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。
AI Product Builder 研究档案｜Day 35 历史日记
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
重新审视阶段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。