把 AI 助手留在自己的电脑上：Hob 的本地模型与文件工作流
当 AI 助手要读取合同、整理报表或处理项目文件时，问题不只是模型答得好不好：文件会发到哪里、修改能不能撤回、电脑是否跑得动模型，同样重要。Hob 是一个开源桌面 AI 助手，尝试把“能操作文件的 AI coworker”放到本机运行。它适合希望在本地处理个人资料、又不想自己从零配置推理栈的用户；但“本地优先”不等于所有场景都完全离线，边界需要先看清楚。
它解决的不是聊天，而是文件任务
Hob 的官方文档把项目描述为运行在本机、基于开放权重模型的桌面助手。用户可以在项目中附加文件或文件夹，让它规划步骤并生成结果。文档列出的对象包括项目、文件夹、表格、PDF 和图片；内置能力还包括 Python 代码执行、图表、网页搜索、语音听写，以及插件扩展。
这类工具的价值在具体任务里更明显：例如把一批 CSV 汇总成表格、从 PDF 表单中提取信息，或让助手结合项目文件回答问题。Hob 文档强调，文件变更前会要求确认，每项任务提供撤销能力，代码在沙箱中运行。它并不是“模型永远不会出错”的保证，而是把审核与回滚纳入操作流程：涉及覆盖文件、执行脚本或产生重要输出时，仍应检查变更和结果。
安装后先确认模型与硬件匹配
项目发布页提供 macOS、Windows 和 Linux 安装包。当前 GitHub 最新 Release 标记为 v0.2.6，发布日期为 2026 年 10 月 30 日；下载前应再次查看 Release 页面，避免使用过期直链。Hob 会检查硬件并下载它认为合适的模型，用户无需手动挑选推理后端。模型文件较大：文档说明 Windows 和 Linux 初次启动时可选择存储盘，模型会放在所选位置的 Hob 文件夹中。
官方文档列出其模型选择策略：多数设备使用 Gemma 4 的不同规格，工作站可选择 gpt-oss 120B；Mac 的 8 GB、16 GB 与 24 GB 级别对应不同选择。这里应把它理解为项目当前的推荐策略，而非任何机器都能流畅运行的硬件保证。实际速度还受内存、显存、后台负载和任务类型影响；首次下载也需要网络与数 GB 级别的存储空间。
隐私边界：本地推理不代表断网
Hob 文档说明，模型通过 llama.cpp 在本机运行，聊天和文件留在本机，且项目声明没有遥测。不过它仍可能联网：下载模型、检查新模型、使用 Web 功能、从 PyPI 安装 Python 包，以及连接用户添加的外部 connector 都会访问网络。官方文档提供关闭 Settings 中 Web access 的方式，以便在无需网页功能时保持离线；插件或连接器是否联网，则要按各自用途另行判断。
因此，部署前可先做三件事：把模型目录放到空间充足的磁盘；用非敏感样例试一遍文件修改与撤销流程；若资料必须隔离网络，关闭 Web access，并确认没有启用会联网的 connector。不要把“本地模型”直接等同于“整个应用完全离线”，也不要在尚未确认访问边界时导入高敏感资料。
插件让工作流可扩展
Hob 的插件以文件夹和 hob-plugin.json 组织，可以加入 Agent Skills 格式的技能、Python 工具和 MCP connector。官方文档还提到，完成一个重复任务后，可以要求 Hob 将有效步骤和代码保存为技能，并在保存前展示给用户。对开发者来说，这比假设一个通用提示词能稳定复用更实际：先跑通工作流，再审阅生成的技能内容，确认输入、权限和副作用后再重复使用。
需要自行构建时，官方文档要求 Node.js 24 与 pnpm 10，并给出以下项目命令：
pnpm install pnpm dev pnpm -C app test pnpm -C app e2e pnpm -C app dist
这些是仓库开发命令，不是普通用户安装应用的必要步骤。普通用户应从 Release 下载对应平台的安装包；开发者则可从仓库文档了解构建依赖和测试方式。
适合谁，暂时不适合谁
如果你的核心需求是离线或本机处理文件、愿意给模型留出足够的磁盘与内存，并希望通过确认和撤销控制文件操作，Hob 值得试用。它尤其适合个人知识整理、文档处理和轻量数据任务。若你需要云端团队协作、严格的企业审计、保证某种特定模型效果，或要求每个网络请求都由集中策略管理，则应先核验这些需求是否被当前版本覆盖，不能仅凭“本地 AI 助手”的定位推定其具备。
Hob 的意义在于把本地推理、文件操作与可撤销的交互放进同一个桌面工作流。它降低了本地模型的上手门槛，但硬件能力、联网开关和操作审核仍由使用者负责。先用低风险文件验证，再决定是否把真实工作交给它，是更稳妥的起点。