TODO：准备给 DailyNotes 增加一个提醒功能，准备接入 AI 来做一些事情。试了一下，非常靠谱。

具体 DailyNotes 和 Ollama 的交互方式，可以直接调用命令行，也可以走网络API。

rayu@K2CD9WCYN4 ~ % ollama run deepseek-r1:7bpulling manifest
pulling 96c415656d37... 100% ▕█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ 4.7 GB
pulling 369ca498f347... 100% ▕█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏  387 B
pulling 6e4c38e1172f... 100% ▕█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ 1.1 KB
pulling f4d24e9138dd... 100% ▕█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏  148 B
pulling 40fb844194b2... 100% ▕█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏  487 B
verifying sha256 digest
writing manifest
success
>>>
>>> 请为我下面这句话生成一个json配置：
... 明天中午提醒我，访问https://ollama.com/library/deepseek-r1
...
... 要求：1. 配置中要包含具体日期时间，提醒内容。 2. 回复内容只包含json配置，无其他说明性文字。
<think>
嗯，用户让我生成一个JSON配置来提醒他明天中午访问一个特定的URL。首先，我需要理解他的具体需求是什么。他说“明天中午提醒”，所以时间应该是明天中午。那日期怎么算呢？假设今天是2023年10月5日，那么明天就是10月6日。中午通常是指12点，所以我应该把时间设为2023-10-06T12:00:00Z。接下来，提醒内容需要包含访问URL的链接：https://ollama.com/library/deepseek-r1。然后，用户要求回复只包含JSON，没有其他说明性文字。所以结构应该是类似{"message": {"date_time": "...","content": "..."}
}这样。我还要确保日期格式正确，是ISO标准的，比如YYYY-MM-DDTHH:MM:SSZ。然后，检查是否还有其他参数需要添加？用户没有提到，所以可能不需要。最后，确认整个结构是否正确，有没有语法错误。例如，键名是否正确，是否有双引号和逗号正确使用。这样生成JSON后，用户可以直接复制到他的应用中使用。
</think>{"message": {"date_time": "2023-10-06T12:00:00Z","content": "访问https://ollama.com/library/deepseek-r1"}
}

为了方便使用，还可以在 ollama 之上封装一层，形成一个定制化的模型，详见 https://www.hostinger.com/tutorials/ollama-cli-tutorial