你有没有算过一笔账？
每天调试提示词20次，整理资料10次，写脚本5次，还要反复测Skill。一个月下来，WorkBuddy积分消耗轻松破千。充值界面点过几次后，我忽然意识到——这不是一次性投入，是持续性出血。
换条路走吧。本地模型。
起初我也觉得这事门槛高，动手后发现比想象中直接。把通义千问装进自己电脑，让WorkBuddy调本地接口，推理不再走云端，积分从此不动。思路清晰，操作也不复杂。

下面聊点实在的。
B硬件这件事，骗不了人
网上动不动就推荐14B，但真跑起来，8G内存的机器直接卡成PPT。我的建议很现实：
· 日常办公本（8G）：7B是上限，响应速度能接受
· 开发机或游戏本（16G+）：上14B，体验明显提升
别跟自己电脑过不去。能流畅跑的模型才是好模型。

配置过程，关键就三点
第一步装Ollama，官网下载安装。装完在终端输入ollama list验证是否正常运行。
第二步拉模型。终端执行ollama pull qwen2.5:7b或14b版本。下载完再ollama list，把模型名复制下来——待会配置要一字不差地填进去。
第三步进WorkBuddy对接。路径是左下角头像→设置→模型→添加模型。

真实体验，不吹不黑
好处很实在：
积分再也不用精打细算。以前调试Skill还得掂量着用，现在反复测、来回调，完全不心疼。大量文字处理、资料整理这种体力活，全扔给本地模型干。
数据留在自己机器上。处理内部文档、代码片段、项目笔记，不用上传云端，心理上踏实很多。
没网也能用。只要Ollama服务开着，WorkBuddy照样工作。
但局限性也得说清楚：
速度全看电脑性能。7B在轻薄本上还凑合，14B就开始吃内存了。复杂Agent、图片理解、高级推理这些重活，本地模型跟云端比还是有差距。
还有个小事：Ollama得一直后台跑，不小心关了，WorkBuddy调用就会报错。

我的真实用法
现在分工很明确：文本处理、提示词调试、资料整理这些日常活走本地，省积分。需要复杂推理、图片识别、专业Agent能力的任务，再切回官方云端。
这样搭配着用，既省钱又不耽误事。
B谁适合折腾这套？
符合下面情况的值得一试：高强度用WorkBuddy、积分经常见底、需要反复调试Skill、处理敏感资料不方便上传、偶尔断网环境办公。
如果只是偶尔用用、写写文案、问几个问题，真没必要折腾。本地模型对你的价值不大，直接云端更省心。
B说句掏心窝的话
本地模型不是什么黑科技，它解决的是个很具体的痛点：把大量重复性、低复杂度的工作从云端挪到本地，释放你的积分压力。它不会让WorkBuddy变得更强，但会让你用得更从容。
仅此而已。
B想听听你的情况
你在用WorkBuddy吗？积分够不够用？有没有动过接本地模型的念头？电脑什么配置，想跑多大的模型？评论区聊聊，我帮你参谋参谋。
免责声明：本文基于个人在特定硬件环境下的实测记录，不同电脑配置、系统版本、Ollama及WorkBuddy版本可能存在差异。本地模型性能受限于本机硬件条件，开源模型使用请遵守对应开源协议。本文仅作技术学习交流，不代表官方配置方案。

这帮人都鸡巴瞎忽悠，你装这个本地模型，那7B模型装的本地就跟二傻子一样，啥都干不了

macmini4 丐版够不够部署本地模型？

现在不是每天签到100+每个月送500+注册赠送的1500，自己注册几个号。让他帮你做个本地网关转发服务，github上开源项目就有。自己搞几个号组成号池和中转站一个道理

我用单位数据中心部署的deepseek v4 flash int8 日常办公操作都感觉用着很勉强。。。

赞成，本地大模型拿来做点东西是真的可行；16G显卡算是刚好的，qwen3.5-9b，256上下文，可以满足挺多需求；但是速度一般