扫了 22 个单机 AI 工具:能跑的不到三成

本篇约 2,599 字　·　阅读约 6 分钟

《AI信息提纯》第 2 期。方向是把工具抓回自己电脑上跑。帮读者省下折腾时间，重点看坑在哪，提纯不带货。

这周我扫了 22 个开源库和智能体技能。

核心看一点：在自己电脑上能不能真跑起来。

扫完留下 6 个，淘汰 8 个，剩下的 8 个没进实测，留作方法论佐证。淘汰名单挂在文末。

留下来的 6 个确实能打。但我把代码和缺陷区翻了一遍，顺手跑了几个脚本，发现每个背后都有一道硬门槛。

一、桌面控制台：把模型和 PSD 抓回本地

yetone/magpie（★7,449）：菜单栏自由换模型，但不收外部贡献

先说 magpie。GitHub 标星 7,449 颗，刚发了 v0.1.1150 版。

电脑里装着好几个命令行工具，一会儿开 Claude Code，一会儿开 Codex，每次换模型都得改配置。

magpie 常驻桌面菜单栏，在本地开了一个 127.0.0.1:3425 网关。

点一下菜单栏，就能给 45 款以上的工具自由换模型（比如让 Claude Code 跑在 Kimi 上，让 Codex 跑在 DeepSeek 上）。额度用完自动切下一个可用凭据。

我查了 install.sh，确认它在本地做协议转换。

但坑在后面。

它的社区规则极严。说明文件明文写着：只接受维护者自己的提交，不收外部贡献（"This repository doesn't take pull requests. Only maintainers can open them."）。

遇到问题不能自己交代码修，只能去聊天群排期等维护者抽空。

而且协议转换会丢东西。Issue #1450 记录新版丢失思考摘要字段。Issue #1447 截断回复转给 Claude 报预填充错误中断。Issue #1448 调度 Muse 报未声明工具。

它还默认每天发一次匿名心跳，带上随机 ID、版本和调用的模型名。（加环境变量 DO_NOT_TRACK=1 可关闭）。

适合：装了两款以上命令行工具、手里握着好几个 API 密钥的人。   别碰：只开一个官方网页版聊天的，装它纯属多此一举。

storytold/photocraft（★35,316）：纯 Rust 重写 Photoshop，可惜中文全是方块

同在桌面端的 photocraft，在 GitHub 拿了 35,316 颗星。

但先别急着当主力用。官方在说明文件里写得很坦白：项目处于 early alpha 阶段，不能替代日常专业工作（"it is not yet a Photoshop replacement for daily professional work"）。

500 多个菜单只是接口接通，细节远没达到生产水准。完全没有 AI 生成能力，没有扩图，也没有智能擦除。

最麻烦的是中文乱码。Issue #2208 证实，简体中文下界面文字大面积显示为方块与缺失。官方把中文字体拆到了外部仓库，不手动配字体路径根本没法看。

它真正的长处是让脚本在后台跑自动化。

纯 Rust 写的开源图像工具，重构 Photoshop 底层。内置 52 个工具、16 个调节图层、图层样式和蒙版。测试集 309 个 PSD 精准复现 307 个。

它还内置 500 多个底层原子指令，提供无头命令行 photocraft-cli，让大模型在后台直接读写 PSD。

我下载了预编译包，跑了 photocraft-cli --help 与 commands 命令，核实了 500 多条指令。接着无头生成一个 200x200 纯色图层 PNG，终端秒级跑通，系统检测确认是真图片。

适合：写脚本跑批量切图、改 PSD 图层。   别碰：日常依赖一键扩图、对中文排版要求严格的设计师。

二、单机运行：跑 125B 大模型与自维护知识库

Niko1221/Strata（★19,539）：12GB 显存跑大模型，启动时电脑先睡 3 分钟

想要离线算力的会看 Strata。标星 19,539 颗，刚发了 v0.1.41 版。

以往 125B 巨型模型必须租云端服务器。Strata 靠分片调度，让 12GB 显存加 32GB 内存的主机在本地跑通 Qwen3.8-Flash-Next。本机 8080 端口提供双协议接口，断网也能跑，数据不出机。

我核实了发版记录与接口。官方数据显示，在 RTX 5070 显卡上，它能跑出每秒 53 到 94 个 token。

把 125B 压进单机确实厉害，但代价很直观。

第一个代价是开机假死。官方醒目警告：启动时电脑会变慢或假死 1 到 3 分钟（"While the model starts, your PC can be slow or stop responding for 1-3 minutes"）。因为它一口气把 35 到 55GB 权重塞进内存并锁住显存。强关容易损坏缓存。

第二个代价是体积庞大。单个模型下载要 70GB 到 94GB。必须装在高速固态硬盘里，装在机械硬盘上生成速度跌成个位数。

第三个代价是中文能力缩水。针对 32GB 内存裁剪的 Coder 版本砍掉了一半专家模块。Issue #438 和官方文档承认，它在中文问答上的表现明显下滑。

此外它没有苹果 Mac 原生支持，绑死 Windows、Linux 与独显。

适合：手头有 12GB 显存与 32GB 内存游戏主机、需要离线处理敏感数据。   别碰：苹果电脑和轻薄本别试，硬盘空闲没到 100GB 的也别碰。

undefined-ui/second-brain-os（★1,020）：Obsidian 自动整理，但前提是你得放东西

往下走到知识库，是标星 1,020 颗的 second-brain-os。

它按 Karpathy 的 llm-wiki 构想搭建。把智能体和本地 Markdown 笔记结合在一起。系统分两层：长期事实层与动态项目层。配了 18 个技能和 4 个 Python 脚本，让智能体在本地给碎片资料打标签、建双向链接、查前后矛盾。

我克隆了代码，在 Python 3 下实测跑了两个脚本。跑 vault_stats.py 只用 50 毫秒就算出节点度数与孤岛比例。跑 link_check.py 秒级筛出坏链和空白页。

不过脚本跑得再快，官方在说明里写得很清醒：它无法为一个你从不添加内容的知识库做整理（"it will not organise a vault you never add to"）。AI 只能帮你理顺关系。你自己不读书、不扔素材，它就永远只是一堆空文件夹。

另外是巡检开销。让智能体遍历全库做链接分析，上下文消耗极快，频繁调用开销不小。

配置也很碎。要配齐 Obsidian、Claude Code、Python 和剪藏插件，前置多达 9 步，新手容易卡住。

适合：平时有深度阅读和记笔记习惯，想把分类连线脏活分给 AI。   别碰：指望装个工具就能替自己长脑子的收藏囤积狂。

三、图表与视频：用单页 HTML 和一镜到底告别文字墙

QingYunA/answer-me-with-html（★2,509）：50 毫秒出交互页，小心生成几千个垃圾文件

做技术图表的 answer-me-with-html，标星 2,509 颗，刚发了 v0.5.0 版。

在终端问技术问题，最烦滚出八屏黑底白字。这个技能跳过大段文字，直接生成带时序图、流程图和折叠卡片的离线单页 HTML。

我在本地 Node.js 26 下调用核心脚本 am.mjs，离线编译了自带的 TCP 三次握手示例。50 毫秒内生成了一个 87KB 的单文件网页，时序图和流程图全部校验通过。

官方评测给了一个对比：让大模型直接手写同等效果的网页，平均要输出 4,893 个 token（耗时 31 秒）。用这个技能，模型只需写 612 个 token 的草稿（耗时 12 秒）。模型输出开销降到八分之一，耗时缩短 2.6 倍。

但它有两个毛病。

一是堆积磁盘垃圾。Issue #165 证实，重试会在本地留下大量残留网页，几天能攒几千个，必须定期手动清理。

二是 Windows 权限报错。Issue #167 指出，Windows 下因软链接权限不足，本地服务容易报错中断。

适合：天天在终端跑智能体、要把技术方案讲给同事的工程师。   别碰：平时只问简单常识的轻度用户，用不着专门起个离线页。

feitangyuan/onetake（★2,033）：动效一镜到底很惊艳，可惜商用不能直接发

转到视频演示片，onetake 标星 2,033 颗。

很多 AI 视频像幻灯片轮播，镜头突然就跳。onetake 主打连贯转场，比如输入框压成一条线飞过去变成下一页网格。它内置 Python 脚本测量连贯度得分（carry score），低于 0.70 直接打回。

我查验了技能定义文件 SKILL.md 和校验脚本，连贯度确实有算法约束。只是本地跑通的环境极重。

想在本地跑通，得配齐 Python 3、Playwright、图像库、计算库和 ffmpeg。配音还要装语音模型。光是装环境就得折腾大半天。

其次是商业限制。它采用 PolyForm 非商业协议。个人学习免费，但企业拿来做产品宣传片不能直接商用，得买商业授权。而且开源仓库里没有附带 10 部演示片的原代码。

适合：给开源项目或个人作品做演示片，熟悉命令行和环境调优。   别碰：商业团队别拿开源版直接发宣传片，商用要买授权；没配过环境的新手也别碰。

四、这周我淘汰了什么

这 8 个项目大多死在纯提示词缺少工程，或者强依赖外部闭源接口与专有软件。

1. mcncarl/jianying-headless：GitHub 3,022 星。绑定剪映特定版本签名与苹果编译链，非开源协议限制商用，干净系统无法独立运行。

2. lnkiai/m3e-canvas：GitHub 9,044 星。纯前端样式的浏览器白板，仅生成组件草稿提示词，无多模态创作与知识沉淀。

3. yihui-dev/awesome-opus5-5-videos：GitHub 3,530 星。纯提示词集合与案例搬运，无执行代码和自动化检验脚本，复现依赖第三方平台。

4. lemomo-ai/lemo-opuscar：GitHub 1,562 星。43 种影片风格代码高度绑定单一闭源模型，缺乏离线运行脚本，个人调用复现开销过大。

5. achimala/dream-loop：GitHub 1,667 星。要求本地配置完整 3D 软件环境并挂载外部生图接口，依赖链极长，装到一半就容易被网络超时和依赖冲突打断。

6. jtydhr88/screenwriting-skills：GitHub 1,620 星。纯文本剧本格式说明，缺少可运行代码和量化验收工具，本质仍为提示词模板。

7. carolinaaafy/travel-memory-sticker-card：手绘贴纸卡技能。强依赖特定商业模型生图接口，仅支持单一手绘风格，无法迁移到通用创作。

8. Saccc_c/Codex 视频生成插件：X 热门长文。宣称极低成本生成高清视频，底层依赖第三方中转接口，随时面临接口关停和风控失效。

1. 想统一管多模型的，不妨先装 magpie。装完先在环境变量里加上 DO_NOT_TRACK=1，把每日匿名心跳关掉。

2. 想跑 PSD 批量的，可以先下载 photocraft-cli 预编译包。在终端跑一遍 commands，看底层的 500 多条原子命令怎么用。

3. 想搭知识库的：克隆 second-brain-os 后，先对现有笔记目录跑一遍 vault_stats.py 和 link_check.py。看看手头到底有多少死链和孤岛。

本期如果只装一个——magpie。

门槛最低，不吃显卡，日常多智能体调度最高频。

（素材出处：GitHub 相关项目 Releases、README 与 Issue 记录，项目官方测试集与基准评测报告，本地 macOS 终端 Universal 二进制、Python 3 标准库脚本与 Node 26 运行记录，PolyForm 开源协议文本，X 平台创作者实测长文 https://x.com/i/article/2093951273989296128 。）