本地AI工具新玩法：从磁盘清理到PPT生成

2026-09-09 13:07 0 阅读

本地AI工具的新实践

最近社区里关于本地AI的讨论越来越务实——大家不再只盯着模型参数或跑分，而是琢磨怎么把AI真正用起来。从清理硬盘到做PPT，再到让智能体记住东西，这些看似琐碎的需求反而成了AI落地的突破口。

EverOS 1.3.0 的更新有点意思。它现在支持把 Milvus 向量数据库作为智能体的记忆后端。简单说，就是让AI不仅能读你写的Markdown笔记，还能把这些内容向量化存起来，下次对话时能快速召回相关上下文。

这种设计的好处是兼顾了可读性和检索效率。Markdown依然是事实的原始来源，人可以直接编辑；而Milvus负责高速语义搜索。如果你在搭一个需要长期记忆的Agent系统，这个组合挺合适。

不过要注意，这并不是自动记忆所有对话。目前仍需明确将哪些内容存入知识库，避免信息过载或隐私泄露。社区有人测试后反馈，配合Obsidian使用时，笔记和AI记忆能形成闭环，查资料、写总结都更连贯。

Mac用户常遇到的问题是：明明没装多少软件，硬盘却悄悄满了。有开发者写了叫 Disk Raccoon 的Skill（技能模块），配合Mole工具扫描大文件，一次操作就能清理掉上百GB的冗余数据。

具体做法是让AI识别哪些是可安全删除的缓存、日志或重复文件。比如飞书、Chrome和终端的历史记录往往是“空间杀手”。作者实测清理后腾出了127GB，而且全程自动化，不用手动翻找。

项目已开源，适合喜欢折腾本地工具链的人。不过建议首次使用前先备份重要数据——毕竟自动删除总有误判可能。

开会要用指定PPT模板？很多人头疼怎么让AI生成的内容不破坏原有设计。有个教程给出了取巧办法：先把模板里的文字全删掉，只留Logo和版式，然后截图保存。接着让AI根据主题整理大纲，再把大纲和截图一起交给Youmind，让它按图生成内容。

这样生成的PPT基本能保持原模板的配色、字体和布局。万一某页排版乱了，还能单独重做那一页，不用全部推倒重来。虽然不算完美自动化，但在现有工具限制下算是个实用解法。

AMD显卡用户有好消息。社区有人发布了专为 Radeon RX 7900 XTX 多卡配置优化的 llama.cpp 定制版。这个版本针对 PCIe x4 带宽限制、张量并行策略和显存卸载做了调优。

测试数据显示，在运行Qwen等大模型时，吞吐量比通用版本提升明显。尤其适合想用消费级显卡跑本地大模型的人——毕竟7900 XTX的20GB显存对很多模型来说已经够用，多卡叠加后更能应对更大参数量。

项目地址在Reddit上公开，附带详细编译和运行说明。不过要注意，这仍是实验性构建，稳定性不如官方版，适合愿意调试的用户。

NVIDIA最近介绍了Domyn公司的案例：他们用Nemotron框架为金融、法律等强监管行业构建专用AI系统。重点不是模型多强，而是如何满足合规要求——比如数据不出域、推理可审计、输出可追溯。

这类场景下，通用大模型往往行不通。Domyn的做法是把行业知识库、合规规则和Nemotron结合，让AI在限定范围内工作。例如，法律AI只能引用最新法规条文，不能自由发挥。

这其实代表了一种趋势：垂直领域的AI价值不在“通用”，而在“可控”。未来可能会有更多类似Nemotron的工具链出现，专门服务高合规门槛行业。

对地理空间AI（GEO AI）感兴趣的人可以 mark 一下日历：第二届GEO大会将于11月21日至22日在深圳南山区举办。去年第一届在北京，不少南方从业者专程飞过去，反馈收获很大。

这次主办方计划全程直播，并设置实操 workshop。议题可能涵盖遥感图像分析、位置智能、时空预测模型等。如果你在做智慧城市、环境监测或物流路径优化，这类会议的信息密度通常比泛AI大会更高。

这一期的亮点在于“小而实”——没有宏大叙事，全是能马上试的工具和技巧。无论是清理硬盘、做PPT，还是优化本地模型部署，都体现了社区对AI实用性的追求。

有意思的是，这些需求往往来自真实工作流中的痛点。比如PPT模板限制是职场常态，Mac硬盘满是日常困扰。AI如果能解决这些小事，反而比空谈“颠覆行业”更有说服力。

接下来值得关注的是，像EverOS+Milvus这样的组合会不会成为本地智能体的标准架构？以及，随着7900 XTX等高显存显卡普及，本地大模型的体验能否进一步接近云端？

至少现在，动手派们已经有足够多的积木可以拼了。