AI智能便签工具开源项目让便签纸自动化管理

上个月，我动手制作了一个名为 M5 Paper Buddy 的小设备。本质上，它是一块连接到 Claude Code 的墨水屏，能够实时显示 AI 的工作状态，以及需要我手动确认的操作。

刚完成时，体验确实很棒——尤其是通过物理按键审批操作，仪式感十足。

但几周新鲜感过后，问题逐渐浮现：这块屏幕安静地待在桌上的时间，远超过我实际查看它的时间。仔细思考，逻辑很简单：当 AI 运行稳定时，根本无需时刻监控；而真正需要我介入审批时，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”的需求痛点。

真正的需求场景，隐藏在屏幕边框上

后来，我观察到一个非常普遍的现象：许多人的显示器边框上都贴着便签纸。市面上甚至有针对此场景设计的专用便签。

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”。

便签纸之所以存在，并非因为它多么高效，而是因为它满足了人类最朴素的需求：“抬头即可见”。我们不想为了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、存在于视野边缘的轻量级提醒。

但便签的局限性显而易见：它能承载的信息量有限，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。它像是一个被时间冻结的物件，缺乏动态生命力。

如今，我们身边有了 AI。AI 具备记忆（Memory），可作为智能体（Agent）运行，能够读取我的日历、查看 GitHub 动态、甚至与我对话。那么，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。

这正是“AI Desk Card Skill”想要实现的目标。

它的形态是一块 4.7 英寸的墨水屏，具备磁吸功能（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：决定推送什么内容、何时推送、息屏时显示什么。

接下来，通过几个具体的使用案例，来看看它如何实际应用，以及解决了哪些问题。

案例一：日程与待办，变得鲜活

我将屏幕左上角的槽位设置为日历，中间槽位设为待办事项。

早上坐到电脑前，屏幕上已展示着当天的完整安排：上午的会议、下午的健身、晚上待交的稿件。这些数据来自飞书日历，由 AI Agent 通过飞书 CLI 直接读取。

下午，临时和朋友约了周四喝咖啡。我只需对 AI 说一句：“周四下午加一个咖啡，3点”。AI 便会一边将日程写入飞书日历，一边刷新屏幕上的卡片。新的日程项立刻出现在待办槽位中。

更便捷的是反向同步。当我完成 AIGC Weekly 的初稿，对 AI 说“周刊写完了”，屏幕上对应的任务行便会自动被划掉。

这是便签纸绝对无法做到的。便签只能记录某个瞬间的快照，而日程的本质是不断流动的状态。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：息屏之后，化身你的智能名片

这是完成后我最喜欢的一个功能。

墨水屏有一个物理特性：断电后画面依然保留。我专门为此特性设计了一个“Quiet Hours”模式——到了晚上11点，或长按“睡眠”按钮，屏幕会自动切换成一张电子名片，然后进入深度休眠。

名片上可以显示你的头像、简介和二维码。整张屏幕黑白分明，带着墨水屏特有的纸质感。

从那一刻起，这块屏幕几乎不再耗电，但画面持续存在。它带有磁吸，可以从显示器边取下，轻松放入包中。

下次结识新朋友，从包里取出递过去：一张黑白的电子名片加二维码，加完好友放回口袋。整个过程无需插电、无需开机、避免了手忙脚乱翻找手机 App 的尴尬。

而当你早上回到桌前，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、断电保留）在多数场景下是缺点，但当你不再硬刚这些限制，而是顺应其特性设计使用场景，就会发现它能做到一些传统屏幕做不到的事。

案例三：GitHub 动态，实时掌握不再错过

维护像 CodePilot 这样的开源项目，最大的负担其实是“看不见”——不打开 GitHub，就不知道是否有新的 PR（合并请求）或 Issue（问题）。但每隔十分钟就刷新一次 GitHub，无疑是摧毁专注力的糟糕节奏。

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 里 @ 我、或者 CI（持续集成）失败，AI 都会将其推送到屏幕上。

数字很小，不会形成打扰，但抬头扫一眼就知道是否有需要处理的事项。我可以安心写完手头这段代码，再统一去处理。

更进一步的是，AI 能感知我的状态。当我专注撰写 AIGC Weekly 时，它会自动将 PR 队列的优先级调低，只在出现标记为“critical”（关键）的 Issue 时才推送上来。而当我切换到 CodePilot 的开发工作时，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。传统的仪表盘让你配置各种小部件，配置完的头一周可能还行，之后往往就变成一面无人问津的信息墙。AI 能主动决策，正是因为它知道你正在做什么，并且有能力随时调整。

案例四：天气、休息提醒，以及所有“应有但易忘”的信息

最让我自己意外的一类小部件，是“休息提醒”。

我经常一坐就是三四个小时不动。这个部件会在检测到一段时间没有键盘活动后，在某个槽位上轻轻推出一句“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。它和番茄钟最大的区别在于：没有强制性。它只是安静地存在，不打扰你。

如果你正沉浸在跑代码或写文章的心流状态里，这行字会被你自然地忽略；如果你已经感到疲倦、注意力开始涣散，看到它时，你真的会起身去倒杯水。

天气提醒也是如此。我不会特意去查今天是否下雨，但当顶部小部件静静显示“下午有雨”几个字后，下楼前我就会顺手把伞带上。

这类“低优先级但有用”的信息，过去只能靠你自己记得去查询。现在，它们待在视野的边缘，在你需要的时候，恰好被你瞥见。

如何安装？AI 全程引导，简单快捷

整个安装流程没有独立的 App，没有复杂的蓝牙配对页面，也不需要手机扫码。你只需要对 AI 说：

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

接下来会发生这些事：

1. AI 检测你的电脑是否安装了 PlatformIO，没有则自动安装。
2. 检测 USB 是否连接了设备，没连接会提示你。
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“你想看哪些卡片？希望多久刷新一次？”
6. 推送第一个小部件到屏幕上。

整个过程，你只需要回答 Wi-Fi 密码和“想看什么”这两个问题。

后续的设置也同样简单。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，在工作日的早8点到晚10点执行。” AI 会自己去编写 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 来决定推送什么内容。例如，我让它每天早上9点更新，它会查看我 Memory 里最近活跃的项目（如 CodePilot、AIGC Weekly 等），然后按照重要性来安排屏幕上的槽位。

这里没有传统“App 工程师设计的设置页面”，因为 AI 本身就是那个设置页面。过去需要点击十几次才能调好的复杂设置，现在一句话就能搞定。

一个反直觉的设计：组件预置，AI 只填充数据

讲到这里，有必要单独说明背后的实现思路。这是 AI Desk Card 与传统 IoT 设备最大的不同。

通常，制作一个智能硬件时，各种组件（如时钟样式、天气图标、字体大小）是直接写死在固件里的。这由固件工程师在出厂前就决定好了。想要增加新功能？必须发布新固件、进行 OTA 升级、重新经历一遍认证流程。这就是为什么 99% 的智能硬件，买回来三个月后，功能和界面就跟刚拆封时一模一样。

AI Desk Card 走的是相反的路：将16种小部件模板预置在服务端，AI Agent 只负责往这些模板里填充 JSON 数据。

举个例子，“pr-queue”这个小部件的视觉布局（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好的。AI 不需要操心画图、排版或选择字号。它只需要向守护进程发送这样一个请求：

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

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

这个思路其实源自我们在 CodePilot 桌面端实践的生成式 UI。不过，那边走的是另一个极端：由模型实时生成 HTML/SVG，再渲染成可交互的小部件。

两个方向看似截然相反，但精神内核是一致的——UI 该显示什么、何时显示，由 AI 决策，而不是由用户进行繁琐的静态配置。

为什么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、可以从 CDN 加载资源，所以让 AI 直接生成 UI 是可行的。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，中文字体文件动辄几兆，像素精度要求高，让 AI 直接生成 UI 负担太重。

所以，思路反转：UI 模板提前准备好，AI 只决定往里填什么内容、放在哪个槽位、什么时候更换。这个组件库还在不断扩展，硬件本身基本不变，但其能力却在持续生长。

总结：AI Agent 将硬件从“内置功能”中解放

最后，聊点更宏观的。

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

而 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，完全取决于背后的 AI Agent 能获取到什么信息。

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……这些信息源全都在 Agent 那一边，而不在硬件内部。

当 AI Agent 成为信息的中枢，硬件就可以做得很薄、很专用。它不需要内置一百个功能，只需要做好一件事——在 AI 决定推送内容时，清晰、可靠地显示出来。

这件事的成本也降到了很低的水平。目前 M5Paper V1.1 大约600元，未来类似的开源开发板会更便宜，三四百元就能买到。而且，墨水屏、彩色墨水屏、TFT 小屏，甚至 Kindle 等墨水屏阅读器，理论上都可以适配同一套 Skill。

后续，还有几件事值得探索：

• 适配 M5Paper S3 以及 Inkplate、Waveshare 等其他墨水屏开发板。
• 尝试为老旧的 Kindle 编写一个适配层，让闲置的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）推送到桌面卡片上。
• 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。这些设备本身不需要变得“聪明”，它们只是 AI Agent 在物理世界中的出口。

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，远比硬件要快得多。