1. 为什么我要把Dex折腾成一个个人操作系统第一次看到Dex这个项目的时候我脑子里冒出来的第一个念头是这不就是一个任务管理器吗市面上Todo类工具一抓一大把凭什么它敢叫自己个人操作系统但真正把它跑起来、接上Claude AI、再挂上几个MCP服务之后我改主意了。它确实不是待办清单它更像是一个把信息收集、任务拆解、执行追踪、知识沉淀这几件事串成一条流水线的中枢而Claude AI在里面扮演的角色是那个帮你把模糊想法翻译成可执行动作的调度员。我平时的工作状态很杂一边要盯几个自动化工作流的运行情况一边要处理内容产出还要抽空研究一些新的AI工具链。以前我的做法是笔记软件记灵感任务软件记待办日历排时间然后靠脑子在几个工具之间来回切换。切换成本高不说最要命的是信息是断的——灵感在A工具执行在B工具复盘的时候两边对不上。Dex吸引我的地方就在于它试图用一个统一的入口把这些东西收拢起来而MCP协议让它能跟外部工具打通这就有了操作系统的味道。这篇内容适合谁看如果你满足下面任意一条那接下来的东西对你有用一是你已经在用Claude或者类似的AI助手但感觉它跟你的实际工作流是两张皮二是你听说过MCP但一直没搞明白它到底怎么落地三是你想搭一套自己的效率系统但不想被某个SaaS平台绑死。我会从部署讲到工作流设计把踩过的坑和实测有效的配置都摊开说。需要先说明一点Dex本身是一个开源项目社区里有不同的分支和版本我下面讲的是我自己实际跑通的那套方案涉及具体配置的地方我会说明是基于常见实践的合理选择你照着做大概率能跑通但环境差异导致的细节问题还得自己调。2. 部署前的整体设计与选型思路2.1 Dex到底解决了什么问题在动手之前得先想清楚这套系统要解决的核心痛点。我梳理了一下自己之前的效率困境主要有三个第一输入太散灵感、待办、参考资料散落在不同地方找的时候靠回忆第二AI用不起来每次让Claude帮忙处理事情都要重新贴上下文它不知道我手头在做什么第三执行和复盘脱节做完的事情没有沉淀下次遇到类似问题还得从头想。Dex的设计思路正好对着这三个痛点。它用一个本地优先的数据层把信息收拢通过MCP把Claude接进来当大脑再用工作流把输入-处理-输出串起来。所谓个人操作系统本质上是这三层结构的组合数据层、智能层、执行层。理解了这三层后面部署的时候你就知道每一步在干什么而不是照着命令瞎敲。2.2 为什么选Claude AI而不是别的模型这里得说清楚选型逻辑。我试过用本地模型和几个云端API来接这套系统最后留在Claude上原因有三个。第一是长上下文处理能力Dex里经常需要把一堆零散笔记丢给AI做归纳上下文窗口不够的话信息会被截断归纳结果就不完整。第二是工具调用Tool Use的稳定性MCP本质上就是让AI调用外部工具Claude在这块的指令遵循度比较高不容易出现该调工具的时候它在瞎聊的情况。第三是输出格式的可控性我让Claude输出结构化的任务拆解它基本能按我给的格式来省去了大量后处理。当然这不是说别的模型不行。如果你手头有别的模型API完全可以替换Dex的架构是模型无关的MCP层做了解耦。我选Claude只是基于我自己的实测体验你按自己的情况来。2.3 MCP在整个架构里的位置MCP这个词最近出现频率很高但很多人还是没搞明白它是什么。用一句话说MCP是一套让AI助手能够标准化地调用外部工具和数据的协议。你可以把它理解成AI世界的USB接口——以前每个工具要接AI都得单独写适配现在大家统一用MCP这个标准插上就能用。在Dex这套系统里MCP承担的是手脚的角色。Claude是大脑负责理解和决策Dex的数据层是记忆负责存储MCP就是手脚负责去实际执行——读文件、查数据库、调API、写笔记。没有MCPClaude只能跟你聊天有了MCP它能真正操作你的工作环境。这里有个概念要区分清楚MCP Host和MCP Server。Host是发起请求的一方通常是AI客户端Server是提供能力的一方比如一个能读本地文件的MCP Server。Dex在这套架构里既可以当Host把请求转发给Claude也可以暴露自己的能力当Server让别的AI来调用Dex的数据。理解这个双向关系后面配置的时候就不会晕。2.4 部署环境的整体规划我建议在动手前先把环境规划好别装到一半发现缺东西。我的方案是这样的一台常开的机器我用的是家里的一台迷你主机你也可以用云服务器或者自己的主力电脑装好DockerDex和相关的MCP Server都跑在容器里数据用volume挂出来持久化。这样做的好处是环境隔离干净迁移的时候把volume一拷就走。网络方面因为要调Claude的API机器得能正常访问外网。数据安全方面Dex是本地优先的你的笔记和任务数据存在自己机器上只有需要AI处理的内容才会发到API这点比纯SaaS方案让人放心。如果你对数据敏感可以在发往API之前做一层脱敏这个后面讲工作流的时候我会提。3. 从零开始的部署实操3.1 基础环境准备先把地基打好。我假设你用的是一台Linux机器Ubuntu 22.04或者更新版本如果你用macOS大部分命令是通的Windows的话建议走WSL2。第一步装Docker和Docker Compose。这一步网上教程很多我只说几个容易踩坑的点。装完之后一定要把当前用户加进docker组否则每次敲docker命令都要sudo后面脚本里会很难受sudo usermod -aG docker $USER newgrp docker执行完记得重新登录一下让组权限生效。验证的话跑docker run hello-world能出结果就说明基础环境没问题。第二步确认你的机器能正常访问Claude的API端点。这个不用我多说你自己测一下网络连通性。如果连不上后面所有涉及AI的环节都会卡住。第三步准备一个工作目录我习惯放在~/workspace/dex下面所有配置文件、数据volume都往这里放方便管理。3.2 Dex本体的部署Dex的部署方式取决于你用的具体分支。我用的这套是通过Docker Compose编排的核心是一个Web服务加一个数据存储。下面是我实际用的compose文件结构你可以作为参考version: 3.8 services: dex: image: dex-app:latest ports: - 3000:3000 volumes: - ./data:/app/data - ./config:/app/config environment: - DEX_DATA_DIR/app/data - CLAUDE_API_KEY${CLAUDE_API_KEY} restart: unless-stopped几个关键点解释一下。volumes那两行是把数据和配置挂到宿主机这样容器重建数据不丢。CLAUDE_API_KEY通过环境变量注入不要硬编码在文件里我用的是.env文件配合docker compose的变量替换。restart: unless-stopped保证机器重启后服务自动起来个人系统讲究的就是省心。启动命令docker compose up -d docker compose logs -f dex看到服务正常监听的日志就说明起来了。这时候浏览器访问http://你的机器IP:3000应该能看到Dex的界面。注意第一次启动可能会因为数据目录权限问题报错。如果日志里出现permission denied检查一下宿主机./data目录的属主确保容器内的用户有写权限。我踩过这个坑折腾了半小时才发现是权限问题。3.3 Claude API的接入配置Dex起来之后下一步是让它能调Claude。这里要做两件事配置API密钥以及设置好模型参数。API密钥的获取走官方渠道拿到之后填进.env文件CLAUDE_API_KEY你的密钥然后在Dex的配置文件里指定模型。我一般用中等规模的模型做日常任务复杂任务再切到更强的模型这样成本和速度比较平衡。配置大概长这样{ ai: { provider: claude, model: claude-sonnet, max_tokens: 4096, temperature: 0.3 } }temperature设0.3是有讲究的。个人操作系统里大部分任务是结构化的——拆解任务、归纳笔记、生成清单这些需要稳定输出温度太高结果会飘。如果你用它做创意类的事情可以临时调高。配置改完重启服务然后在Dex界面里发一条测试消息比如帮我把这句话拆成三个待办明天要写周报、回复客户邮件、准备周会材料。如果它能返回结构化的待办列表说明AI接入成功了。3.4 MCP服务的挂载这是整套系统里最关键也最容易出问题的一步。MCP服务是独立进程Dex通过配置去连接它们。我建议先从最简单的开始跑通一个再往上加。我第一个挂的是文件系统MCP让Claude能读写我指定的目录。配置大概是这样{ mcpServers: { filesystem: { command: npx, args: [ -y, modelcontextprotocol/server-filesystem, /home/user/workspace/notes ] } } }这段配置的意思是启动一个文件系统MCP Server把/home/user/workspace/notes这个目录暴露给AI。配好之后你就能让Claude读一下notes目录里最新的那个文件总结要点它会真的去读文件然后总结。挂载MCP的时候有几个坑要避开。第一路径一定要用绝对路径相对路径在不同工作目录下会出问题。第二暴露的目录范围要控制好别把整个home目录都暴露出去最小权限原则。第三npx启动的MCP Server第一次跑会下载依赖网络不好的话会卡住可以先手动跑一次让它把依赖装好。跑通文件系统MCP之后可以按需加别的。比如你想让AI能查数据库就挂数据库MCP想让它能操作浏览器就挂浏览器MCP。每加一个都单独测试别一次性全加上出问题不好定位。3.5 部署完成后的验证清单部署完别急着用先过一遍验证清单确保每个环节都通检查项验证方法预期结果Dex服务浏览器访问界面正常加载无报错数据持久化创建一条笔记后重启容器笔记还在Claude接入发测试消息返回合理回复MCP连接让AI读指定文件返回文件内容日志健康查看容器日志无持续报错这张表我每次部署新环境都会过一遍能省掉后面很多莫名其妙的调试时间。4. 工作流设计与核心环节实现4.1 工作流设计的底层逻辑部署只是把架子搭起来真正让这套系统产生价值的是工作流。我设计工作流的原则是让AI处理它擅长的理解、归纳、生成让人处理人擅长的判断、决策、执行中间用MCP做衔接。具体来说一条完整的工作流通常包含四个环节捕获、处理、执行、沉淀。捕获是把信息收进来处理是让AI做初步加工执行是产生实际动作沉淀是把结果存回去供以后复用。这四个环节串起来才叫操作系统缺一个都只是工具。我拿自己最常用的一个场景举例每天早上我会把当天冒出来的想法、收到的需求、看到的资料一股脑丢进Dex的收件箱然后触发一个工作流让Claude把这些零散输入分类整理成今天要做的事需要跟进的事值得存档的资料三类分别推到不同的地方。这个过程以前我要手动做半小时现在几分钟就搞定。4.2 捕获环节让输入无摩擦捕获环节的核心要求是快。任何需要你停下来想这个该记哪的设计都是失败的。我在Dex里设了一个统一的收件箱不管什么类型的信息都先丢进去分类的事交给后面的AI。具体实现上我配了几个入口一个是Dex自带的快速输入框快捷键呼出敲完回车就走一个是文件系统MCP监控的目录我把手机上的笔记同步到这个目录Dex能自动读取还有一个是浏览器书签的导出定期导入。这里有个经验捕获环节千万不要加AI处理。我一开始图省事让AI在捕获的时候就做分类结果每次输入都要等几秒体验很差慢慢就不想用了。后来改成先无脑存批量处理体验立刻上来了。这个道理跟GTD里的收集阶段不做整理是一样的。4.3 处理环节Claude的提示词设计处理环节是AI发挥价值的地方也是最考验提示词设计的地方。我踩过的最大坑是一开始提示词写得太笼统比如帮我整理一下这些笔记结果Claude返回的东西看着挺像样但没法直接用。后来我改成结构化提示词明确告诉它输出格式。比如我的收件箱处理提示词大概是这样你是一个信息整理助手。下面是今天的收件箱内容。 请把它们分成三类 1. 今日待办需要今天完成的输出格式为- [ ] 任务描述 2. 跟进事项需要后续跟进的输出格式为- 事项 | 跟进时间 3. 存档资料值得保留的输出格式为- 标题 | 一句话摘要 分类原则有明确时间要求的归第一类涉及他人的归第二类其余归第三类。 不要添加原文没有的信息。这个提示词的关键在于给了明确的分类标准给了固定的输出格式还加了不要添加原文没有的信息这条约束。最后这条特别重要不加的话Claude会自作主张补充内容整理出来的东西就不准了。4.4 执行环节MCP工具的实际调用处理完之后结果要落到实际的地方去。这一步靠MCP工具完成。比如今日待办要写进Dex的任务模块存档资料要写进知识库跟进事项可能要发个提醒。我配了一个工作流让Claude在处理完之后直接调用相应的MCP工具完成写入。这里的技术点是要让Claude知道有哪些工具可用以及什么时候用哪个。这靠的是MCP的工具描述tool description。每个MCP Server在注册的时候会声明自己提供哪些工具、每个工具干什么、需要什么参数。Claude根据这些描述来决定调用。实际配置中我发现工具描述写得越清楚Claude调用得越准。比如一个写笔记的工具描述写成写入笔记就太模糊写成将指定内容写入知识库的指定分类下参数包括content和category就清楚多了。这个细节很多人忽略但它直接决定了工作流的可靠性。4.5 沉淀环节让系统越用越聪明沉淀环节是很多人会忽略的但它决定了这套系统是越用越顺手还是用一阵就荒废。我的做法是每周做一次复盘让Claude把这一周的任务完成情况、笔记内容做一次归纳提取出可复用的模式。比如它会告诉我你这周有三次任务延期都是因为预估时间不足建议下次类似任务预留1.5倍时间。这种洞察单看一周不明显积累几周就很有价值。实现上我用一个定时触发的工作流每周日晚上自动跑结果写进一个复盘文档。沉淀还有一个作用是喂给AI更多上下文。Dex里的历史数据越多Claude在处理新任务时能参考的信息就越多给出的建议就越贴合你的实际情况。这也是为什么我坚持所有东西都往Dex里存——数据集中了AI才能发挥作用。5. 常见问题与排查技巧实录5.1 MCP连接类问题MCP连接不上是最高频的问题我整理了几种典型情况和排查方法。第一种是Server启动失败。表现是Dex日志里报failed to connect to MCP server。排查步骤先手动跑一遍Server的启动命令看能不能起来。如果手动跑也失败多半是依赖没装好或者命令写错了。如果手动能跑但Dex连不上检查配置里的路径和参数是不是跟手动跑的一致。第二种是连接上了但工具调不通。表现是Claude说我要调用某个工具但实际没执行。这种情况通常是工具描述有问题或者参数格式不对。排查方法看MCP Server的日志它会记录收到的调用请求。如果请求根本没到Server说明是Dex到Server这段的问题如果到了但报错说明是参数问题。第三种是间歇性断连。表现是时好时坏。这种最难查我的经验是多半跟资源有关——Server进程被系统杀了或者网络超时。解决办法是给MCP Server加上自动重启以及在Dex配置里调大超时时间。问题现象可能原因排查方法Server启动失败依赖缺失/命令错误手动执行启动命令工具调用无响应工具描述不清/参数错误查看Server日志间歇性断连资源不足/超时加自动重启/调超时权限报错目录属主不对检查文件权限5.2 Claude响应质量问题AI响应质量不稳定也很常见。我遇到过的几种情况一是回复太啰嗦明明要个清单它给你写篇作文二是回复太简略该展开的地方一笔带过三是格式不对说好输出JSON它给你输出markdown。这些问题的根源基本都是提示词。我的解决套路是先明确角色再明确任务再明确格式最后加约束。角色让AI知道用什么口吻任务让它知道干什么格式让它知道怎么输出约束防止它跑偏。这四样齐了响应质量基本就稳了。还有一个技巧是给例子。与其描述输出结构化的待办列表不如直接给一个示例输出。Claude对示例的遵循度比纯文字描述高很多。我现在的提示词里基本都会带一两个示例效果立竿见影。5.3 数据安全与隐私处理个人操作系统里存的东西往往比较私密数据安全得重视。我的做法分几层第一层是本地存储加密Dex的数据目录我用系统级的加密盘第二层是API调用脱敏发往Claude的内容里如果有敏感信息比如具体的人名、金额我会在提示词里让AI用占位符处理或者在工作流里加一步预处理第三层是访问控制Dex的Web界面我只在内网访问不暴露到公网。关于脱敏我有个简单有效的做法在工作流里加一个敏感信息替换的步骤用正则把手机号、邮箱、身份证号这类模式替换成占位符处理完再替换回来。这样AI看到的是脱敏后的内容不影响它理解任务但敏感信息不会离开本地。5.4 性能与成本控制跑了一段时间之后我发现两个问题一是响应变慢二是API成本上来了。排查下来响应慢是因为Dex里的数据越来越多每次处理都要加载大量上下文成本高是因为有些简单任务也走了大模型。解决办法有两个。一是做上下文分层常用的、近期的数据放热层历史数据放冷层处理任务时只加载热层需要时再检索冷层。二是做任务分级简单任务比如格式化、分类用轻量模型复杂任务比如归纳、推理才用大模型。这两个调整做完我的响应速度和成本都降了一半左右。提示成本控制不要一刀切地降级模型。我试过全部用轻量模型结果复杂任务的质量下降明显反而要花更多时间返工。分级才是正解。6. 我在这套系统上的一些实操心得6.1 从小处开始别一上来就搭大系统我见过太多人包括我自己一上来就想搭一个全能系统结果配置复杂到自己也维护不了用两周就放弃了。我的建议是先跑通一个最小闭环比如捕获-处理-沉淀这条线用最简单的配置跑顺了再往上加。我自己的最小闭环是这样的一个收件箱目录一个文件系统MCP一个处理提示词一个输出目录。就这四样跑了两周确认每天都用得上才开始加任务模块、加数据库MCP、加定时工作流。这个节奏很重要它保证了你每一步加的东西都是真正需要的而不是为了炫技。6.2 提示词要迭代别指望一次写对我的收件箱处理提示词改了不下二十版。第一版很粗糙用了一周发现分类不准第二版加了分类标准好了一些但还是有边界情况第三版加了示例明显改善后面又陆续加了约束、加了输出格式校验。现在这版基本能稳定工作但我知道它还会继续改。提示词迭代的关键是记录问题。我专门建了一个文档每次发现AI处理得不对就记下来什么输入、什么输出、期望什么输出。攒够几条就集中改一版提示词。这个习惯让我的提示词质量提升很快也让我对AI的能力边界越来越清楚。6.3 MCP不是越多越好刚开始玩MCP的时候我很兴奋恨不得把所有能找到的MCP Server都挂上。结果就是Claude面对几十个工具经常选错或者该用A工具的时候用了B工具。后来我砍到只留常用的五六个准确率立刻上来了。这个道理跟给人派活一样你给一个人太多工具他反而不知道用哪个。工具数量要跟任务复杂度匹配常用的工具保持随时可用不常用的按需加载。Dex支持动态加载MCP我就是这么配的——基础工具常驻专业工具用到的时候再挂。6.4 定期备份这是血泪教训有一次我升级Dex版本升级脚本有个bug把数据目录清空了。幸好我前一天刚做过备份损失不大。从那以后我设了自动备份每天凌晨把数据目录打包保留最近七天的版本。备份方案很简单一个cron任务加一个脚本#!/bin/bash DATE$(date %Y%m%d) tar -czf /backup/dex-$DATE.tar.gz /home/user/workspace/dex/data find /backup -name dex-*.tar.gz -mtime 7 -delete这个脚本每天跑一次打包数据目录删掉七天前的备份。简单但有效。个人系统里数据就是命根子备份这事再怎么强调都不为过。6.5 这套系统后续还能怎么扩展跑顺了基础工作流之后我陆续加了一些扩展。一个是接了日历让Claude能根据我的日程安排任务时间一个是接了代码仓库让它能帮我整理技术笔记最近在试的是接一个本地知识库把历史资料做成可检索的让AI回答问题时能引用。扩展的原则还是那个按需加加了就要用。我现在的判断标准是如果一个扩展我两周内没用过三次就把它撤掉。保持系统精简比堆功能重要得多。这套系统我跑了大概半年最大的感受是它不是一个装好就完事的工具而是一个需要持续调教的伙伴。你投入多少它就回报多少。Claude和MCP提供了能力但怎么把这些能力组织成适合你的工作流这个事只有你自己能做。