这两天进行了第一次黑客松的复盘，总结了经验，并且编写了一个skills，方便后续项目进行联网匹配等机制的实现。同时，进行了本地大模型的尝试，下载了四个大模型，并为大模型安装了mcp。下一步，需要明确未来的方向，重新审视下路线，并制定学习计划。
100天 AI Product Builder 计划｜Day 35 学习记录
在线匹配 Skill 与本地大模型探索
一次项目的价值不只在最终 Demo，也在于能否把技术经验、协作规则和执行流程提炼成可复用资产。本地模型与 MCP 扩展了可控 AI 工作流的可能性，但下一步必须回到明确方向和真实任务。
Original Note
原文复盘
Daily Review
结构化复盘
今日完成
今天继续整理黑客松经验，编写了用于后续项目实现联网匹配等机制的 Skill；同时尝试本地大模型，下载了四个模型，并为本地模型安装和配置了 MCP。
今日卡点
目前完成了工具和环境尝试，但未来重点领域仍不够明确。本地模型、MCP、在线匹配和后续项目之间还需要建立清晰的目标关系与验证任务。
今日收获
一次项目的价值不只在最终 Demo，也在于能否把技术经验、协作规则和执行流程提炼成可复用资产。本地模型与 MCP 扩展了可控 AI 工作流的可能性，但下一步必须回到明确方向和真实任务。
下一步
重新审视 100 天路线和目标岗位方向，确定下一阶段重点领域，并围绕真实项目制定学习、实践、展示和复盘计划。
Reusable Workflow
Skill、本地模型与 MCP
把项目经验变成可复用能力，同时用真实任务判断新工具是否值得进入长期工作流。
01
已将 WebSocket 在线匹配等经验整理为后续项目可复用的 Skill。
02
本地下载了四个大模型，并尝试为本地模型配置 MCP。
03
Skill、模型和 MCP 只有进入具体项目并经过验证，才会成为稳定能力。
04
下一阶段需要重新审视路线，先确定重点方向，再制定针对性学习计划。
05
后续项目应同时沉淀代码、模板、演示材料、复盘和可复用工作流。
Next Step
重新审视路线并制定学习计划
重新审视 100 天路线和目标岗位方向，确定下一阶段重点领域，并围绕真实项目制定学习、实践、展示和复盘计划。