Python+SQLite打造个人乐高收藏管理系统

石家庄跑了一趟，一口气带回 70 余套乐高，听起来确实是件快乐的事。不过真正让人头疼的，往往不是搬回家那一路，而是搬回来之后：这 70 套分别是什么套装？摆在哪个箱子？哪些已经拆封？哪些零件还齐全？如果只是为了拍一条 Vlog 把它们铺满整张桌子，那视频结束后的“整理环节”，才是工作量飙升的开始。

我见过不少收藏朋友，兴奋点集中在“买”和“开箱”上，却忽视了“管理”。而收藏一旦超过 50 套，记忆就不再可靠。你可能会重复买同一套，可能为了找某一个小零件翻遍所有盒子，也可能在半年后根本想不起自己有一套适合送人的全新套装。这些问题本质不是收纳习惯问题，而是信息管理问题。与其靠拍脑袋，不如给每套乐高建一个“数据库档案”，用脚本批量录入、查询、统计和导出，让整理过程和 Vlog 一样有迹可循。

本文就以“石家庄收获 70 余套乐高”的整理场景为例，从零搭建一个私人乐高库存管理系统。技术方案不复杂：Python 3 + SQLite 做基础数据管理，CSV 做批量导入，Rebrickable 公开接口做套装信息补全，最后用一个 CLI 工具完成查询和导出。整套代码跑完后，你会拥有一个可离线查询、可重复导入、可导出的个人乐高“仓库系统”。如果你收藏积木、手办、图书，也可以直接套用这套思路。

1. 70 余套乐高回家之后，真正的麻烦才开始

我先把结论放在前面：收藏规模越大，管理成本增长得越快。这里的“成本”不单指钱，还包括三类容易被忽略的开销。

第一类是“选择成本”。70 多套摆在眼前时，你很容易陷入选择困难：今晚拼哪套？哪套适合用 Vlog 记录完整拼装过程？如果不知道每套的主题、颗粒数和场景定位，选一套可能要花掉半小时，而不是两分钟。

第二类是“查找成本”。套装外盒都差不多大小，堆起来之后很难分清里面是谁。更麻烦的是，你只有拼到一半发现缺件，才想起要去对应盒子里找备用件。没有位置记录，你会在客厅柜子、书房抽屉和储物间箱子之间来回拉锯。

第三类是“重复成本”。看到某个历史套装价格合适，你觉得“自己没有”，于是又买了一套。回家一查拼搭记录才发现，三年前已经入过同款。这种情况在收藏圈并不少见。避免它的唯一可靠方法，就是在入手前先查库存表，而不是先查购物车。

也就是说，70 套左右的库存，已经处于“靠脑子和 Excel 都容易失控”的临界区。Excel 当然能记，但手工维护的问题很快会出现：编号格式不统一、字段越加越乱、想按状态统计要写一堆筛选，数据很容易变成一滩死水。相比之下，SQLite 单文件数据库更轻量，配合脚本可以做到批量操作、条件查询和自动补全，更适合拿来管理私人收藏。

当然，这套方案也有明确边界：它管理的是“套装级别”的信息，不是每一个零件的精确位置。如果将来要处理零件级 MOC 拼搭，还需要更细的 BOM 管理，那是另一个话题。本文先解决最实用的 70 套库存管理问题。

2. 管理收藏不等于记账：先想清楚要记什么

设计数据库之前，首先要克制住“什么字段都想要”的冲动。字段过多会让录入变成负担，录入一旦变得麻烦，系统很快就会被丢弃。我建议第一版只保留真正影响使用体验的字段。

2.1 套装编号：每套乐高的“主键”

套装编号是最关键的字段。对乐高来说，官方套装通常有一个类似“42115-1”的编号，其中连字符后面的“-1”代表第几版设计。这个编号就像数据库里的主键，作用是唯一标识一套乐高。

这里容易犯一个错误：以为套装编号只是纯数字。实际上，如果不记录“-1”这个后缀，某些产品可能出现多个版本。更稳妥的做法是完整记录官方套装编号，并在数据库层设置唯一约束，从根源上避免重复导入。

2.2 状态、位置、来源：记录里有价值的字段

除了名称和编号，真正有价值的是状态和位置。

状态我建议使用一套固定枚举，例如：待拆封、拼搭中、拼好展示、拆件备用、已转出。用固定枚举而不是自由输入，才能后续做统计。如果允许“放到一半”“拼好了”“散了”这类即兴输入，统计时就会因为文本不统一而失控。

位置字段也很实用。它不是让你精确到每个抽屉，而是记录“客厅展示柜”“书房顶柜”“卧室床边柜”这一层即可。日常找套装，能定位到柜子就已经省下大量时间。

来源字段则记录了购买渠道和地点。对于“石家庄购入”“实体店”“朋友转让”这类信息，很多人初看觉得没必要，等到想复盘一年花了多少钱、从哪些渠道买入时，就会庆幸当初记录了来源。

2.3 数据字典：第一版字段设计

第一版表结构可以参考下表：

字段	含义	示例	是否必填
set_code	官方套装编号	DEMO-001	是
set_name	套装名称	演示套装	是
theme	所属系列/主题	科技系列	否
release_year	发售年份	2023	否
pieces	颗粒数	1200	否
status	当前状态	待拆封	是
place	存放位置	客卧顶层柜	否
source	购买来源	石家庄实体店	否
note	备注	盒况轻微压角	否
created_at	入库时间	自动生成	-
updated_at	更新时间	自动生成	-

这个数据字典不算复杂，却足够支撑大部分日常操作：按状态统计、按位置查询、按来源复盘、按名称模糊搜索。记住，第一版系统最重要的目标不是功能丰富，而是让用户愿意持续录入和维护。

3. 环境准备：一个干净、可复现的 Python 项目

为了让整理过程可复现，我建议使用独立虚拟环境，而不是直接往系统 Python 里塞依赖。下面操作在 Windows、macOS、Linux 上思路一致，命令差异我会标注。

3.1 需要准备什么

本机需要安装 Python 3。当前主流 Python 3.8 以上版本都可以运行本文示例。检查方式：

python --version

如果提示找不到命令，Windows 用户可以尝试：

py --version

版本请以你本机实际安装为准，本文不依赖特殊新语法，Python 3 即可。

3.2 项目目录规划

在合适位置创建目录后，建议按下面的结构组织文件：

lego-warehouse/ ├── schema.sql # 建表 SQL ├── init_db.py # 初始化数据库 ├── import_sets.py # 批量导入 CSV ├── query_sets.py # 查询、统计、导出 ├── find_sets_api.py # 调用 Rebrickable 接口 ├── sample_sets.csv # 示例数据 └── lego_warehouse.db # SQLite 数据库文件，会自动生成

把代码、数据、数据库放在一个目录内，方便以后整体备份或上传到自己的私有仓库。

3.3 安装依赖

本文只需要三个第三方库：requests、tabulate，以及生成 Excel 时可选用的 pandas 和 openpyxl。为了减少变量，先把基础依赖装上：

cd lego-warehouse python -m venv venv

Windows 环境激活虚拟环境：

venv\Scripts\activate

macOS / Linux 环境：

source venv/bin/activate

激活后安装依赖：

pip install requests tabulate

如果后续需要生成 xlsx 文件，再补充安装：

pip install pandas openpyxl

这里统一用 requests 发 HTTP 请求。Python 标准库虽然有 urllib，但 requests 在处理 JSON 和错误码时更直观，适合新手快速落地。

4. 初始化数据库：先建好 70 套库存的“容器”

数据表是一套系统的容器。建表时把唯一约束、默认值和索引设计好，后面导入和查询都会轻松很多。

4.1 建表 SQL

创建schema.sql：

-- file: schema.sql PRAGMA foreign_keys = ON; CREATE TABLE IF NOT EXISTS lego_sets ( id INTEGER PRIMARY KEY AUTOINCREMENT, set_code TEXT NOT NULL UNIQUE, set_name TEXT NOT NULL, theme TEXT NOT NULL DEFAULT '未分类', release_year INTEGER, pieces INTEGER, status TEXT NOT NULL DEFAULT '待拆封', place TEXT, source TEXT, note TEXT, created_at TEXT NOT NULL DEFAULT (datetime('now', 'localtime')), updated_at TEXT NOT NULL DEFAULT (datetime('now', 'localtime')) ); CREATE INDEX IF NOT EXISTS idx_lego_sets_status ON lego_sets(status); CREATE INDEX IF NOT EXISTS idx_lego_sets_theme ON lego_sets(theme);

这里的关键设计有三个：

• set_code TEXT NOT NULL UNIQUE：确保同一套装不会插入两遍，这是防止重复购买的第一道防线。
• status TEXT NOT NULL DEFAULT '待拆封'：批量导入时即使忘了填状态，也会先落到最合理的默认值。
• created_at和updated_at：自动记录入库与更新时间，方便日后复盘。

索引不是越多越好。第一版只需要给status和theme加索引，因为这两个字段未来会高频出现在统计条件里。

4.2 用 Python 执行建库脚本

你可以直接在命令行用 sqlite3 执行 schema，但为了统一，我更推荐用 Python 脚本完成初始化。创建init_db.py：

# file: init_db.py import sqlite3 import pathlib BASE_DIR = pathlib.Path(__file__).resolve().parent DB_PATH = BASE_DIR / "lego_warehouse.db" SCHEMA_PATH = BASE_DIR / "schema.sql" def init_db(): conn = sqlite3.connect(DB_PATH) try: sql = SCHEMA_PATH.read_text(encoding="utf-8") conn.executescript(sql) print(f"数据库初始化成功：{DB_PATH}") finally: conn.close() if __name__ == "__main__": init_db()

执行：

python init_db.py

看到“数据库初始化成功”后，目录下会出现lego_warehouse.db。这个单文件就是后续所有数据的存放位置。

5. 批量录入：把“石家庄收获”变成可查询的记录

70 余套乐高如果一套一套手工录入，不仅效率低，还容易出错。更合理的方式是先列一张 CSV 清单，再写一个可重复运行的导入脚本。CSV 的好处是普通表格软件可以直接编辑，团队成员或家人也能帮忙填写。

5.1 先准备一份 CSV 清单

创建sample_sets.csv，这里只放 3 条演示数据。实际使用时请把“流水账”替换成你真正的套装记录：

set_code,set_name,theme,release_year,pieces,status,place,source,note DEMO-001,演示套装A,示例主题,2023,500,待拆封,客厅展示柜,石家庄,本地示例数据 DEMO-002,演示套装B,示例主题,2022,800,拼搭中,书房桌面,石家庄,本地示例数据 DEMO-003,演示套装C,示例主题,2021,300,拼好展示,卧室置物架,石家庄,本地示例数据

建议在 Excel 中填写纯文本编号时，将列格式设置为“文本”。套装编号如果被 Excel 当成数字处理，后续可能出现 0 丢失或科学计数法显示的问题。用带连字符的编号也能减少这种误判，但不可完全依赖。

5.2 幂等导入脚本

“幂等”听起来高级，通俗解释就是：同一个脚本跑第二次，不会因为数据已经存在而报错，也不会产生重复记录。这一能力在批量盘点场景中非常有用。

创建import_sets.py：

# file: import_sets.py import csv import sqlite3 import pathlib import sys BASE_DIR = pathlib.Path(__file__).resolve().parent DB_PATH = BASE_DIR / "lego_warehouse.db" def parse_int(value): try: return int(value) except (TypeError, ValueError): return None def import_csv(csv_path: str): conn = sqlite3.connect(DB_PATH) total = 0 try: with open(csv_path, encoding="utf-8-sig") as f: reader = csv.DictReader(f) for row in reader: code = (row.get("set_code") or "").strip() name = (row.get("set_name") or "").strip() if not code or not name: print("跳过空记录：缺少编号或名称") continue conn.execute( """ INSERT INTO lego_sets ( set_code, set_name, theme, release_year, pieces, status, place, source, note ) VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?) ON CONFLICT(set_code) DO UPDATE SET set_name = excluded.set_name, theme = excluded.theme, release_year = excluded.release_year, pieces = excluded.pieces, status = excluded.status, place = excluded.place, source = excluded.source, note = excluded.note, updated_at = datetime('now', 'localtime') """, ( code, name, row.get("theme") or "未分类", parse_int(row.get("release_year")), parse_int(row.get("pieces")), row.get("status") or "待拆封", row.get("place") or "", row.get("source") or "", row.get("note") or "", ), ) total += 1 conn.commit() print(f"导入完成，共处理 {total} 条记录") finally: conn.close() if __name__ == "__main__": if len(sys.argv) != 2: print("用法: python import_sets.py xxx.csv") sys.exit(1) import_csv(sys.argv[1])

写入时使用utf-8-sig编码读取 CSV，是为了兼容 Excel 生成的带 BOM 文件，避免表头首列出现“\ufeff”乱码。

执行导入：

python import_sets.py sample_sets.csv

如果再次执行，已经存在的DEMO-001不会被重复插入，而是更新为 CSV 中的最新内容。这正是盘点现场修改后重新导入时最需要的特性。

5.3 导入后检查

导入完成后，可以先简单查看总记录数：

python -c "import sqlite3; conn = sqlite3.connect('lego_warehouse.db'); print(conn.execute('select count(*) from lego_sets').fetchone()[0])"

如果你把真实 70 余套装整理成 CSV 并导入，最终这里的数字应该与手头库存数量一致。如果不一致，优先检查 CSV 中是不是有重复编号或空行。

6. 用 Rebrickable 接口自动补全套装信息

手工整理完 70 余套之后，你会发现一个问题：很多盒子上虽然有官方编号，但要补全套装名称、发售年份、系列和颗粒数，仍然需要大量手工录入。此时可以借助公开乐高数据接口来减少重复劳动。

6.1 为什么需要自动补全

如果只是本地记录“编号 + 状态 + 位置”，其实不调用接口也能完成。但当你需要知道某一套属于哪个系列、颗粒数是多少、适合在 Vlog 中做怎样定位时，手工补全的成本就很高。公开数据集的意义，是把“官方套装目录”变成可以程序化查询的信息源。

这里以 Rebrickable 为例说明思路。它是一个社区维护的乐高数据库，提供套装编号、名称、年份、主题、零件数等字段。需要说明的是，第三方公开接口的使用限制和字段定义可能随官方调整，本文只演示关键逻辑，接入前请以官网文档为准。

6.2 注册 key 与请求设置

使用该接口前需要注册账号并申请 API Key，然后在本地环境变量中设置：

export REBRICKABLE_API_KEY="你的key"

Windows PowerShell 中对应：

$env:REBRICKABLE_API_KEY="你的key"

不要把 API Key 写死在代码中。它相当于你的访问凭证，一旦提交到公开仓库，别人就可以冒用你的身份调用接口。用环境变量保存更安全。

6.3 查询脚本与更新逻辑

创建find_sets_api.py：

# file: find_sets_api.py import os import sys import requests BASE_URL = "https://rebrickable.com/api/v3/lego/sets/" def make_header(): api_key = os.getenv("REBRICKABLE_API_KEY", "") if not api_key: raise RuntimeError("请先设置环境变量 REBRICKABLE_API_KEY") return {"Authorization": f"key {api_key}"} def search_sets(keyword: str): resp = requests.get( BASE_URL, params={"search": keyword, "page_size": 5}, headers=make_header(), timeout=15, ) if resp.status_code != 200: print("请求失败:", resp.status_code, resp.text[:200]) return data = resp.json() for item in data.get("results", []): print(f"{item.get('set_num')} | {item.get('name')} | {item.get('year')} | {item.get('num_parts')} 件") def get_set_by_code(set_code: str): resp = requests.get( f"{BASE_URL}{set_code}/", headers=make_header(), timeout=15, ) if resp.status_code == 404: print("未找到该套装编号，请检查是否包含 -1 后缀") return if resp.status_code != 200: print("请求失败:", resp.status_code, resp.text[:200]) return data = resp.json() print({ "set_code": data.get("set_num"), "set_name": data.get("name"), "year": data.get("year"), "num_parts": data.get("num_parts"), }) if __name__ == "__main__": if len(sys.argv) < 3: print("用法:") print(" python find_sets_api.py search 保时捷") print(" python find_sets_api.py code 42115-1") sys.exit(1) command = sys.argv[1] value = sys.argv[2] if command == "search": search_sets(value) elif command == "code": get_set_by_code(value) else: print("未知命令")

搜索示例：

python find_sets_api.py search 保时捷

完整编号查询示例：

python find_sets_api.py code 42115-1

特别提醒：套装编号一定要写完整。官方数据中的编号通常带版本后缀，比如42115-1。如果只写42115，接口会返回 404，因为对端把编号当成精确主键处理。若你只有外盒上的纯数字编号，建议先走search命令搜索，确认后再使用。

7. 查询、统计与导出：Vlog 清单的真正价值

数据录入完成之后，系统才开始真正产生价值。当你想拍“70 余套乐高合集”Vlog 时，与其一个个搬箱子查，不如直接查询数据库得到一份清单，再按清单去对应位置取货。

7.1 按状态统计库存

建设一个简单的 CLI 查询工具。创建query_sets.py：

# file: query_sets.py import sqlite3 import pathlib import argparse import csv BASE_DIR = pathlib.Path(__file__).resolve().parent DB_PATH = BASE_DIR / "lego_warehouse.db" def connect(): return sqlite3.connect(DB_PATH) def count_by_status(): conn = connect() rows = conn.execute( """ SELECT status, COUNT(*) AS cnt FROM lego_sets GROUP BY status ORDER BY cnt DESC """ ).fetchall() conn.close() print(f"{'状态':<12}{'数量':>6}") for status, cnt in rows: print(f"{status:<12}{cnt:>6}") def list_sets(status: str, keyword: str): conn = connect() sql = """ SELECT set_code, set_name, status, place FROM lego_sets WHERE (? = '' OR status = ?) AND (? = '' OR set_name LIKE ?) ORDER BY set_code """ like = f"%{keyword}%" rows = conn.execute(sql, (status, status, keyword, like)).fetchall() conn.close() print(f"{'编号':<16}{'名称':<30}{'状态':<12}{'位置':<20}") for code, name, st, place in rows: print(f"{code:<16}{name:<30}{st:<12}{place:<20}") def export_csv(output_path: str): conn = connect() rows = conn.execute("SELECT * FROM lego_sets ORDER BY set_code").fetchall() cols = [desc[0] for desc in conn.execute("SELECT * FROM lego_sets").description] conn.close() with open(output_path, "w", encoding="utf-8-sig", newline="") as f: writer = csv.writer(f) writer.writerow(cols) writer.writerows(rows) print(f"已导出到 {output_path}，共 {len(rows)} 条记录") def main(): parser = argparse.ArgumentParser(description="乐高收藏管理工具") parser.add_argument("command", choices=["status", "list", "export"]) parser.add_argument("--status", default="") parser.add_argument("--keyword", default="") parser.add_argument("--output", default="lego_backup.csv") args = parser.parse_args() if args.command == "status": count_by_status() elif args.command == "list": list_sets(args.status, args.keyword) elif args.command == "export": export_csv(args.output) if __name__ == "__main__": main()

查看整体状态分布：

python query_sets.py status

预期输出类似：

状态 数量 待拆封 1 拼搭中 1 拼好展示 1

筛选“拼搭中”的套装：

python query_sets.py list --status 拼搭中

按名称搜索：

python query_sets.py list --keyword 演示

7.2 按摆放位置查询

当 Vlog 拍摄需要某一类主题时，可以先用 location 层面的筛选缩小范围。虽然上面的list命令还没有把位置作为筛选条件，但你可以在 SQLite 中直接扩展。更快的做法是利用表格导出，然后在表格软件里二次筛选。

如果你有 70 多套库存，“位置”字段最大的价值不是日常搜索，而是在大型整理后快速发现“哪些套装还没有填写位置”。对空位置字段做一次集中排查，通常比一套套回忆节省大量时间。

7.3 导出为 CSV 或 Excel

导出 CSV：

python query_sets.py export --output lego_records.csv

导出的文件用 Excel 或 WPS 打开后，可以直接发给家人协助确认，也可以作为 Vlog 文案的底稿。因为代码中使用了utf-8-sig，导出文件带 BOM，多数表格软件能正常识别中文。

如果安装了 pandas，还可以临时生成 Excel：

import pandas as pd import sqlite3 conn = sqlite3.connect("lego_warehouse.db") df = pd.read_sql_query("SELECT * FROM lego_sets ORDER BY set_code", conn) df.to_excel("lego_records.xlsx", index=False) conn.close() print("Excel 文件已生成")

我的建议是优先使用 CSV 作为数据交换格式，它足够通用；Excel 更适合做一次性交付或发给不熟悉数据的收藏朋友。

8. 常见问题与排查思路

收藏整理过程中，最容易出问题的点往往不在乐高，而在编码、重复和接口调用。下面按实际使用频率列出排查清单：

问题现象	可能原因	排查方式	解决方案
导入 CSV 后中文乱码	CSV 文件编码与脚本读取方式不一致	用文本编辑器查看文件编码	读取时使用 utf-8-sig；Excel 另存为 CSV UTF-8
套装编号被识别为数字，0 丢失	Excel 自动转换纯数字	查看 CSV 原始内容	列格式设为文本，或编号保留连字符后缀
重复导入同一套	缺少唯一约束或编号不一致	查询表中 set_code 是否包含前后空格	在 database 层加 UNIQUE，导入前 strip
查询结果为空	CSV 表头与脚本字段名不一致	打印第一行 DictReader 的字段	统一表头，必须包含 set_code、set_name
Rebrickable 返回 401	API Key 没设置或写错	检查环境变量是否为空	重新设置 REBRICKABLE_API_KEY
Rebrickable 返回 404	套装编号缺少版本后缀	确认编号是否为完整格式	先 search 再 code，不要凭记忆拼编号
Python 提示找不到模块	未激活虚拟环境	检查命令行前缀是否有 venv	执行 source venv/bin/activate 或 venv\Scripts\activate
误删了一条记录	手工删除时条件写错	检查 sqlite3 命令行日志	养成先 SELECT 再 DELETE 的习惯，提前备份

这里想强调一个安全习惯：删除数据是高风险操作。SQLite 数据库虽然很小，但也不要直接在生产心态不端正的状态下执行 DELETE。正确流程是先备份，再查询确认删除范围，最后执行删除。如果给朋友或家人维护，不妨在删除前把目标行导出为 CSV。

9. 最佳实践：给收藏数据建立的几条纪律

工具能解决效率，但真正的长期价值来自“纪律”。不立规矩，再好的数据库三个月后也会变成废库。

9.1 统一枚举和命名

状态字段要固定使用同一套词。我自己会限制为“待拆封、拼搭中、拼好展示、拆件备用、已转出”五种。不要因为一时顺手写“拼了一半”“展示中”“出掉了”这类自由文本。统一命名的好处在统计时体现得最明显，分组查询结果一眼能看懂。

9.2 定期备份

SQLite 是单文件，备份非常简单。可以手动复制，也可以用 Python 的 backup API 生成一致性快照：

# file: backup_db.py import sqlite3 import pathlib import datetime BASE_DIR = pathlib.Path(__file__).resolve().parent DB_PATH = BASE_DIR / "lego_warehouse.db" BACKUP_DIR = BASE_DIR / "backups" BACKUP_DIR.mkdir(exist_ok=True) today = datetime.date.today().isoformat() backup_path = BACKUP_DIR / f"lego_backup_{today}.db" src = sqlite3.connect(DB_PATH) dst = sqlite3.connect(backup_path) with dst: src.backup(dst) dst.close() src.close() print(f"备份完成：{backup_path}")

相比直接复制文件，使用 backup API 可以避免在写入过程中产生损坏快照，是更稳妥的姿势。建议每次导入大批数据、调整大量记录之后，都跑一次备份。

9.3 把“来源”当作重要字段

很多人在设计表时会忽略“来源”，觉得只是顺手记一下。实际操作中，来源字段可以帮助你回答几个很有价值的问题：今年从不同渠道一共买了多少套？哪一个渠道的盒况描述最靠谱？某一次石家庄行程带回的 70 余套，分别花了多少钱？只有当“地点”“渠道”“时间”被结构化记录后，复盘才有依据。

9.4 数字化不要变成负担

这套系统的目标是减少整理焦虑，不是制造新的仪式感。你可以一开始只记录编号、名称、状态和位置，等信息足够多、确实需要时再加字段。字段越多，录入越累，放弃概率越高。对大部分收藏者来说，一个能坚持维护的简单清单，远胜过一个功能完备但逐渐荒废的复杂系统。

记录时也注意隐私边界。家中的具体楼层、房间和柜子可以在自己数据库里写，但如果要公开分享 Vlog 或截图，不建议把详细房间号、门牌号甚至窗外环境一起展示。数据工具应该服务于爱好，而不是为不必要的信息泄露留出口。

最后说一句实在话：拥有一大批乐高不是结束，能长期清晰知道每套在哪、处于什么状态，才是把爱好活得有条理的表现。从今天的一百来个字、一个 SQLite 文件开始，你可以让任何一次“收获满满”都变成真正可控的资产积累，也让自己在下次想拍 Vlog 时，两分钟就能找到最合适的拍摄主角。