# 影片筆記：M1 Mac mini 安装 Omarchy：Jev 真实工作流实测


<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->
## ⚠️ 全文快速校讀發現待確認修正

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

- 待修正：⚠️ 全文快速校讀：已套用暫定修正，請確認（segment=12 已先套用暫定修正：而是呢做出這個網站的這台 MacOmarchy 電腦 → 而是呢做出這個網站的這台 Mac 上的 Omarchy；segment=22 已先套用暫定修正：我剛剛才把平時用的 Mac Studio 升級到 macOS 27 → 我剛剛才把平時用的 Mac Studio 升級到 macOS 15）
- 待修正：逐字稿可先使用，但有待校正清單（segment=42 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=182 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

## 一句話總結

影片記錄了作者在一台閒置的 M1 Mac mini 上安裝 **Omarchy** 系統，並透過 AI Coding Agent **Codex** 與 **Hostinger Connector (MCP)**，將本地開發的 **Jev Atlas** 網站自動化部署至互聯網，實現從代碼編寫、故障修復到線上驗證的完整閉環，以此探討「AI 原生電腦」的實際工作流價值。

## 核心重點

1.  **AI 原生電腦的定義**：並非硬體性能的提升，而是人與電腦互動方式的改變。從「人搬運信息」轉變為「AI 延伸工作至互聯網服務」，讓舊硬體也能透過 AI Agent 獲得第二次生命。
2.  **自動化部署閉環**：利用 **Hostinger Connector (MCP)** 將雲端服務能力賦予本地 AI Agent。流程涵蓋本地編碼、本地測試、自動部署、線上驗證，以及出錯時自動讀取日誌修復並重新部署，全程無需人工介入雲服務器後台。
3.  **效能優化策略**：針對項目維護，引入 **Jev** 作為過濾層處理確定性重複工作，僅將複雜例外情況交給 **Codex** 深度檢查，顯著降低 AI 處理時間與成本。
4.  **硬體普及性**：**Omarchy** 系統不僅限於 Mac，也可運行於 ThinkPad、Dell 台式機等硬體上，顯示該工作流對硬體門檻要求不高。

## 詳細大綱

### 一、 實驗背景與初衷
*   **硬體準備**：使用閒置的 M1 Mac mini，安裝 **Omarchy** 系統。
*   **核心疑問**：舊電腦運行新系統是否能提高效率？這台電腦是否僅是多了一個聊天窗口，還是能成為真正的「AI 原生電腦」？
*   **贊助合作**：由 **Hostinger** 贊助，測試 AI Agent 能否不經手動操作服務器後台，直接將本地工作部署至互聯網。

### 二、 初步體驗：從設置到項目構建
*   **基礎設置測試**：
    *   透過終端輸入 `Codex`，指令其連接藍牙鼠標（Magic Mouse）。
    *   調整指針速度與滾動方向，體驗 AI 直接與系統打交道，而非模擬點擊圖標的差異。
*   **項目定義：Jev Atlas**：
    *   **目標**：整理散落在 X、GitHub 等地的 **Jev** 項目，製作可搜索、可分類、可長期維護的網站。
    *   **視覺要求**：首頁需呈現類似 Obsidian 的關係圖，且圖中節點與連線必須對應真實數據關係，非預先畫死的背景。
    *   **執行者**：作者決定方向與品味，**Codex** 負責編寫代碼、整理數據、運行網站及本地測試。

### 三、 部署與運維：本地到互聯網的閉環
*   **部署工具**：使用 **Hostinger Connector (MCP)**，透過瀏覽器 OAuth 授權，將 **Hostinger** 的能力接給 AI Coding Agent。
*   **自動化流程**：
    1.  **本地開發**：**Codex** 在 M1 上寫代碼、整理數據、運行網站。
    2.  **本地驗證**：**Codex** 自行打開瀏覽器檢查結果。
    3.  **自動部署**：透過 **Hostinger Connector (MCP)** 將網站部署至互聯網。
    4.  **線上驗證**：**Codex** 打開公開網址進行最終檢查。
*   **故障排除實例**：
    *   初次部署出現 503 錯誤。
    *   作者未手動查日誌，**Codex** 透過 **Hostinger Connector (MCP)** 讀取 Runtime Logs，定位到 `app.js` 錯誤。
    *   **Codex** 在本地修復、重新測試，確認無誤後再次部署，並最終在公開網站驗證成功。
*   **體驗總結**：無需離開 Agent 工作環境即可處理部署與運維，無需手動操作雲服務商後台。

### 四、 維護流程優化：引入 Jev
*   **問題**：**Jev** 生態持續增長，網站需長期維護。
*   **解決方案**：將 **Jev** 納入維護流程，作為過濾層。
    *   **普通代碼**：處理確定性的重複工作。
    *   **Jev**：判斷新項目與現有項目間的關係（處理「看起來很像」的對象）。
    *   **Codex**：僅處理更模糊、複雜的例外情況。
*   **效能數據**：
    *   加入流程前：Codex 需深度閱讀 13 個項目，耗時約 36.9 秒。
    *   加入流程後：Codex 僅需檢查 1 個項目，耗時降至 10.2 秒。
    *   後續測試：28 個候選身份中，僅剩 3 個需 Codex 深度檢查。
*   **最終成果**：項目數從 171 個增至 200 個，實現自動化維護與部署的完整閉環。

### 五、 結論與展望
*   **AI 原生電腦的定義**：並非硬體變快，而是人與電腦相處方式的改變——從「人搬運信息」轉變為「AI 延伸工作至互聯網服務」。
*   **硬體普及性**：**Omarchy** 可在 ThinkPad、Dell 台式機及 Mac 上運行，硬體門檻不高。
*   **核心提問**：未來需要重新設計的究竟是「應用」，還是整台電腦的工作方式？

## 工具 / 模型 / 名詞整理

*   **系統/環境**：
    *   Omarchy（影片中被稱為 MacOmarchy 的系統）
    *   macOS 15
    *   M1 Mac mini
    *   Mac Studio
    *   Linux
    *   localhost
*   **AI 模型/Agent**：
    *   Codex（AI Coding Agent）
    *   Jev（開放後的開發者實驗與項目生態）
    *   Grok（用於增量調查）
    *   ChatGPT
*   **平台/服務**：
    *   Hostinger（雲服務商）
    *   Hostinger Connector (MCP)（MCP 工具/連接器）
    *   hPanel（Hostinger 管理面板）
    *   Web App Hosting（Hostinger 套餐）
    *   X（前 Twitter）
    *   GitHub
    *   Obsidian（用於比喻關係圖風格）
*   **技術/概念**：
    *   MCP（Model Context Protocol，模型上下文協議）
    *   OAuth
    *   SSL, CDN, WAF, DDoS 防護
    *   Node.js
    *   Build Logs, Runtime Logs
    *   503 錯誤
    *   AI-native computer（AI 原生電腦）

## 操作流程整理

1.  **環境初始化**：在 M1 Mac mini 上安裝 Omarchy 系統。
2.  **AI 連接測試**：透過終端啟動 Codex，連接藍牙設備並調整系統設置（指針速度、滾動方向）。
3.  **項目開發**：
    *   定義 Jev Atlas 網站目標與視覺風格（類似 Obsidian 關係圖）。
    *   Codex 編寫代碼、整理數據、運行本地網站。
4.  **本地驗證**：Codex 打開本地瀏覽器檢查網站運行狀況。
5.  **自動部署**：
    *   透過 Hostinger Connector (MCP) 進行 OAuth 授權。
    *   Codex 將本地網站部署至 Hostinger 服務器。
6.  **線上驗證與修復**：
    *   Codex 打開公開網址檢查。
    *   若出現錯誤（如 503），Codex 透過 MCP 讀取 Runtime Logs。
    *   定位錯誤文件（如 `app.js`），在本地修復並重新測試。
    *   確認無誤後再次部署，直至線上驗證成功。
7.  **長期維護優化**：
    *   引入 Jev 作為過濾層，處理確定性重複工作。
    *   Codex 僅處理複雜例外情況，減少深度閱讀項目數量與時間。

## 值得注意的限制或風險

*   **AI 依賴性**：整個流程高度依賴 AI Agent（Codex）的穩定性與能力，若 AI 出現誤判或無法正確讀取日誌，可能導致部署失敗或修復延遲。
*   **數據準確性**：首頁的關係圖節點與連線必須對應真實數據關係，若 AI 整理的數據有誤，視覺呈現將產生誤導。
*   **硬體兼容性**：雖然 Omarchy 宣稱可在多種硬體上運行，但實際體驗可能因硬體規格（如 M1 Mac mini 的閒置狀態）而有所不同。
*   **安全性**：透過 OAuth 授權 AI Agent 訪問 Hostinger 服務器，需確保授權範圍與權限管理適當，避免未經授權的操作。

## 逐字稿辨識疑點

*   **警告**：根據可讀性檢核，以下片段存在斷句或語義問題，請謹慎解讀：
    *   segment 42: unnatural_sentence_boundary — 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語
    *   segment 182: unnatural_sentence_boundary — 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語
    *   segment 269: unnatural_sentence_boundary — 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語
    *   segment 417: unnatural_sentence_boundary — 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語
    *   segment 22: rapid_semantic_review — 全文速讀上下文判斷；尚未回聽或交叉比對
    *   segment 12: rapid_semantic_review — 影片標題為「M1 Mac mini 安装 Omarchy」，且第26段明確區分「舊 M1 上跑起來的 MacOmarchy」，疑為口語連讀。

*   **名詞與技術疑點**：
    *   **Jev**：逐字稿中多次出現「Jev」，指代一種開放的技術或生態系統，具體技術原理作者表示「暫時不用管」，但提及它涉及 Coding Agent、瀏覽器操作、模型路由等。此名稱可能為聽寫錯誤或特定小眾技術名稱，需查證。
    *   **MacOmarchy**：作者將運行 Omarchy 的 Mac 電腦稱為「MacOmarchy」，此為影片中的特定稱呼，非官方產品名稱。
    *   **Omarchy**：系統名稱，逐字稿中未詳細說明其具體技術架構，僅提及為一種讓舊電腦獲得「第二次生命」的系統。
    *   **Hostinger Connector (MCP)**：具體工具名稱，指 Hostinger 提供的 MCP 連接器。
    *   **app js**：日誌中提到的錯誤文件，標準寫法可能為 `app.js`，但逐字稿顯示為空格分隔，標記為疑點。
    *   **171 個項目 / 200 個項目**：影片開頭提及網站收集了上百個項目，後文具體數字為 171 個，結尾增至 200 個。數字變化符合敘事邏輯，但「上百個」與「171」的對應關係需留意。
    *   **36.9 秒 / 10.2 秒**：效能測試數據，標記為影片中的具體測量值，非嚴格 benchmark。

## 可延伸追問

1.  **Omarchy 的技術架構**：Omarchy 系統具體基於什麼技術棧？它如何實現讓舊硬體運行現代 AI 工作流？
2.  **Jev 的具體定義**：Jev 作為過濾層，其具體算法或邏輯是什麼？它如何判斷項目間的關係？
3.  **MCP 的擴展性**：Hostinger Connector (MCP) 是否支援其他雲服務商？AI Agent 能否跨平台進行部署與運維？
4.  **安全性與權限**：在自動化部署過程中，如何確保 AI Agent 的權限最小化，避免對生產環境造成意外破壞？
5.  **未來應用場景**：除了網站部署，這種 AI 原生電腦的工作流還可應用於哪些其他領域（如數據分析、自動化測試等）？