1. 项目背景
业务场景
经过前面14章的学习，你已经在本地部署了Ollama（第1-2章），知道如何选择模型（第3章），会用命令行做日常任务（第4章），掌握了HTTP API和Python/Node.js集成（第5-7章），学会了Modelfile定制（第8章）、Prompt工程（第9章）、会话记忆管理（第10章）、Embedding与RAG（第11-12章）、工具调用（第13章），也能排查常见故障（第14章）。
但这些能力目前是分散的——你有一个脚本管聊天、一个脚本管RAG、一个脚本管订单查询。每次用都要切到不同的终端窗口，不同的配置参数散落在各处。
本章的目标是把前面学到的所有能力整合到一个统一的个人AI工作台中。这个工作台面向研发团队中的三种角色——开发、测试、运维——为他们提供不同的AI使用场景：
- 开发：代码解释、Bug定位、测试生成、commit message生成
- 测试：日志分析、测试用例生成、缺陷报告分析
- 运维：故障诊断、配置分析、巡检报告生成
痛点
- 工具碎片化：14种能力分布在不同脚本中，没有统一入口。开发人员要在4个终端窗口间切换。
- 配置重复：每个脚本都定义了一遍model名、temperature、base_url，改一个参数要改6