WorkBuddy本地Ollama配置指南：离线零积分使用
WorkBuddy 完整部署指南：接入本地 Ollama 模型，实现离线零积分 AI 助手
WorkBuddy 这款腾讯出品的桌面级 AI 助手，多数人只把它当成在线云端工具。但真正高阶玩法在于：它不仅能调用云端模型，还能无缝对接本地离线模型。配置到位后，日常对话完全不消耗积分，对积分紧张的用户来说，解锁了最经济的 AI 使用方案。
接下来一步步拆解：如何本地部署 Ollama 运行环境，再将模型接入 WorkBuddy，彻底实现离线场景下的 AI 助手调用。
一、为什么必须部署本地模型？
| 对比维度 | 云端模型 | 本地 Ollama 模型 |
|---|---|---|
| 积分消耗 | 有（按 Token 计费） | 完全免费✅ |
| 网络要求 | 必须在线 | 全离线运行✅ |
| 数据隐私 | 数据传至云端 | 数据完全留在本机✅ |
| 响应稳定性 | 受网速波动影响 | 本地推理，延迟稳定✅ |
结论一目了然：本地模型配合云端模型混合使用，是目前节省积分的最优策略。
二、安装 Ollama（本地大模型引擎）
步骤 1：下载安装包
前往官网（https://ollama.com/），点击 Download，选择 Windows 版。下载完成后双击安装包，一路默认选项。安装完毕 Ollama 自动在后台启动，系统托盘会显示图标。
步骤 2：验证安装是否成功
按下 Win + R，输入 cmd 打开命令行，执行：
ollama --version若输出版本号，说明安装无误。
三、拉取并运行本地模型
Ollama 支持一键拉取主流开源大模型。以下是根据实际测试，针对不同硬件配置的推荐：
模型选择参考
| 模型 | 内存占用 | 推荐配置 | 中文能力 |
|---|---|---|---|
| qwen3:4b | ~2.5GB | 8GB 内存 ✅ | ⭐⭐⭐⭐⭐ 最优 |
| qwen3:8b | ~5GB | 16GB 内存 ✅ | ⭐⭐⭐⭐⭐ 最优 |
| llama3.2:3b | ~2GB | 8GB 内存 ✅ | ⭐⭐⭐ 一般 |
| phi3:3.8b | ~2.3GB | 8GB 内存 ✅ | ⭐⭐⭐ 一般 |
执行拉取命令
在命令行输入（以 qwen3:4b 为例）：
ollama pull qwen3:4b下载完成后，运行测试：
ollama run qwen3:4b "你好，介绍一下你自己"看到模型正常回复，即代表环境就绪。
四、在 WorkBuddy 中对接 Ollama
步骤 1：进入模型配置页
打开 WorkBuddy 客户端，点击左下角头像/用户名，进入设置，找到模型选项卡。
步骤 2：添加本地模型
点击“添加模型/自定义模型”，类型选择“本地部署（Ollama）”，接口地址填入 http://localhost:11434，模型名称填入 qwen3:4b（与之前拉取的名称一致），保存。
步骤 3：切换至本地模型
配置完成后，在 WorkBuddy 对话界面的模型选择器中，选中你添加的 qwen3:4b (Ollama)，即可开始离线对话。
五、省积分实操技巧与注意事项
积分管控策略
- 日常问答完全使用本地模型。简单查询、代码解释、文本润色，全部走本地推理，零积分开销。
- 复杂任务临时切换云端模型。需要联网搜索、图片生成、高难度代码处理时，再切回云端。
- 优先消耗即将过期的积分。在「积分余额」→「用量管理」中查看积分有效期，按需排优先级。
常见问题与应对
| 问题 | 说明 |
|---|---|
| 本地模型能力上限 | 4B 模型胜任日常，复杂任务建议换云端 |
| Ollama 需保持后台运行 | 使用本地模型时，Ollama 必须在后台常驻 |
| 首次拉取需要联网 | 模型只下载一次，之后完全离线可用 |
| 内存配置建议 | 8GB 内存推荐 4B 模型，16GB 内存推荐 8B 模型 |
六、硬件配置实测参考
以当前使用的机器为例：CPU 为 Intel i5-11400（6核12线程），内存 8GB（后续计划升级 16GB），显卡为 Intel UHD 730（核显）。运行 qwen3:4b 流畅无卡顿，日常体验完全足够。
总结
通过 Ollama + WorkBuddy 的组合，可以做到：
- 零积分使用离线 AI 助手（覆盖日常 80% 场景）
- 完全离线运行，无网络环境下照常工作
- 数据隐私有保障，所有计算在本机完成
- 云端模型作为弹性补充，应对高难度任务
整个配置流程只需 10 分钟，但长期节省的积分相当可观。