- 用户希望获得一个私密、离线的AI助手，但面临硬件限制，24GB内存不足以运行强大的模型。
- 系统开销会减少可用内存，用户必须在弱模型和更智能但会增加机器负担的模型之间做选择。
- 由于AI数据中心的需求，内存和存储价格上涨，硬件升级成本高昂。
- 尝试了多种本地AI软件（Pi、OpenCode、Hermes），但瓶颈仍然是模型和内存。
- 用户不信任本地模型处理重要任务，仍依赖云端进行关键判断。
- 一个成功的本地使用案例：使用混合专家模型（Gemma）快速且私密地分析职位广告。
- 结论是，完全本地化AI尚未实现，但希望未来有所改进；目前仅有一个本地工作流程。