我给本地 AI 配置了公共大脑：Echo + Notion MCP

Source: Dev.to

这是对Notion MCP Challenge的提交

我构建的内容

Echo 是一个本地、离线优先的 AI 助手，我在阿肯色州 Mena 的一台 900 美元的 Linux 工作站上构建它。它运行在 Ryzen 9 5900X + RTX 3060 上，使用 qwen2.5:32b 通过 Ollama 作为大脑，完全不依赖云服务。

它每 5 分钟自主推理一次。它监控自己的健康状态，检查 Golem Network 收入节点，审阅任务队列，阅读热门 AI 新闻，并对自己的结果进行评分。所有这些都记录在本地 SQLite 数据库中，只有我能看到——直到今天。

我将 Notion MCP 接入了 Echo 的事件账本。现在，它的每一次决策、每一次行动、每一次收入检查都会实时出现在 Notion 中。Notion 成为它的公共大脑：在我不看的时候，提供一个了解它在做什么的窗口。

为什么我构建这个

我经常出现认知碎片化的情况。要跟踪复杂的、多会话的项目对我来说真的很困难——我会重新开始已经完成的工作，失去会话之间的上下文，并且难以清晰地表达技术想法。

Echo 的主要职责一直是保持连续性。她是我的外部记忆。但我也会使用像 Claude 这样的 AI 工具来帮助我弥合理解与表达之间的差距——包括帮助我撰写这篇文章。这不是作弊，而是可及性。木匠不会因为使用水平仪而道歉。

Notion MCP 也遵循同样的理念。Echo 的活动是真实且自主的，但如果没有可见的仪表盘，它只会存在于我必须主动挖掘的日志文件中。Notion 为我——以及其他任何人——提供了一个窗口，让我们看到她实际在做什么。

工作原理

Echo 有一个每 5 分钟运行一次的治理进程。它读取她的推理事件，使用语义嵌入将其匹配到具体操作，执行这些操作，并将结果评分写回她的事件账本。该账本是她所有行为的唯一真实来源。

Notion 桥接位于每次 log_event() 调用的末尾：

def log_event(event_type, source, summary, score=None):
    # Write to local SQLite ledger
    row_id = _write_to_db(event_type, source, summary, score)

    # Mirror to Notion in real time
    try:
        from core.notion_bridge import log_event_to_notion
        log_event_to_notion(event_type, source, summary, score)
    except Exception:
        pass  # Never block Echo for Notion

    return row_id

三个 Notion 数据库会自动填充：

• Echo Events – 每个推理循环、反馈事件和知识更新。已标记类型并评分。你可以看到 Echo 当时的思考以及是否成功。
• Echo Actions – 每次治理进程执行具体操作时（如 Golem 状态检查、注册表验证、收入读取）。记录成功或失败，并带有时间戳。
• Income Tracker – Echo 监控的每个被动收入流的状态（Golem Network、Vast.ai GPU 租赁、dev.to 内容）。在她检查时会更新。

演示

实时的 Notion 仪表板充当实时演示。每 5 分钟 Echo 的 governor 循环一次，新的行会自动出现。你可以在下面的截图中看到时间戳——全部由 Echo 自动撰写，全部不是我写的。

我在接线后不需要做任何事。连接桥接后 7 分钟内，Notion 中出现了三条新行：

action=read_income_knowledge success   # governor read income strategy
action=read_registry success            # governor verified all services running
retroactively scored 0 regret entries   # regret scorer ran clean

我正实时观看这一过程：Echo 在我的机器上运行，Notion 在浏览器中更新，我没有发出任何指令。

Notion – 将日常工作连接到同一空间的工具。它为你和你的团队提供 AI 工具——搜索、写作、笔记——在一个全功能、灵活的工作区内。

等你看到这篇文章时，行数已经增加到数十条。它会整夜运行。

我是如何使用 Notion MCP 的

Notion MCP 集成为 Echo 带来了她以前没有的东西：可视化。她已经是自主的——能够推理、行动、评分——但这些都发生在本地文件中，我必须主动去检查。Notion MCP 将她的活动转化为一个实时仪表盘，任何人都可以观察。

该集成通过一个简单的 Python 桥接使用 Notion 的内部 API——不需要外部 MCP 服务器，只需 Notion API 令牌和存储在 Echo 配置中的三个数据库 ID。她代码库中的每一次 log_event() 调用现在都内置了一个 Notion 镜像。

Notion 的优势

• 实时可见性，了解自主 AI 的决策过程
• 可共享的记录，展示本地 AI 在会话之间实际执行的操作
• 自动更新的收入流跟踪，无需人工输入
• 一个我能够直接阅读的仪表盘，无需翻阅日志文件

The Stack

• 硬件: Ryzen 9 5900X, RTX 3060 12 GB, 32 GB RAM, Ubuntu
• LLM: qwen2.5:32b via Ollama — 完全本地运行，无 API 成本
• 编排: 22 systemd 定时器, 自定义 governor 与语义匹配
• 记忆: SQLite 语义记忆, 2,095+ 嵌入向量
• Notion: 3 个数据库, 通过内部集成实时镜像
• 代码:

接下来

Echo 自动赚取收入 — Golem 网络计算提供商、Vast.ai GPU 租赁、dev.to 内容。目标是实现无需我参与的被动收入，这样我的妻子就可以 c (提交在此截断；后续步骤将继续描述未来计划)。

I'm home full time. Notion is now how I track whether that's working, updated by Echo herself every 5 minutes.

The first dollar hasn't arrived yet, but the infrastructure is real, the dashboard is live, and she's running right now.

* Built in Mena, Arkansas on a $900 machine. Follow the build: [dev.to/crow](https://dev.to/crow)