AI 三餐 · 工具台 · 今日一句
本地 AI 的第一道选择题:想少折腾,还是想把文件管得更细?
🍱 方案 A · Jan
Jan · 💡 值得一试
开发方:Menlo Research · 当前版 v0.8.4(2026-07-23)
价格:桌面版免费;本地模型无订阅费;云模型按供应商 API 计费
平台:macOS / Windows / Linux · 无需账号
热度:GitHub 43,853 stars · 官网累计 610 万次下载 · 2026-08-05
🍱 方案 B · AnythingLLM
AnythingLLM · 💡 值得一试
开发方:Mintplex Labs · 当前版 v1.15.0(2026-06-25)
价格:Desktop 与自托管免费;Cloud Basic 50 美元/月、Pro 99 美元/月、Enterprise 询价
平台:macOS / Windows / Linux;Docker 版支持多人
热度:GitHub 64,347 stars · 2026-08-05
两款都能把模型和文件留在电脑里。这里的“本地模型”,就是答案在你的机器上算,不把问题交给云端服务器。区别在于:Jan 更像装好就聊的本地 ChatGPT;AnythingLLM 更像给资料库配了一位管理员。
01上手:Jan 赢
Jan 首次启动会自动下载默认模型,左栏的 Hub 还会直接标出模型“能跑、可能慢、跑不动”。macOS 要求 Apple Silicon 与 macOS 13.6 以上;8GB 内存通常适合 3B 模型,16GB 更适合 7B。Windows 10 以上可用,官方建议 16GB 内存。
AnythingLLM 的桌面安装同样是一键式,但如果你要本地文档问答,还会碰到模型、嵌入模型和向量库。嵌入模型可以理解成“给每段文字做坐标”,方便从一堆文件里捞出最相关的几段。官方给基础体验的建议是 16GB 内存与 8 核 CPU。
📎 Jan Quickstart · AnythingLLM 系统要求 · 2026-08-05
◆ ◆ ◆
02文件:AnythingLLM 赢
临时读一份合同、给三篇报告提共同结论、把课程资料按主题归档,Jan 的 Projects 已经够用:把 PDF、Word、Excel、PPT 或 Markdown 放进项目,后续对话都能引用。
到了长期资料库,AnythingLLM 更顺手。它有工作区、RAG、Agent 和网页抓取。RAG 的大白话是:先从你的文件里找证据,再让模型照着证据回答。Desktop 适合一个人;Docker 版才有多人、权限和开发 API。
📎 Jan 文件上传 · AnythingLLM Desktop 概览 · 2026-08-05
◆ ◆ ◆
03价格:都能免费
Jan 的桌面端免费,没有自动续费。本地模型也没有按次额度,成本是下载空间、电量和等待时间;若填入 OpenAI、Anthropic 等 API Key,费用由对应供应商另算。
AnythingLLM Desktop 与 Docker 自托管免费。需要官方托管的团队再看 Cloud:Basic 50 美元/月,Pro 99 美元/月,Enterprise 联系销售。对个人读文件,先花 0 元,别一上来就给订阅按钮交保护费。
📊 免费门槛
0 元订阅
两款桌面版核心功能 · 本地模型路径 · 2026-08-05
📎 Jan 官网 · AnythingLLM Cloud 价格 · 2026-08-05
◆ ◆ ◆
04隐私:看你选谁算
Jan 官方隐私页写得很直:本地聊天、日志和文件留在电脑;切到云模型,内容就会发往那家 API。AnythingLLM 也能全本地,但会收集匿名遥测,你可以在设置里关闭。删除资料时还要注意:从工作区移除只删该工作区的向量;要彻底清除解析文本和缓存,得去 My Documents 删除原文件。
本地模式没有云平台拿你的内容训练这一环。只要切到云端,是否留存、是否训练就按那家模型供应商的条款走。机密文件上传前,先看当前模型名称,别嘴上说本地,手上却选着云 API。
📎 Jan 隐私说明 · AnythingLLM 隐私与数据 · 2026-08-05
🛠先用 Jan 跑起来
1下载对应安装包
打开 Jan 官网 点 Download,选择 Mac、Windows 或 Linux;下载完成后会看到安装文件。
2安装并打开 Jan
Mac 把 Jan 拖进 Applications;Windows 运行 exe。打开后默认模型会自动下载,完成时聊天框可直接输入。
3核对模型能否顺跑
点左栏 Hub,看模型旁的 Fits、May be slow 或 Won't fit。先选 Fits;下载结束后,它会出现在聊天顶部的模型选择器。
4建一个资料项目
按 ⌘P 或点左栏 New Projects,取名“合同核对”;右侧会出现 Files 面板。
5加入一份文件
在 Files 点 Add,选择 PDF 或 Word。等进度条走完,文件名旁会显示大小和分块数。
6让它带出处回答
输入“列出付款、违约和自动续约条款,逐条引用原文;找不到就说找不到”。预期结果是三类条款与对应原句,方便你回到文件复核。
⚠️坑与边界
- 模型下载时间不算“操作时间”;文件越大、网速越慢,等待越久。
- Jan 的高级控制较少,用户 @boug_bob974 直说它“太简单”;想细调资料库,AnythingLLM 更合适。
- AnythingLLM 的导入也会翻车:用户 @psynenboy 在 2026-08-04 抱怨 Markdown 载入不顺、只见文件夹增加。
- 本地小模型会漏条款和胡编引用;合同、医疗、财务结论必须回原文核对。
📎 Jan 用户反馈 · AnythingLLM 用户反馈
🔁三种情况怎么选
- 第一次装本地 AI,只想聊天和读几份文件:选 Jan。
- 要维护长期资料库、多个工作区或 Agent:选 AnythingLLM。
- 不想下载模型、电脑内存偏小:两款都可接云 API,但要接受按量收费和数据出机。
⚖️ 对比
A · Jan
第一次尝试选它:0 元订阅,2026-08-05 已有 610 万次下载,路径更短。
VS
B · AnythingLLM
长期管资料选它:Desktop 仍是 0 元,2026-08-05 有 64,347 stars,功能更深。
🗣 Leif 怎么看
一个月后,两款都值得留,但第一票我给 Jan:先让本地 AI 真正在电脑里跑起来,比先学一堆 RAG 设置更重要。等你的文件多到需要分库、分权限,再迁到 AnythingLLM,顺序别反。
— AI 三餐 · 明天中午加菜 —
夜雨聆风