「AI」「坑」今天我差不多陆续用4个Agent在做文件的分类、落盘和使用规则。即使我从空盘的时候就是严格的文件结构，但随着本地脚本、云端模型、CPU模型和GPU模型陆续加入，各种错综复杂的代码、规则、文件种类混合，它在小心应付、没有历史债务的情况下都变得难以控制。我一开始是只打算跑云端模型的，因此很多本地模型散落在项目内部。现在统一迁出，统计设计全新的调用方案，改以前的索引。如果不是AI去做，我基本上放弃挣扎了。

应该说，我这种“事情未做、结构先行”的做法，就是这几个月刚刚养成的。什么是底层通用模型、软件、规则，什么是长期资产、短期缓存、测试目录、失败目录，什么是云端落地文件，什么是本地处理调用。除了几十个旧的项目需要盘点技术路径和资产，后续我会至少装载几百种本地模型，它们本身的环境、规则、资产、缓存、临时文件，也会各有差异。如果不注意，后续会不可收拾。

问题出在了哪儿？是一台主机，要做地球上的所有事情。我想我可能要为文件治理设立长期Agent了，专职负责处理所有文件。

庆幸的是，现在Agent已经完全支持跨对话交流、调用别的会话。刚才我让三个会话中都做过一定程度文件处理的Agent互相交底，然后又去做本地扫描。

有没有办法避免这种复杂呢？应该说，这是很难的。只能一步步增加功能，一步步增加文件，遇到不合适的就只能大改。很难一上来为不存在的事物提前铺文件夹和规则。

基本上，我面临的复杂是这样一些东西：云端调用，本地项目，本地脚本，本地模型，通用规则，临时数据，长期资产，处理中的文档。按功能性还要再细分，它们基本上是在满足我的所有需求——有好奇心，有真的项目，也兴趣爱好，也有学习的，也有知识库。按硬盘，有冷存储，有临时高速盘，有系统盘。如果按文件格式，会是几百种。

一个好的文件结构是会非常省力的，非常需要一开始就构建。但即使一开始就构建，随着内容的不断加入，恐怕也会遇到我所遇到的问题。我现在打算把输出给统一了，按格式去分可落地还是临时。