去年 3 月写过一篇 Windows 下的个人知识库工具推荐，文末省流版清单，八个工具，全是本地免费：obsidian 记笔记、ollama 跑本地大模型、AnxReader 电子书、vnote markdown、Fluent Reader 订阅 RSS、anki 词汇卡片复习、PotPlayer 音视频播放器、everything 本地文件检索。
一年过去，操作系统已经切换成 Linux Debian。这八个工具看了一下，还留在主力位置上的，只剩一个。
图：桌面越来越简单，工具栏越来越聪明
01 · 八个工具的一年之变
obsidian，去年推荐语是「本地免费，可翻墙找插件市场，资源丰富」，今年依然是文字记录的主力，而且地位更稳了。搭配 claude 和 obsidian cli 做日常文字整理，轻便、快捷，数据全在本地。markdown 写作顺手，零延迟打开，还能被 AI 充分调用读取，配合完美。
ollama 基本没有再用。付费 API 之后，本地能跑的 deepseek_7b、gemma3_4b 和 API 付费模型的差距实在太大。切 agent 进化有点快，能力更强。结论就是：为 AI 付费，即使不是程序员开发，依然很超值。
电子书库倒是变大了，2000 多本。去年推荐 AnxReader，美观、操作性不错，但也留了一句「功能还不如 calibre」，今年这句话应验了，换成 calibre 加 koodo reader 的组合：calibre 做书库检索很方便，koodo 搭配 API 之后能跟书直接 AI 互动，划一段话就能问答、记笔记。
vnote，去年说它「强制自己的 linux 和 python 学习，和 obsidian 做个区分」，这个目的早就达成了，后来也切回了 obsidian。就是多建了一个库而已。且关于代码的学习暂停了，还是 agent 太强了，对于新手来说，感觉未来学习开发语言 python、c 这些一定有更新的方式，而非传统的 hello world 了。不过基础还是要扎实。总之，和当前工作任务比，急迫性下降。
Fluent Reader，去年夸它「科技频道可看的比较多，碎片时间看看」，今年不再用了。RSS 这个形式还在，但物业管理行业可用的源太少，凑不出一份值得每天打开的订阅列表。
anki，去年写的是「知识概念和英语单词，每周会固定打开看一次，强化记忆效果」，今年基本被本地的 hermes 搭建的 wiki 知识库替代了。概念查询、英语单词，原来靠卡片强记，现在靠检索随用随查。
PotPlayer，去年「可以翻译字幕，轻量化，无广告」，在 linux 上被 VLC 替换了。一样轻量，日常放个音乐，够用。
everything，去年两个字的评语「极好用」，今年被系统自带的 fsearch 替换了。查找一样很方便，少装一个软件。
02 · 换掉它们的其实是两件事
八个工具，一个留下，七个变动。其实是两个核心因素。
第一是系统切换。去年从 Windows 换到 Debian，PotPlayer 和 everything 属于被动换：原软件没有 linux 版，只能找替代。换完的体感是体验并没有下降，VLC 够轻，fsearch 够快，并没有所谓的软件生态依赖。
第二是 AI 替代，这三个才是主动弃掉的。ollama 死于功能性：付费 API 的能力差距，让本地小模型失去了存在感。Fluent Reader 死于内容供给：垂直行业的 RSS 源太少，工具再好也无米下锅。anki 死于方式过时：建好的 wiki 知识库随时可查，比每周固定打开一次卡片更符合实际记忆的规律。
被动的替换不可怕，主动的弃用才说明问题：需求没变，满足需求的方式变了。
图：每一类需求，都有人在做新答案
03 · 另一边，AI 工具越装越多
清掉旧工具的同时，另一边的软件越装越多。codex、claude、zcode、hermes、cursor，五个都装着，分工不同。
更有意思的是，很多传统软件的功能，正在被 skill 替换掉。下载音视频，claude skill 已经搞定，B 站和 YouTube 的资源直接落本地。公众号文章排版，zcode 一条命令出稿。ppt 尝试过几个 skill，和工作要求的版式、文字还有差距，但用来整理文字初稿、思路对齐很有用，配上完整的数据和素材，基本 1 小时内能搞定一个 30 页以内的报告。日常的 doc 通知制度，zcode 5 分钟搞定，顺带把图片和 pdf 里的内容都解读整理了。
去年那个工具清单的逻辑，是给每一类需求找一个本地免费软件。今年的逻辑变了：先问 AI 能不能接，软件只留 AI 接不住的。
图：工具接不住的，才留给软件
04 · 一年的账单
费用这条线也值得记一笔。去年 3 月开通智谱 lite，年初升级 pro，用到现在，回头看老套餐的 pro 还是很有竞争力且实惠的。中间尝试过付费 claude 和 codex，障碍有点多；也没找到什么能互动的 AI 学习群；一圈试下来，国产大模型基本满足需求了。
这份个人体感并不孤立。<公开资料>IFMA 2026 年报告的数据：72% 的设施管理从业者表示 AI 已经影响日常工作，92% 有兴趣采用更多 AI 工具，近 70% 预计五年内 AI 将显著改变自身角色。行业报告里的百分比，落到个人，就是这一年间工具栏的变化。
05 · 省出来的时间投向哪里
接下来想整理两件事：把自己常用的 skills 盘一遍，把 AI 嵌入日常重复工作的路径写几篇文章。笔记其实都有，只是这个领域刷新太快，基本每周都有新模型发布、新 skill 融合出来，不落成文字就白忙了。
行业里有个现成的坐标系可以借用：物业用 AI 大致分四个阶段，通用 AI 工具、工作流智能体、自规划智能体、多智能体协同，每个阶段相对基础工作有 10% 到 30% 的效率改善。照这个刻度，个人现在大概处在第二阶段：工作流智能体，几个 agent 各管一段。
而真正关键的能力，始终是那两条：识别自己的工作场景里哪些能提效；提效之后，把省出来的时间投入到哪里去。
END · 写在最后
去年推荐工具的时候，以为在推荐八个答案。一年后回头看，推荐的正确定义应该是八个问题：这一类需求，现在谁来满足最划算。
软件会过时，识别场景和提出问题的能力不会。工具清单每季度都得重写，这没什么焦虑的，本来就该如此。
当然，AI 提效之后，省出来一点时间，喝口茶，放空一下，也不错。
图：省出来的时间，喝口茶也不错
数据来源：工具与费用信息为个人使用记录；行业数据引自 IFMA 2026 年报告及公开发布的行业研究；配图为公开免费图库摄影。个人观点，写着玩玩。
我是 Ethan，用 PAIOS - 自创 AI 系统，建知识库，记录物业行业从业以来的行业观察与个人思考。
作者提示：个人观点，仅供参考。欢迎讨论。