Local-first AI Agent Workspace

项目背景

我一直相信，AI 工具的价值不该以牺牲隐私和可控性为代价。云端模型能力强，但把所有数据都交给外部服务，在很多场景下并不合适。于是我给自己设了一个目标：搭一套本地优先的 AI 工作空间——尽可能多的任务在本地完成，只有确需强模型时才谨慎外发。

架构思路

整套环境分为几层：

• 本地模型运行时：用 Ollama 与 LM Studio 运行开源模型，承担大部分日常推理。
• 网关与编排层：统一管理工具调用与模型路由，决定一个任务是本地跑还是外发。
• Agent 层：负责把任务分解成可执行的步骤，并驱动工具完成。
• 数据边界：敏感数据默认不出域，外发前有明确的判断与最小化处理。

经验与反思

本地优先不是”拒绝云端”，而是把选择权拿回自己手里。哪些数据可以走云、哪些必须留在本地，应该是一个清醒的工程决策，而不是默认全部上传。

这套工作空间还在持续演进，但它已经改变了我对 AI 工具的使用方式：先问”这件事能不能在本地做好”，再考虑其他。