Hey HN，我是 Christian，这是我过去几周一直在琢磨的一个新的开源项目。Hob 是一个免费、MIT 许可的桌面应用，支持 Mac、Windows 和 Linux，它处理你文件的方式跟 Claude 和 ChatGPT 桌面应用一样，区别在于模型跑在你自己的电脑上。它用的是开放权重模型（目前是 Gemma 4 和 gpt-oss）。你所有的对话和文件都不会离开你的系统。唯一会联网的是网页搜索（可以在设置里关掉）以及你自己添加的 MCP 连接器。主要功能：- 首次安装时自动为你的硬件挑选最合适的开放权重模型（Mac/Linux/Windows）- 为临时工具编写沙箱化的 Python 代码（数据处理、文档转换、图表等）- 内置网页搜索（由 SearXNG 提供支持）- 支持 MCP- 图像识别- 对本地文件系统做增删改查- 完全离线可用，无需联网在做这个之前，我试遍了能找到的每一个本地 AI 应用，但似乎每个都有各自的问题。我注意到的主要一点是，它们没有一个能做到 ChatGPT 和 Claude 应用对你的文件所做的那样，比如读取和修改文件夹里的文件、查看图片、在沙箱里运行代码、画图表。它们当中最先进的功能，也不过是把一个纯文本文件粘贴进一个小上下文窗口，一旦文件超过几 KB 就基本失效了。我找不到任何能轻松解析图片和较大 PDF 的东西。那些更高级的开源方案似乎都默认使用托管模型（开源或闭源的都有），这就完全违背了端侧开源所提供隐私的初衷。它们似乎还都倾向于账号制/开源核心式的商业模式。我是用 Electron 桥接 llama.cpp、让它跑在独立进程里做出来的。初次加载时，系统会尝试判断你有没有兼容的显卡，如果没有就默认只用 CPU（我遇到过很多次显卡看起来兼容、但第一次查询就崩溃的问题，这里面有一大段故事，哈哈）。代码执行发生在一个沙箱里，该沙箱只能写入聊天对应的文件夹，且除非主动请求否则没有网络（macOS 上用 sandbox-exec，Linux 上用 Landlock，Windows 上则是一个低完整性进程）。图像交给一个小型的 Qwen3-VL 模型处理。听写用的是本地 Whisper 模型。最难的部分毫无疑问是让这些小模型可靠地调用工具。我踩了一大堆坑：4B 的模型会心安理得地说「这是你的图表」，却压根没调用过图表工具，要么就卡在无限调用循环里出不来。我花了相当一部分精力去做各种防护机制，而不是去调提示词（调提示词对小模型基本没用）。我理解有人会反驳说本地模型比云端前沿模型弱。这没错，但对大多数普通人的大多数任务来说，我认为你很少需要最新的前沿模型。从我自己的评测来看，内存 16+ GB 的系统表现就相当不错了，如果你有 GPU 或者更大的内存，效果会非常接近前沿托管模型开箱即用的水平。很想听听你的看法，也想知道它在别的系统上跑起来怎么样！