GitHub 趋势 · 第 55 期
8 个「本地优先」仓库横评：真正断网能用的只有 2 个
#本地优先#技术选型#横向对比
这一期把榜单上自称「本地优先」的 8 个仓库捡出来横着比了一遍，合计 130,383 颗星。比完之后最直接的结论是：这四个字在这批项目里至少有五种兑现方式，而真正断网之后还能继续干活的，只有 2 个。
你可能已经踩过这个坑：冲着「本地优先」装下去，第一步却让你填 API key；或者模型确实跑在本地，但磁盘先掉 20 GB；或者 macOS 弹一句「已损坏」，教程教你右键批准；再或者你想把它接进公司产品，翻到许可条款才发现是 AGPL。这篇不介绍项目，只把这三类落差摆到台面上。
这一批是谁
入选口径：2026 年 9 月在 GitHub Trending 日榜、周榜或月榜上出现过，README 或仓库 Topics 里明确写了 local-first / 本地，且核心工作流发生在桌面或本机。一共 8 个，按 star 从高到低排。
| 仓库 | Star | 许可 | 语言 | 主安装通道 | 体量 |
|---|---|---|---|---|---|
| AlexsJones/llmfit | 36,031 | MIT | Rust | Homebrew / Scoop | 27,591 KB |
| debpalash/VoiceStudio | 22,414 | AGPL-3.0（默认权重 CC-BY-NC） | Python | 官网安装包 / Docker | 85,223 KB |
| AprilNEA/OpenLogi | 20,612 | Apache-2.0 或 MIT | Rust | Homebrew cask / 发行版包 | 14,570 KB |
| nashsu/llm_wiki | 18,676 | README 写 GPL-3.0，API 报 Other | TypeScript | GitHub Releases 资产 | 40,354 KB |
| vorssaint/vorssaint-utils | 18,167 | GPL-3.0-or-later | Swift | Homebrew cask | 64,155 KB |
| akitaonrails/ai-memory | 6,501 | MIT | Rust | Docker / AUR / 原生二进制 | 15,559 KB |
| apache/maka | 5,240 | Apache-2.0 | TypeScript | 尚无正式发行版，nightly 构建 | 118,332 KB |
| vastsa/PI-Desktop | 2,742 | LGPL-3.0 | TypeScript | GitHub Releases 资产 | 46,848 KB |
体量那一列取的是 GitHub API 的 size 字段（KB），它比 star 更能说明仓库里塞了多少东西：最大的 apache/maka 有 118,332 KB，是最小的 OpenLogi 14,570 KB 的 8.1 倍。八个仓库源码加起来是 412,632 KB，约 403 MB —— 而这只是代码，还没算模型权重。
错位一：「本地」在这 8 个仓库里有五种兑现方式
把 README 逐份读完，会发现「本地」被用在了五个完全不同的层次上。按层次分组，各组的 star 合计与占比是这样的：
| 「本地」指的是哪一层 | 代表仓库 | 合计 Star | 占比 |
|---|---|---|---|
| 模型在你机器上跑（本地推理） | VoiceStudio | 22,414 | 17.2% |
| 数据在本地，模型自带（云端或本地都行） | PI-Desktop、llm_wiki、maka | 26,658 | 20.5% |
| 默认路径压根不调模型 | ai-memory | 6,501 | 5.0% |
| 不跑模型，只告诉你哪些跑得动 | llmfit | 36,031 | 27.6% |
| 根本没有模型 | OpenLogi、vorssaint-utils | 38,779 | 29.7% |
五行合计 130,383，和上面的总数对得上。真正把模型放在本机跑的那一档只有 1 个仓库，占 17.2%；star 最高的那一档（llmfit）根本不跑模型，它只是体检你的 CPU、内存和显存，告诉你哪些模型跑得动；而占比最大的一档（29.7%）是两个跟 AI 毫无关系的桌面工具。
最能说明问题的是 PI-Desktop 自己：它在 README 里专门留了一节解释「本地优先」的边界，明确把这件事和「什么都不过网」区分开 —— 对话、设置、凭据、日志都在本地，但模型请求会直接发往你配置的 provider。它给的那句原话是：There is no required PI-Desktop account and no mandatory PI-hosted relay between your machine and your model provider.（没有强制的官方账号，也没有强制的中继）。
真正断网之后还能干活的只有 2 个。VoiceStudio 明写 Local by default; remote features are opt-in，桌面端只跟 localhost:3900 上的回环后端说话；ai-memory 更彻底，原文是 the default path uses zero LLM calls —— 采集、检索、交接全都不需要任何 key。
所以「本地优先」这四个字本身不构成承诺。买之前只问一句：到底哪一部分在本地。模型在本地的，要按显卡挑；数据在本地的，按数据合规挑；两者都不在的，就只是一句营销话术。
错位二：许可最不宽松的，恰恰是主打本地的这一批
第 52 期那份 skills 合集里，10 个仓库里 9 个是 MIT。这一批正好相反：8 个里有 4 个是 copyleft，而且是最容易被忽略的那种「不是不能用、是不能随便用」。
- ▪LGPL-3.0 —— vastsa/PI-Desktop。桌面应用本体用 LGPL，改完要回流的边界卡在库那一层。
- ▪GPL-3.0-or-later —— vorssaint/vorssaint-utils。
- ▪AGPL-3.0 —— debpalash/VoiceStudio，8 个里最严的一个。
- ▪GPL-3.0（README 声明） —— nashsu/llm_wiki：README 的 License 一节写的是 GNU General Public License v3.0，仓库里也确实有一个 35,195 字节的 LICENSE 文件，但 GitHub 的 license 字段返回的仍是 Other。
VoiceStudio 把这条写得最清楚，而且写的是「你改了会发生什么」，不是「本软件采用 XX 协议」：
If you modify VoiceStudio and provide that modified version as a network service, AGPL requires you to offer the corresponding source under the same license.
与之配套的是三条硬约束，全部来自 README 原文：
- ▪默认权重不是 AGPL，是非商用：The default OmniVoice repository labels its pretrained weights CC-BY-NC and includes a tokenizer under separate community terms.（OmniVoice 的预训练权重标的是 CC-BY-NC，另附一个单独条款的 tokenizer）。
- ▪应用许可能单独买：A commercial license for VoiceStudio-owned code is available for proprietary embedding，但明说它不覆盖第三方模型（原文 it does not relicense third-party models）。
- ▪第三方引擎另有门槛：IndexTTS 2.5 在月活超过 1 亿或年收入超过 10 亿元人民币时，需要单独的 B 站书面许可。
另外还有 2 个仓库把「品牌」从代码里单独切了出去，这是比许可协议更容易被忽略的一层：
- ▪vorssaint-utils：the GPL covers the source, while the Vorssaint name, icon and look are covered by TRADEMARKS.md, so forks need their own identity.（GPL 管代码，名字、图标和外观另有 TRADEMARKS.md 管，fork 得自建身份）。
- ▪OpenLogi：Forking the code grants no right to the OpenLogi name, logo, or icon（分叉代码不附带名字、logo、图标的使用权），brand 资产单独放在 design/LICENSE 下。
可执行结论：判断顺序应该是应用许可 → 模型权重 → 第三方引擎，三层各查一遍。VoiceStudio 这个例子把三层的差异摆得很典型 —— 应用是 AGPL（内部用没问题，改成对外提供的服务就要开源），但它明确写了应用许可不限制你生成的音频；真正卡住商用的是模型权重那一层。把「本地跑」当成「随便商用」，是这批项目里最容易踩的一条。
错位三：省下的订阅费，会以三张账单的形式回来
这批项目的共同卖点是「没有订阅」。但成本没有消失，它被转移到了三个更具体的地方，而且每一处都能在 README 里找到明确数字。
账单一：磁盘与显存。下面是 VoiceStudio README 的 Requirements 表原文：
RAM 最低 8 GB / 推荐 16 GB+
Disk 最低 10 GB / 推荐 20 GB+ SSD
GPU 可选，CPU 模式可用
VRAM 用 GPU 时最低 4 GB / 默认多阶段工作流 8 GB+
大号可选引擎需要 12 到 16 GB 甚至更多
再叠上前面那 403 MB 的源码体量，以及 VoiceStudio 自己也承认的「首次启动会下载默认模型」—— 本地方案省下的是月费，付出的是「你的机器要够好」。
账单二：平台门槛。这一批的默认假设是 Apple Silicon 的 Mac，而且有些门槛是写在括号里、真正装的时候才发现的：
- ▪VoiceStudio：Intel Macs cannot run the local Python backend; use a remote backend instead. —— Intel Mac 跑不了本地后端，而本地方案正是它全部的卖点。
- ▪vorssaint-utils：A Mac with Apple Silicon 与 macOS 14 Sonoma or newer，两项都是硬性的，没有 Intel 选项。
- ▪llm_wiki：README 写 macOS 的 .dmg 覆盖 Apple Silicon + Intel，但 v0.6.11 的 12 个发行资产里只有一个 dmg，而且是 aarch64 的 —— Intel 那条线文档里有、包里没有。
- ▪PI-Desktop：Linux x64 包需要 glibc 2.35 或更新，README 直接点名 Ubuntu 20.04、Debian 11、Fedora 35 及更旧版本无法加载捆绑的 host。
- ▪OpenLogi：Linux 预编译包同样要求 GLIBC 2.35 以上（Ubuntu 22.04 基线），并额外为用户配置 udev 规则才能免 sudo 访问设备。
- ▪ai-memory：支持矩阵把 Windows via WSL2 标为 Supported，而 Native Windows 只是 Experimental。
账单三：签名状态。这一栏最容易被低估，因为它不影响功能，只影响你敢不敢装。写明了签名加公证的是少数，另外几个的默认产物是不签名的。
- ▪签了：OpenLogi 的 macOS 版是 signed, notarized .dmg；vorssaint-utils 写的是 Builds are signed with an Apple Developer ID and notarized。
- ▪没签：PI-Desktop 的标记发布工作流默认发布未签名的 macOS 产物，README 的应对方式是教你把 app 拖进 Applications、再双击一个 .command 脚本；VoiceStudio 在 macOS 首次启动需要右键再选 Open 批准。
- ▪另外：apache/maka 的桌面版走每日 nightly 构建，README 明说 Windows 与 Linux 是未签名的 preview，It is not an ASF release and is not intended for production use.
顺带一条量化：未关闭 issue 数除以 star 数（乘 100），这 8 个从 VoiceStudio 的 0.04 到 apache/maka 的 9.39，跨度 235 倍。maka 的 star 只有 llmfit 的七分之一，积压 issue 却是它的 7.6 倍。不过这个指标第 53 期已经当成主线用过，这里只列数、不展开。
上手：照 README 抄命令
下面每条都是 README 原文，没有改写。前六个是打包好的安装路径：
# llmfit（macOS / Linux）
brew install AlexsJones/llmfit/llmfit
llmfit # 交互式 TUI：你的硬件，每个模型，排好序
# VoiceStudio（Docker，只监听回环）
docker run -d -p 127.0.0.1:3900:3900 -v omnivoice-data:/app/omnivoice_data --name voicestudio palashdeb/omnivoice-studio:stable
# OpenLogi（macOS，装之前先退出 Logi Options+）
brew install --cask openlogi
# vorssaint-utils（macOS 14+ / Apple Silicon）
brew install --cask vorssaint
# ai-memory（README quick start 第 2 步，默认只绑回环）
docker run -d --name ai-memory \
--restart unless-stopped \
-p 127.0.0.1:49374:49374 \
-v ai-memory-data:/data \
-e AI_MEMORY_LLM_PROVIDER=anthropic \
-e ANTHROPIC_API_KEY=sk-ant-... \
-e AI_MEMORY_EMBEDDING_PROVIDER=openai \
-e OPENAI_API_KEY=sk-... \
docker.io/akitaonrails/ai-memory:latest
ai-memory install-mcp --client claude-code --apply
注意 ai-memory 那一组：里面写了两个 key，但 README 同时强调默认路径是零 LLM 调用的 —— key 是可选的升级项，不是启动前提。这种「示例里带了 key、正文说不需要」的写法，正是上一节说的第一类误会的来源。
另外两个只有源码路径，工具链要求也不轻：
# apache/maka（源码跑桌面版） git clone https://github.com/apache/maka.git cd maka npm ci npm run dev # PI-Desktop（源码跑） git clone https://github.com/vastsa/PI-Desktop.git cd PI-Desktop pnpm install cargo build -p host-core pnpm build:js pnpm dev
我的判断：适合谁，不适合谁
适合：你主要在 Apple Silicon 的 Mac 上干活 —— 这一批的桌面安装包基本都以 macOS 为主入口，而 VoiceStudio 与 llm_wiki 的本地能力在 Intel Mac 上直接缺席；你的诉求是「数据不出本机」而不是「不装显卡也能跑大模型」；你能接受未签名应用、右键批准、以及自己配模型端点这几件事。
不适合：Intel Mac 用户，VoiceStudio 明写本地后端跑不了、llm_wiki 的 macOS 包只有 aarch64；Windows 原生用户，ai-memory 把 Native Windows 标成 Experimental；想把代码直接塞进闭源产品的团队，这一批里 4 个是 copyleft。
几个具体到会卡住你的坑：
- ▪OpenLogi 装之前必须先退出 Logi Options+。README 用的是 the two applications fight over HID++ access, and only one can own a given receiver at a time.（两个程序会抢 HID++ 访问权，同一个接收器同一时间只能有一个主人）。
- ▪apache/maka 的本地凭据是明文文件。README 原话：API keys and similar secrets are a local plaintext file (credential-vault.json), readable only by your OS account. —— 也就是说安全边界等于你的系统账号。
- ▪maka 升级工作区之后可能显示空会话 —— 旧的 JSONL 记录不会自动导入；同时它的断点恢复默认关闭，打开 MAKA_RUNTIME_SAFE_BOUNDARY_RESUME=1 之后，恢复会真的调模型并消耗 token。
- ▪ai-memory 的默认 quick start 没有鉴权，靠的是只绑回环。README 给的部署铁律是 one server per data directory, never two.
- ▪PI-Desktop 仍然标着 Early Preview，MCP 控制默认关闭、只绑回环，而且 README 明写 confirm: true is not a user prompt —— 那个确认不等于弹窗问你。
- ▪VoiceStudio 的默认权重是非商用条款，动手之前先把上一条错位那三层许可核对完。
怎么选
- ▪先确定要哪一层本地：要模型在本地 → VoiceStudio；要数据在本地、模型走云 → PI-Desktop / llm_wiki / maka；连模型调用都想省掉 → ai-memory；只是想知道自己这台机器能跑什么 → llmfit。
- ▪再确认许可能不能过：AGPL 的 VoiceStudio 内部用没问题，改成对外提供的服务就要开源，而且权重另算。
- ▪最后确认平台：Apple Silicon 是这一批的默认假设，Intel Mac 和原生 Windows 都有人被排除在外。
- ▪如果只是想要一个「漂亮又本地」的桌面工具、不带 AI，那这 8 个里 vorssaint-utils 与 OpenLogi 反而是最省心的两个。
数据来源：GitHub REST API 实测（star / 许可 / size / 未关闭 issue / 默认分支 / 创建与推送时间）+ 各仓库 raw README 原文；Trending 日、周、月榜同期快照作对照。
抓取时间：2026-09-12 GMT+8。表内 star 取 API 实测值，8 项合计 130,383；Trending 页面同期快照合计 130,967，差 584 颗。
许可口径备注：llm_wiki 的 README 写 GPL-3.0、仓库内 LICENSE 为 35,195 字节，但 GitHub 的 license 字段返回 Other（NOASSERTION），表内如实并列，不取其一。
发行版信息：PI-Desktop v0.14.6（2026-09-10 发布，18 个资产）；llm_wiki v0.6.11（2026-08-25 发布，12 个资产，macOS 仅 aarch64）；apache/maka 尚无 Apache 正式 release，nightly 桌面构建的 Windows / Linux 为未签名 preview。
密度指标（未展开）：未关闭 issue ÷ star × 100，VoiceStudio 0.04 → apache/maka 9.39，跨度 235 倍。
正文引用的英文原句均取自各仓库 README 原文，未做改写。
这一批项目最值得学的一点，其实不是技术，而是把边界写进 README：PI-Desktop 主动解释「本地优先」不等于不联网，VoiceStudio 主动写清改完当服务会触发 AGPL，maka 主动说明 nightly 构建不是正式发行版。愿意把「我在哪里不行」印在文档第一屏的项目，比只列能力清单的项目更值得信任。
你被「本地优先」坑过吗？或者你手上有一台 Intel Mac、装到哪一步卡住的？留言说说，下期可以按平台拆一篇。
下期：如果榜单出现高动量新面孔，回到单项目精读；如果仍然是零新候选，换主题族做合集，方向是「把模型塞进小设备与边缘」那一族 —— 第 52 期做的是 skill 包，第 53 期是 agent 外围层，这一期是本地优先，主题不重样。
#本地优先#技术选型#横向对比