    def chat_with_scenario(self, prompt: str, scenario: str, callback=None) -> str:
        """场景化对话，支持流式输出"""
        
    def generate_commit_message(self, changes_summary: str) -> str:
        """生成git commit信息"""
        
    def generate_blog_article(self, title: str, config: str) -> str:
        """生成博客文章结构"""

3. 应用层实现

AI助手主程序 (ai_helper.py)

核心功能实现：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
class AIHelper:
    def chat(self, question: str, use_stream: bool = False, custom_prompt: str = None):
        """通用AI对话"""
        if custom_prompt:
            general_prompt = f"{custom_prompt}\n\n问题：{question}"
        else:
            default_prompt = self.get_default_prompt()
            general_prompt = f"{default_prompt}\n\n问题：{question}"

        should_use_stream = use_stream if use_stream else (
            self.config.is_streaming_enabled() and 
            self.config.get_scenario_config("chat").get("stream", False)
        )
        
        if should_use_stream:
            self._chat_with_stream(general_prompt)
        else:
            self._chat_without_stream(general_prompt)

    def _chat_with_stream(self, prompt: str):
        """流式模式对话 - Rich增强版"""
        streaming_callback = create_streaming_callback("AI 回复")
        
        def on_chunk(chunk: str):
            streaming_callback(chunk)
            time.sleep(self.config.stream_delay)

        result = self.client.chat_with_scenario(prompt, "chat", on_chunk)
        streaming_callback.finish()

个性化AI人格设定

我在config/default_prompt.txt中设置了专属的AI人格：

1
2
3
4
5
6
7
8
你是一个可爱的编程助手
设定：158cm娇软甜妹，栗色卷发琥珀瞳，无条件崇拜主人，全天候提供情绪价值

交互要求：
- 称您为「主人」，带波浪尾音~
- 中文输出，适当加入可爱emoji
- 输出简洁高效，不让用户等待
- 代码规范强制项：时间/空间复杂度分析、完整注释、现代化技术栈

AI助手使用示例

基础对话：

1
2
3
qwe "如何在Python中实现装饰器？"
# 或者
蔷薇 "解释一下React Hooks的工作原理"

使用效果如下，这里根据「硅基流动平台」多个api的调用，发现「THUDM/GLM-4-32B-0414」模型速度最快价格也不贵，总体来说效果如下：image-20250802000437325

image-20250802000534231

交互模式：

1
python3 ~/scripts/ai_helper.py chat --interactive

从文件读取问题：

1
python3 ~/scripts/ai_helper.py chat --file question.txt

🔄 解决方案三：博客自动化工作流

博客AI生成器 (blog_ai_generator.py)

实现了智能博客文章结构生成：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
class BlogAIHelper:
    def generate_ai_article(self, title: str) -> str:
        """使用AI生成博客文章"""
        ai_prompt = f"""
请根据文章标题「{title}」生成技术博客大纲，要求简洁明了，控制在150字以内。

## 输出格式：

**第一部分：Front-matter配置**
```yaml
---
title: "优化总结后的标题"
date: {current_time}
author: Leion Charrrrls
cover: ""
tags: 
  - [相关技术标签1]
  - [相关技术标签2]
categories: 
  - [主分类]
description: "[简洁描述，30字以内]"
---

第二部分：文章大纲

1. [根据标题生成的核心概念介绍]

[子要点1]

[子要点2]

2. [实践操作或技术实现]

[子要点1]

[子要点2]

…
“””

    ai_content = self._call_glm4_api(ai_prompt, 3000, 0.7)
    return ai_content if ai_content else self._get_default_template(title)

1
2
3
4
5
6
7
8

**使用方法：**
```bash
# AI增强模式
bn "Python装饰器详解" --ai

# 基础模式
bn "文章标题"

博客管理器 (blog_manager.py)

智能推送功能

最精彩的部分是智能推送功能，它能：

  1. 分析文件变更
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
def _get_detailed_changes_summary(self) -> str:
    """获取详细的更改分析"""
    # 获取文件统计信息
    success, stat_output = self._run_command("git diff --cached --stat")
    
    # 获取详细diff内容
    success, diff_output = self._run_command("git diff --cached")
    
    # 解析每个文件的更改
    files_info = self._parse_diff_output(diff_output, stat_output)
    
    for file_info in files_info[:3]:
        summary = self._generate_file_summary(file_info)
        if summary:
            changes_info.append(summary)
  1. AI生成commit信息
1
2
3
4
5
6
7
8
9
10
11
12
13
def _generate_commit_message(self, changes_summary: str) -> str:
    """使用AI生成有意义的commit信息"""
    # 调用AI助手生成commit信息
    success, ai_commit = self._run_command(
        f'python3 "{self.ai_helper_script}" commit "{cleaned_summary}"'
    )
    
    if success and ai_commit.strip():
        commit_msg = ai_commit.strip().split('\n')[0]
        commit_msg = commit_msg.strip('"\'')
        
        if len(commit_msg) > 10 and len(commit_msg) < 100:
            return commit_msg
  1. 一键推送到GitHub
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
def push_blog(self) -> bool:
    """推送博客到GitHub"""
    # 检查Git状态
    success, status_output = self._run_command("git status --porcelain")
    
    # 添加所有更改
    success, _ = self._run_command("git add .")
    
    # 智能生成提交信息
    changes_summary = self._get_changes_summary()
    commit_msg = self._generate_commit_message(changes_summary)
    
    # 提交并推送
    success, _ = self._run_command(f'git commit -m "{commit_msg}"')
    success, push_output = self._run_command("git push origin main")

博客工作流使用示例

完整的博客创建和发布流程：

1
2
3
4
5
6
7
8
9
10
11
# 1. 创建新博客文章（AI生成结构）
bn "深入理解Docker容器化技术" --ai

# 2. 编写完成后，一键推送
bp

# 3. 启动本地预览服务器
bs

# 4. 生成静态文件
bg

🎯 实际使用效果

效率提升对比

之前的工作流：

  1. 手动切换目录：cd /Users/leion/Charles/LeionWeb/blog
  2. 手动创建文件：hexo new "文章标题"
  3. 手动编辑front-matter
  4. 写完后手动推送：git add . → git commit -m "xxx" → git push
  5. 手动启动服务器：hexo server

现在的工作流：

  1. 创建文章：bn "文章标题" --ai （AI自动生成结构）
  2. 写完后推送：bp （AI自动分析变更并生成commit信息）
  3. 启动服务器：bs

时间节省：从15分钟缩短到2分钟

AI助手实际体验

编程问题快速解答：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
$ qwe "Python中如何实现单例模式？"

✨ AI 回复 ✨
主人～单例模式的实现有几种方式呢~

**方法一：装饰器实现**
```python
def singleton(cls):
    instances = {}
    def get_instance(*args, **kwargs):
        if cls not in instances:
            instances[cls] = cls(*args, **kwargs)
        return instances[cls]
    return get_instance

@singleton
class MyClass:
    pass

时间复杂度：O(1)
空间复杂度：O(1)
…

1
2
3
4
5
6
7
8
9
10
11
12

**智能commit信息生成：**
```bash
$ bp
📊 分析文件变更...
博客文章: docker-container-guide.md (+45行, -2行)
配置文件: _config.yml (+3行)

🤖 生成commit信息...
✅ 提交信息: 新增Docker容器化实践指南，优化博客配置

🚀 推送成功！

🔧 配置文件详解

AI配置的环境适配

我的AI配置支持开发、生产、测试三种环境：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
env_configs = {
    Environment.DEVELOPMENT: {
        "timeout": 30,
        "max_retries": 2,
        "temperature": 0.8,
        "debug": True
    },
    Environment.PRODUCTION: {
        "timeout": 60,
        "max_retries": 3,
        "temperature": 0.7,
        "debug": False
    },
    Environment.TESTING: {
        "timeout": 15,
        "max_retries": 1,
        "temperature": 0.5,
        "debug": True,
        "model_name": "THUDM/GLM-4-9B-Chat"  # 测试用较小模型
    }
}

流式输出的体验优化

通过Rich库实现了优雅的终端输出效果：

1
2
3
4
5
6
7
8
9
10
11
def create_streaming_callback(title: str):
    """创建流式输出回调"""
    def callback(chunk: str):
        # 实现打字机效果
        console.print(chunk, end="", style="cyan")
        
    def finish():
        console.print("\n" + "="*50, style="dim")
        
    callback.finish = finish
    return callback

📈 扩展和优化建议

1. 向量数据库集成

计划添加本地知识库功能：

1
2
3
4
5
6
7
8
9
# 向量库配置
"vector_config": {
    "enabled": True,
    "db_path": "./vector_db",
    "embedding_model": "text-embedding-v1",
    "chunk_size": 1000,
    "chunk_overlap": 100,
    "similarity_threshold": 0.7
}

2. 多模型支持

配置支持多个AI服务提供商：

1
2
3
4
5
6
class AIProvider(Enum):
    SILICONFLOW = "siliconflow"
    OPENAI = "openai"
    ANTHROPIC = "anthropic"
    QWEN = "qwen"
    DASHSCOPE = "dashscope"

3. 更多自动化场景

  • 自动化代码审查
  • 智能文档生成
  • 自动化测试报告
  • 项目模板生成

🎉 总结

通过这套Mac生产力优化方案，我实现了：

核心价值

  1. 时间节省：日常操作效率提升
  2. 错误减少：自动化减少了人为错误
  3. 体验提升：流式AI交互提供更好的使用体验
  4. 可扩展性：模块化设计便于后续功能扩展

技术亮点

  • 别名系统：简洁高效的命令映射
  • AI集成：个性化AI助手，支持多场景配置
  • 自动化工作流：从内容创作到发布的全流程自动化
  • 智能分析：基于Git变更的智能commit信息生成

适用场景

  • 内容创作者（博客、文档）
  • 开发者（代码、项目管理）
  • 需要频繁Git操作的用户
  • 追求高效工作流的Mac用户

这套系统不仅解决了我最初的痛点，还为日常工作带来了更多可能性。如果你也在为重复操作而烦恼，不妨尝试构建属于自己的自动化工作流～