AI便签纸技能开源：让智能助手接管你的桌面备忘

上个月，我动手做了一个叫 M5 Paper Buddy 的小工具。本质上，它是一块连接到 Claude Code 的墨水屏，用于实时显示 AI 的运行状态和需要我手动确认的操作。

刚完成时，体验确实不错——尤其是用物理按键审批操作，仪式感很强。

但几周后，新鲜感褪去，问题显现：这块屏幕在桌上安静闲置的时间，远多于我实际查看它的时间。逻辑很简单：当 AI 稳定运行时，无需时刻监控；而真正需要我介入时，我大概率本就坐在电脑前。因此，它解决的似乎是一个相对“边缘”的需求。

真正的需求，藏在显示器边框上

后来，我观察到一个普遍现象：很多人的显示器边框上都贴着便签纸。市面上甚至有专为此场景设计的便签产品。

上面记录的内容无非是“今日待办XX”、“下午三点会议”、“项目下一步YYY”。

便签纸的存在，并非因其功能强大，而是它满足了一个最朴素的人类需求：“抬头可见”。我们不想为查看日程而切换电脑窗口，也不愿特意解锁手机——我们需要一种零摩擦、存在于视野边缘的提醒方式。

但便签的局限性显而易见：信息容量有限，且一旦写下便静止不变。日程更新了，便签不会变；任务完成了，便签依然贴在那里。它像一个被时间冻结的物件，缺乏动态生命力。

而现在，我们拥有了 AI。AI 具备记忆（Memory），能以智能体（Agent）形式运行，可以读取我的日历、查看 GitHub 动态、甚至与我对话。如果让 AI 来决定屏幕边框上应该显示什么、何时更新、何时替换，一切就完全不同了。

这就是“AI Desk Card Skill”的初衷。

它的形态是一块 4.7 英寸的磁吸墨水屏（类似 MagSafe），可直接吸附在显示器旁。其核心是一个 Skill——安装到 Claude Code 或 Codex 这类 AI Agent 后，由 AI 全权接管：决定推送内容、推送时机以及息屏显示。

下面通过几个具体案例，展示它的实际应用和解决的问题。

案例一：动态日程与智能待办

我将屏幕左上角槽位设为日历，中间槽位设为待办事项。

早上坐到电脑前，屏幕已展示全天安排：上午会议、下午健身、晚上交稿。这些数据来自飞书日历，由 AI Agent 通过飞书 CLI 直接读取。

下午临时与朋友约了周四喝咖啡。我只需对 AI 说：“周四下午三点加一个咖啡”。AI 便会将日程写入飞书日历，并同步刷新屏幕卡片。新日程项立刻出现在待办槽位中。

更流畅的是反向同步。当我完成 AIGC Weekly 初稿，对 AI 说“周刊写完了”，屏幕上对应的任务行会自动划掉。

这是便签纸无法实现的。便签只能记录静态快照，而日程的本质是流动的状态。当显示设备与你的记忆（Memory）和上下文联通后，它直接呈现的，就是你当下最需要关注的状态流。

案例二：息屏模式与电子名片

这是完成后我最喜欢的功能。

墨水屏具有断电保显的物理特性。我为此专门设计了“Quiet Hours”模式——晚上11点或长按“睡眠”按钮后，屏幕会自动切换为一张电子名片，并进入深度休眠。

名片可显示头像、简介和二维码。整张屏幕黑白分明，带有墨水屏特有的纸质感。

此后，屏幕几乎零耗电，但画面持续保留。凭借磁吸设计，它可以轻松从显示器旁取下，放入包中。

下次结识新朋友，从包里取出递上：一张黑白电子名片附带二维码，添加好友后放回口袋。整个过程无需插电、开机，也避免了手忙脚乱翻找手机 App 的尴尬。

当你早上回到桌前，它又会被 AI 唤醒，自动切回工作模式——日程、待办、PR 队列，一切如常。

你看，墨水屏的限制（不发光、刷新慢、断电保显）在多数场景下是缺点，但当你不再对抗这些特性，而是顺势设计使用场景，就能实现传统屏幕做不到的事。

案例三：GitHub 动态的零打扰追踪

维护像 CodePilot 这样的开源项目，最大的负担在于“不可见”——不打开 GitHub，就不知道是否有新的 PR（合并请求）或 Issue（问题）。但每隔十分钟刷新一次 GitHub，无疑是摧毁专注力的糟糕习惯。

现在，AI Desk Card 的底部槽位常驻一个“pr-queue”小部件。CodePilot 仓库有新 PR、有人在 Issue 中 @ 我、或 CI（持续集成）失败时，AI 都会将其推送到屏幕上。

数字很小，不会形成干扰，但抬头一瞥便知是否有待处理事项。我可以安心写完手头代码，再统一处理。

更进一步，AI 能感知我的状态。当我专注撰写 AIGC Weekly 时，它会自动降低 PR 队列的优先级，仅当出现标记为“critical”（关键）的 Issue 时才推送。而当我切换到 CodePilot 开发工作时，PR 队列又会回到主要位置。

这揭示了一个本质：屏幕上显示什么，本质上是一个动态调度问题，而非静态配置问题。传统仪表盘让你配置各种小部件，配置初期或许有效，之后往往沦为无人问津的信息墙。AI 能主动决策，正是因为它知道你正在做什么，并有权随时调整。

案例四：天气、休息提醒与被动信息流

最让我意外的一类小部件是“休息提醒”。

我常连续工作三四个小时不动。该部件会在检测到一段时间无键盘活动后，在某个槽位轻轻推出一句“该起来走走了”。

墨水屏不发光、不弹窗、不响铃、不震动，但你抬头看到那行字，自然会停顿一下。它与番茄钟的最大区别在于：没有强制性。它只是安静存在，不形成打扰。

如果你正沉浸在心流状态中，这行字会被自然忽略；如果你已感到疲倦、注意力涣散，看到它时，你真的会起身活动。

天气提醒也是如此。我不会特意查询是否下雨，但当顶部小部件静静显示“下午有雨”时，下楼前我就会顺手带伞。

这类“低优先级但有用”的信息，过去只能靠主动记忆和查询。现在，它们存在于视野边缘，在你需要时，恰好被你瞥见。

安装流程：AI 全程引导

整个安装流程没有独立 App、没有复杂的蓝牙配对页面，也无需手机扫码。你只需对 AI 说：

“帮我把 ai-desk-card 装上：https://github.com/op7418/ai-desk-card”

接下来会发生：

1. AI 检测你的电脑是否已安装 PlatformIO，若未安装则自动安装。
2. 检测 USB 是否连接了设备，未连接会提示。
3. 自动编译固件并烧录到 M5Paper，耗时约1分钟。
4. 询问 Wi-Fi 密码，并写入设备。
5. 询问“你想显示哪些卡片？希望多久刷新一次？”
6. 推送第一个小部件到屏幕。

整个过程，你只需回答 Wi-Fi 密码和“想看什么”这两个问题。

后续设置同样简单。例如设置定时任务，只需一句话：“让卡片每30分钟刷新天气和未读邮件，在工作日早8点到晚10点执行。” AI 会自行编写 cron 任务、注册循环、处理调度。

定时任务运行时，AI 会读取你的 Memory 来决定推送内容。例如，我让它每天早上9点更新，它会查看我 Memory 中最近活跃的项目（如 CodePilot、AIGC Weekly 等），然后按重要性安排屏幕槽位。

这里没有传统“由 App 工程师设计的设置页面”，因为 AI 本身就是设置界面。过去需要点击十几次的复杂配置，现在一句话即可完成。

核心设计思路：组件预置，AI 只填充数据

有必要单独阐述背后的实现思路。这是 AI Desk Card 与传统 IoT 设备的最大差异。

通常，智能硬件的各种组件（如时钟样式、天气图标、字体大小）是直接写死在固件中的，由固件工程师在出厂前决定。想要新增功能？必须发布新固件、进行 OTA 升级、重新经历认证流程。这就是为什么 99% 的智能硬件，购买三个月后，其功能和界面与拆封时毫无二致。

AI Desk Card 走了相反的路：将16种小部件模板预置在服务端，AI Agent 只负责向这些模板填充 JSON 数据。

例如，“pr-queue”小部件的视觉布局（一个标题区、4行 PR 信息、每行带状态图标）是在渲染端预先定义的。AI 无需关心画图、排版或选择字号。它只需向守护进程发送如下请求：

{
  "slot": "bottom",
  "type": "pr-queue",
  "data": {
    "items": [
      {"repo": "codepilot", "title": "Fix scroll jitter", "status": "review"},
      ...
    ]
  }
}

服务端使用 Python 加 Pillow 库，将这个 JSON 渲染成一张 540×280 的像素图，然后推送到墨水屏。

这个思路源于我们在 CodePilot 桌面端实践的生成式 UI。不过，那边是另一个极端：由模型实时生成 HTML/SVG，再渲染为可交互小部件。

两个方向看似相反，但精神内核一致——UI 该显示什么、何时显示，由 AI 决策，而非用户进行繁琐的静态配置。

为何在墨水屏上要反过来做？因为约束条件不同。浏览器能运行任意代码、拥有强大的字体引擎、可从 CDN 加载资源，因此让 AI 直接生成 UI 可行。但墨水屏渲染能力受限，全屏 GC16 模式刷新一次可能需要2秒，中文字体文件动辄数兆，像素精度要求高，让 AI 直接生成 UI 负担过重。

因此，思路反转：UI 模板提前准备，AI 只决定填充内容、放置槽位及更换时机。这个组件库仍在不断扩展，硬件本身基本不变，但其能力持续生长。

总结：AI Agent 将硬件从“内置功能”中解放

最后，探讨更宏观的层面。

传统硬件公司的护城河在于“我的设备内置了什么功能”。CPU、传感器、操作系统、预装应用，这些决定了设备能力的上限。一旦设备出厂，其能力边界便基本封顶。

AI Desk Card 所代表的思路，更换了硬件的能力来源。设备本身只是一块墨水屏加 ESP32 芯片，它能做什么，完全取决于背后 AI Agent 能获取什么信息。

日历来自飞书 CLI，PR 信息来自 GitHub CLI，天气来自任意 API，记忆（Memory）来自你的 Obsidian 仓库……这些信息源全在 Agent 端，而不在硬件内部。

当 AI Agent 成为信息中枢，硬件就可以做得更薄、更专用。它无需内置上百个功能，只需做好一件事——在 AI 决定推送内容时，清晰、可靠地显示出来。

这件事的成本也降至很低。目前 M5Paper V1.1 约600元，未来类似的开源开发板会更便宜，三四百元即可购得。而且，墨水屏、彩色墨水屏、TFT 小屏，甚至 Kindle 等墨水屏阅读器，理论上都可适配同一套 Skill。

后续，有几件事值得探索：

• 适配 M5Paper S3 以及 Inkplate、Waveshare 等其他墨水屏开发板。
• 尝试为老旧 Kindle 编写适配层，让闲置阅读器变身为桌面副屏。
• 与 Home Assistant 联动，将智能家居状态（如客厅温度、门锁状态、扫地机器人位置）推送到桌面卡片。
• 探索彩色墨水屏的可能性，并开放更多类型的小部件。

每多支持一种硬件，就为 AI Agent 多提供了一种触达物理世界的方式。这些设备本身无需变得“聪明”，它们只是 AI Agent 在物理世界中的输出终端。

真正在快速变“聪明”的，是你桌上的那个 AI。而它迭代和进化的速度，远比硬件快得多。

来源：互联网