硬盘快满了才买 NAS，没想到还能搭知识库、搜图片？

今年，我开始大量使用 Codex 和 Claude，也就是帮我写内容、做研究的 AI 工具。我不断尝试把更多工作交给它们。

我抓取 YouTube 上的红人视频，整理视频内容；也抓取 Reddit 的讨论，积累成以后可以查的资料。做独立站运营时，这些内容能帮我研究产品、了解用户。

我又用上了 OpenCode、Claude Code 和 Codex，让它们帮我推进项目，还用 AI 做了大量图片。做出来的内容越来越多，留在电脑里的视频、文章、工作记录和图片也越来越多。

然后，我发现了一个非常可怕的事情：我的硬盘爆了。

当时不只是一个盘不够用，C、D、E 盘先后都告急。最紧张的时候，C 盘不到 1 GB，E 盘显示 0 GB 可用，D 盘也只剩十几二十 GB。我说的“内存不够”，在这里就是存文件的空间不够了。

我花了很多时间清硬盘，还是每天焦虑

我实在受不了了，花了大量时间做电脑清理。能确定不需要的东西，尽量删掉；还要保留的文件，就整理、搬位置。但清来清去，电脑里还是有很多东西，新的内容也还在增加。

麻烦的是，这些文件不能一股脑全删掉。有些文章以后要查，有些图片还要用，设计稿下次还要继续改。源文件就是能接着编辑的版本，留一张最后导出的图片，并不能代替它。

原本我想把时间花在做内容、做研究上，结果却经常要考虑：这个还能不能删，那个应该搬到哪里，硬盘接下来又会不会满。反复清理没有把这件事彻底解决，越清越烦，我真的很抓狂。

我需要一个地方，把值得保留的资料放下来，也让其他电脑能接着用。这个时候，我开始尝试 NAS。

我买 NAS，先解决电脑放不下的问题

当时买 NAS，我最先想解决的事很直接：电脑快没地方存东西了，那些还想保留的文件，需要有个地方放。 我还没有在这个时候把它想成一套复杂的 AI 检索系统。

容量之外，我还有另一个困扰：资源大多在主机上，换到笔记本或 Mac，却很难直接接着用。之前整理过的资料、做过的图片，都不会因为我打开了另一台电脑，就自动出现在眼前。

一份份复制当然能做，但也要花时间，还得记住哪个版本更新。比如改过的设计稿只留在一台电脑上，另一台电脑打开的就可能还是旧版。

所以我买了 NAS。它可以理解成一台专门存文件的小电脑：放在家里，连好以后，设置好允许访问的电脑，它们就能取用里面的资料。好比一个共用的文件柜，不必每台电脑各放一整套。

我选择它，是因为我想同时腾出电脑空间、减少换设备时重复复制的时间。只要 NAS 正常开着、电脑也能连上，取用里面的文件就不必依赖主机电脑一直开着；资料也有了一个约定好的位置。

后来，一部分需要长期保留的设计文件已经归档到 NAS。文件从电脑搬到了独立的存放位置，本机也腾出了一部分空间。这是它先给我带来的变化：不用把每份旧稿都一直堆在电脑上，也不用为了腾地方就把有用的东西全删掉。

如果只用一台电脑，主要是硬盘装不下，增加本地硬盘可能更直接。我的需求还包括换设备继续工作，所以我愿意多整理一个共享的资料库。

大文件可以集中保存，电脑继续负责做图

我经常用出图工具 ComfyUI 做图片、做场景图，也会用相机拍素材。相机原图和图片工程需要地方保存，ComfyUI 用来出图的模型文件也很占空间。这些模型可以集中放在 NAS 上，让 ComfyUI 按需要读取，减少几台电脑各存一份。

这里省下的是文件占用的空间。真正运行软件、生成图片，仍然要靠执行任务的电脑；读取大文件时，也可能比直接读本机硬盘多等一会儿。

所以，文件放在哪里，要结合实际使用来安排。经常要用、等待又明显的，可以继续留在电脑上；需要保留、平时不常打开的，更适合先集中收好。

用起来后，又发现了额外玩法

开始用 NAS 后，我又发现，它还可以和我已经做起来的文字知识库、图片检索配合。文件集中保存，找内容交给检索工具，我和 AI 需要时再取回原文或原图。

这些是后来发现的额外玩法。当时买它，最着急的还是先把电脑放不下的文件安顿好。 现在知识库已经搭起来，图片也在用向量和标签一起检索，各处调用则随着实际使用继续调整。

玩法一：向量知识库，按意思找资料

向量知识库，可以理解成一种按意思找资料的工具。我描述自己想找什么，它从已经保存的文章、视频文字和笔记中找相关内容，不必先记住文件名。

这套文字库的做法，是先把要收进去的资料整理成文本，再把长内容拆成小段。标题、来源和原文文件路径会一起保存，方便查到以后再打开原文。

文字这一路，我目前用的是千问的 Qwen3-Embedding-4B。它把每段文字变成可以比较的“意思特征”，也就是向量。原文继续按文件保存，库里另外记下这些特征与原文的对应关系。

提问时，问题也交给同一个模型处理，再去找意思接近的内容。这样，我不必先记住文件名；比如问“手机发热怎么处理”，原文用的是“散热”，也有机会被找出来。

结果里会带上标题、匹配到的文字片段和出处，方便我打开原文核对。我可以自己阅读，也可以让 Codex、Claude 参考这些原文继续整理内容。它先帮我找到资料，回答和写作再由正在使用的 AI 完成。

这套文字知识库已经在用。原文件保存在约定的位置，检索工具负责找到内容，我需要时再打开原文，或者让正在使用的 AI 继续处理。

现在可以怎么用？

在能调用本机知识库的 AI 工具里，例如本机的 OpenCode，我可以直接提问，让它先查已经收集的资料。一个简单的用法是：

1. 先找资料。 比如我想了解 AI 写作流程，就可以这样问：

   查一下我的知识库，找关于 AI 写作流程的资料，列出相关原文的标题、关键段落和出处。

2. 打开原文看一眼。 我先看返回的片段是否相关，再打开对应的文章或笔记，确认它确实讨论了我想找的问题。

3. 再让 AI 帮我使用这些资料。 确认相关后，可以接着发一条新任务：

   根据刚才找到的资料，整理成一份我能照着做的写作步骤，每一步注明依据。

如果只是想自己阅读，也可以要求“只列原文和出处，先不要总结”。这样我得到的是阅读入口，不必每次都让 AI 写一长篇回答。

这里查询的是已经进入知识库的资料，不是电脑里所有文件。在已经接好这套知识库的工具里，我就按这种方式提问、看原文，再继续处理资料。

玩法二：图片检索，先按内容找，再用标签筛

图片多了以后，只靠文件名和文件夹找很费事。比如我会找某个产品的白底图，或者商品页需要的桌面场景图。

我现在找图，会先描述画面，比如“白色产品放在办公桌上”，通过图片内容检索找到相关候选，再用产品、场景、颜色和用途等标签缩小范围。不必先记住图片叫什么，先找内容接近的，再挑真正适合的图。

我的图片库也做了向量检索。模型把画面转成可以比较的特征，让文字描述与图片内容有了匹配的依据；用参考图，也可以找内容相近的候选。

千问的 Qwen3-VL-Embedding 就支持文字和图片输入，官方提供 2B 和 8B 两个版本。这类图文向量模型负责比较画面内容，标签则记录我确认过的产品、场景和用途等信息。

我给同一张图片记录多个标签。例如，一张产品放在办公桌上的照片，会同时记下产品、拍摄场景、主要颜色、适合用在哪里，以及是否已经选用。

这些是用法示例。实际找图时，我选“产品 A”，再选“办公桌”和“商品页”，就能把范围缩小，直接看符合条件的图片预览，不必把每个文件夹都打开一遍。

一张图也不用为了不同用途复制到好几个文件夹。原图留在一个地方，标签负责记录它可以归到哪些类别。同一张图既能在“白色产品”里找到，也能在“商品页素材”里找到。

原图集中保存，图库工具负责记录标签、按内容匹配并显示预览。这就是我现在用的图片检索流程：先按内容找，再用标签筛，最后打开原图确认。

标签我会优先整理常用图片。颜色、场景这类信息，可以让工具先给建议；具体产品和是否采用，则由我确认。我更在意标得准确、下次真能找到，而不只是标签贴得多。

整理新一批素材时，也可以按这个顺序走：

1. 挑一个经常用的产品，把相关图片、设计稿和文档整理到一起。
2. 给图片补上产品、场景、用途几个标签，再按这些条件找一次，看看能否找到需要的原图。
3. 原文件不能急着删除。先确认集中保存的那份完整可用，重要资料再另外留一份备份。

我现在还有一个自己的红人控制台，最近也开始把它往 NAS 上迁。原本只是想先把电脑快放不下文件的问题缓一缓，现在却不断想到，还有别的东西也可以搬过来、接进来。

有了 NAS 以后，真的是玩法越来越多，也越来越有意思了。

FAQ：几个我也关心的问题

文中的容量是在还原我遇到过的空间困扰，不代表电脑当前余量。配图中的中文、图示和流程由 Image 2.5 直接生成，仅做网页格式转换；它们是流程示意，不是实机照片或实际软件界面截图。