AI时代,“翻红”的5个本地软件

Turso 干的事情有点反潮流。他们没有重新发明数据库，而是把 SQLite 这个老东西拆开改了一遍，让它能塞进 AI 应用里。一家生意全在云上的公司，花钱收购一个专门折腾本地数据库的团队，这个动作比任何趋势分析都说明问题。

过去这两年，类似的信号不少。我翻了翻自己日常开着的工具，挑了五个有代表性的本地应用。它们翻红的原因各不相同，放在一起看，能看清 AI 到底把成本和接口算到了哪里。

SQLite，手机里藏着一千个

SQLite 大概是全球装机量最大的软件。官方估算全球跑着的 SQLite 实例超过一万亿个，iPhone、安卓、Windows 和 Chrome 浏览器里都内置了它。

这项 2000 年发布的技术，这两年被 AI 重新翻出来，踩中了两个节点。

一个是向量检索。AI 应用要查历史资料，得把文本转成向量存起来检索。2024 年 4 月有人写出了开源扩展 sqlite-vec，让 SQLite 直接支持这项操作。一个单文件就是一个向量库，随拷随走，省掉了起服务的麻烦。两个月后，Mozilla 官方宣布赞助这个项目，主题就叫 Local AI。

另一个是 Agent。智能体干活需要保留上下文和执行记录。SQLite 一个文件就是一个独立数据库，给每个 Agent 单独配一个，资源开销极小。Supabase 收购 Turso，主要看中的就是这笔账。

普通用户很少直接看到 SQLite，但现在不少在电脑上跑的本地 AI 工具，底层打交道的数据文件都是它。

DuckDB，官方承认很多调用来自 AI

DuckDB 是我自己天天在用的工具。之前我把一个要跑近一小时的 Excel 日报流程搬过去，两分钟跑完。后来在电脑上做过极限测试，一亿行数据关联三十万行映射表做汇总，耗时 0.12 秒。

DuckDB 最初走红主要因为很多公司发现日常分析根本用不上 Spark 集群或云数仓，一台大内存笔记本就能算完。到了去年，它的调用场景开始变了。

上个月 DuckDB 官方在博客里提到，很多命令行调用没有人工输入，全是 Claude Code、Cursor 这些 AI 工具在自动执行。为此他们在版本里加了针对 Agent 的优化模式，一旦检测到调用方是 AI，就把返回数据压缩成省 token 的格式，官方测下来能省 59%。

再往前一个多月，AWS 收购了 DuckDB 背后的商业化团队。云厂商反过来买本地分析工具，思路和 Supabase 收购 Turso 如出一辙。

社区的数据也印证了这个走势。GitHub Star 从去年 6 月的三万涨到今年 8 月的四万，Python 包月下载量从两千多万涨到五千多万。一个偏极客的单机分析库能跑出这个增速，少不了 AI 编程工具在背后成批调用。

Whisper，把按分钟算钱的生意变成买断

2022 年 9 月 OpenAI 开源了语音转文字模型 Whisper，协议宽松到允许商用。四天后，开发者 Georgi Gerganov 用纯 C++ 重写出 whisper.cpp，老款笔记本断网也能跑。

原本很多转录服务按分钟或按月订阅收钱，一年要花几百块。Whisper 出来后，荷兰开发者 Jordi Bruin 做了一个叫 MacWhisper 的本地应用，拖进音频文件就能出字，免费版日常够用，高级功能花三十多美元一次性买断。

这个生态还在往前滚。whisper.cpp 在 GitHub 上拿到了五万四千多 Star。MacWhisper 去年接入了英伟达的 Parakeet 模型，半小时音频八秒转完，最近又跟进了实时会议记录。

很多人开始把长音频拉到本地转写，除了省钱，主要是录音不出本机。律师谈案子、医生问诊、记者做敏感访谈，这种对隐私的要求，云端接口无论怎么保证都很难彻底打消疑虑。

Obsidian，七人小团队的纯文本生意

这篇稿子的草稿我写在 Obsidian 里。它本质上就是一个管理本地 Markdown 文件的阅读编辑器，文字存在本地硬盘上的md格式文件。

去年 8 月 Obsidian 创始人 Steph Ango 还在访谈里强调，不用 AI 也能正常工作。过了五个月，他自己开源了一套 Agent Skills，让 Claude Code 这类智能体直接读写用户的本地笔记。这个仓库上线九天拿了六千多个 Star，到今年 7 月到了四万三。

外界估算 Obsidian 的月活突破了五百多万。这家软件公司全职员工只有七个人，平均下来一个人撑起了几十万甚至近百万用户的使用规模。

纯文本这种老派的存储格式，反倒成了 AI 时代最顺手的接口。智能体读写本地文件夹几乎没有阻碍，用户的笔记库直接变成了现成的外部记忆库。配合本地模型跑，整套知识库处理过程都不需要上传服务器。

Raycast，把 AI 缩进快捷键里

Raycast 是 Mac 上的系统启动器。平时按快捷键唤出搜索框，用来启动软件或翻剪贴板。2023 年 5 月它把 AI 塞进了这个输入框，选中文本直接调模型改写。2024 年它完成三千万美元 B 轮融资，逐步把产品推向 Windows。

近期的功能迭代展示了它的变化。它支持按实际用量付费，并加上了任务流和项目目录功能，让模型能带上指定文件夹和历史上下文去定时跑任务。原来的快速启动器，慢慢变成了随时待命的本地操作台。

它还允许用户直接填入自己现有的 ChatGPT 或 Claude 密钥，不需要多付一份平台加价。

总结

把这五个工具放在一起看，逻辑其实一致。

AI 规模化落地以后，数据出不出机房成了实打实的成本和合规考量，本地运行的隐私保障从少数人的偏好变成了刚性需求。各种 AI 服务按月叠加到第二年，很多用户开始重新算买断制和本地自建的账。更重要的是，AI 智能体需要频繁在本地读写临时文件、调取数据，命令行工具和纯文本格式这些看起来落后于时代的东西，反而是代码和模型交互最不容易出错的底层接口。

云端算力没有消失，本地工具也没有取代谁。只是当 AI 真正开始干粗活的时候，大家发现很多环节留在本机算，反而更省事、更踏实。