Locally Uncensored：本地 AI 全能桌面工作站

从「AI 太贵」到「AI 自托管」的破局者

你是否有这样的经历：想让 AI 帮你写一段代码，却因为 API 调用费用而犹豫不决；想生成一张产品配图，却担心上传素材到云端存在隐私泄露风险；想部署一个本地 LLM 助手，却被 Docker 编排和 GPU 配置折腾到放弃。

Locally Uncensored 正是为解决这些痛点而生。这是一款开源跨平台桌面应用（macOS / Windows / Linux），集成了 AI 对话、图像生成、视频生成三大核心能力，全部在本地运行，无需任何云服务或 API Key。它的核心理念简单而有力：你的数据、你的规则、你的硬件。

图1：聊天中直接调用图像生成能力，边聊边生成

12 种后端自动发现：Ollama、LM Studio、vLLM 全兼容

传统本地 AI 工具往往只支持单一后端，用户一旦换用其他工具就面临重新配置的麻烦。Locally Uncensored 实现了一套智能后端发现机制，安装后会自动扫描本地运行的后端服务，支持列表令人印象深刻：

• Ollama（最推荐，社区最活跃）
• LM Studio
• vLLM
• KoboldCpp
• llama.cpp
• LocalAI
• Jan
• TabbyAPI
• GPT4All
• Aphrodite
• SGLang
• Text Generation Inference (TGI)

这意味着无论你使用哪种本地推理引擎，这款应用都能无缝对接，无需手动填写 API 地址或端口号。对于开发者而言，这意味着一次配置、多端复用；对于普通用户而言，这意味着开箱即用的体验。

Agent 模式：让 AI 不仅能聊天，还能替你工作

Locally Uncensored 的野心不止于「对话」，它提供了两个层次的 AI 执行能力：

Coding Agent（代码助手）：集成 Codex 引擎（基于 OpenAI 模型），在编辑器模式下，AI 不仅能生成代码，还能自动 review 代码缺陷、提出修复建议。对比传统在 IDE 中调用 Copilot 的方式，它的优势在于提供了独立的审查视图，开发者可以清晰看到 AI 的分析链路。

图2：Create 画廊界面，支持图像生成和视频生成

Agent Mode（代理模式）：更强大的自主执行模式，内置 14 个工具并支持 MCP（Model Context Protocol）扩展。这意味着 AI 不仅能回答问题，还可以调用文件系统、搜索网络、执行命令，甚至与外部 API 交互。对于复杂任务，用户只需描述目标，Agent 会自动规划并逐步执行。

隐私优先：为什么本地运行更重要

在 AI 时代，数据隐私已经不只是企业级需求。个人用户同样面临敏感数据（公司代码、医疗记录、法律文档）上传到第三方服务器的风险。本地运行意味着：

• 零数据外传：所有对话、生成内容、文档知识库完全存储在本地
• 无遥测追踪：应用不含任何 analytics 或 telemetry 机制
• 离线可用：无需互联网连接即可运行基础功能（本地模型）
• 合规友好：企业 IT 部门可以放心部署，无需担忧数据合规问题

技术架构：Tauri + React 的轻量化桌面方案

从代码层面看，Locally Uncensored 的技术选型非常务实。前端采用 React 19 + Vite 构建热更新开发环境，后端使用 Tauri v2 框架（Rust）打包为原生桌面应用。相比 Electron，Tauri 的二进制体积更小（一个 .exe 文件）、内存占用更低、安全边界更清晰。

关键依赖解析：

值得注意的是，Cargo.toml 中包含了一个 Whisper 语音转文字服务器（resources/whisper_server.py），这表明应用未来将支持语音输入/对话，这是当前大多数本地 AI 工具缺失的能力。

部署体验：一键脚本背后的工程细节

项目提供了三套安装脚本（setup.sh / setup.bat / setup.ps1），覆盖三大主流平台。从 tauri.conf.json 可以看出，构建目标包括：

• Windows：NSIS 安装包（支持语言选择、自定义安装路径）
• Linux：AppImage + DEB + RPM 包
• macOS：通过 Tauri 构建

对于开发者，构建流程也非常标准：npm run tauri:build 自动触发前端构建（Vite）+ 后端编译（Rust），最终输出跨平台可执行文件。整个构建过程大约需要 5-10 分钟（首次需要下载 Rust 工具链）。

不过需要提醒的是，GPU 驱动和 CUDA/cuDNN 配置需要用户自行处理。应用本身只负责与 Ollama 等后端通信，如果后端服务没有正确配置 GPU 加速，模型推理速度会非常缓慢。官方推荐 Ollama 作为后端，因为它对 NVIDIA / AMD / Apple Silicon 的支持最为完善。

当前局限与使用门槛

尽管 Locally Uncensored 志在降低本地 AI 门槛，但硬件需求仍然不可忽视：

• GPU：运行图像生成（ComfyUI 集成）和视频生成需要至少 6GB VRAM（RTX 3060 或以上）
• 内存：8GB RAM 是基本要求，16GB 可以流畅运行 7B 模型
• 磁盘：模型文件通常 4-15GB，需要预留足够空间
• 网络：首次运行需要下载模型（约 2-10GB）

另外，应用依赖的 ComfyUI（图像生成）和视频生成能力，实际上是作为 Ollama 的外部服务调用，需要用户自行安装配置这些服务。对于完全没有 AI 环境配置经验的用户，存在一定上手门槛。

增长势头与行业意义

截至分析时，该项目在 GitHub 上拥有约 720 颗星、98 个 Fork，月增长趋势得分高达 93.72 分（满分 100），展现出极强的社区吸引力。在 local-ai 和 self-hosted 主题下，这是一个值得关注的项目。

从行业角度看，Locally Uncensored 代表了 AI 工具民主化的一个重要方向：不是把 AI 封装成 SaaS 卖订阅，而是把完整的 AI 工作流做成一个任何人下载就能用的桌面应用。它与 Ollama 的深度集成，也让「本地大模型」从极客圈层向普通用户普及成为可能。

如果你是隐私敏感型用户、企业内部 AI 需求者，或是对 AI 技术感兴趣的开发者，Locally Uncensored 值得一试。