Locally Uncensored：把聊天、绘图、视频和编码代理塞进一个桌面安装包
The all-in-one local AI studio for your desktop: chat, image and video generation and a coding agent in one free, open source app. Windows and Linux. No Docker, no terminal, no cloud required.
秒懂
- 它是什么？
- 这是一个基于 Tauri 的本地 AI 工作室，用图形向导代替 Docker 和终端命令，把 Ollama 与 ComfyUI 串成四个标签页。它的价值在于降低起步门槛，代价是把控制权交给了安装器。
- 适合谁用？
- 适合不想碰命令行、又希望数据留在本机的人：装完向导会替你找引擎、装 ComfyUI、按硬件筛选模型，Chat、Create、Code、Agent 共用同一套模型。不适合已经用脚本管理 Ollama 和 ComfyUI 工作流的团队，安装器接管引擎和节点图反而增加一层不可见的中间层。
- 能商用吗？
- 可以，但条件严格。AGPL-3.0 是网络 copyleft 许可证：如果别人通过网络使用你修改过的版本（例如作为托管服务），你必须以同一许可证向他们提供源代码。
- 还在维护吗？
- 在维护。仓库最近一次提交在 1 天前。
- 用什么语言写的？
- 主要是 TypeScript（依据 GitHub 的语言统计）。
以上回答依据项目的 GitHub 数据（最近同步于 2026年9月15日）和我们的分析，不构成法律意见。
开源项目深度解析
它替谁省掉了哪一步
本地跑大模型的痛点不在模型本身，而在拼装。想聊天要装 Ollama，想画图要装 ComfyUI 并连好节点，想用编码代理还得再配一套工具链，每一步都要求用户接受命令行。Locally Uncensored 把这一整套收进一个安装包，README 的表述是「No Docker, no terminal, no config files」。目标读者很明确：有独立显卡、愿意下载几十 GB 权重、但不打算读文档调环境变量的人。
它没有自己训练模型，也没有自己写推理后端。README 说明首次启动的向导会寻找机器上已经在运行的 AI 引擎，找不到就一键安装一个，对 ComfyUI 做同样的处理。模型管理器会标注哪些模型适配当前硬件，并支持直接链接 Ollama、LM Studio 等工具已经存好的模型文件，不复制一份。这个设计说明它把自己定位成前端与编排层，而不是推理引擎的替代品。
四个标签页背后的数据流
界面按用途拆成 Chat、Create、Code、Agent 四个标签，共用同一批模型。Chat 侧的能力包括图片问答、基于本地索引的文档对话、语音输入与朗读、跨会话记忆、人格切换，以及导入 ChatGPT、Claude、Gemini 的导出记录。长对话不会直接触顶上下文，而是把较早的轮次折叠成摘要。
Create 侧走 ComfyUI。README 明确说应用会自行安装、启动、修复并更新 ComfyUI，用户看不到节点图。通道包括文生图、带蒙版的局部重绘、去背景、视频、图片动画化、片段延长、动作控制、说话角色、音乐，以及用自己图片训练角色的 Character Studio，产物写入本地 LoRA 目录。LoRA 选择器带堆叠与强度滑块，直接读取该目录。
Code 侧是一个编码代理：先建立仓库地图，只改指定行，应用前展示 diff，跑测试并读失败信息，带类型化的 git 工具和按项目生效的 `.lurules` 规则文件。Ask、Plan、Bypass 三种模式按会话切换。设置里的 Local API 把本地模型暴露成一个带 token 的 OpenAI 兼容地址。Agent 侧叠加网页搜索与抓取、文件读写、shell、代码执行、截图、图像与视频生成，以及用户自带的 MCP 服务器，长任务丢给后台代理，每次工具调用都要过一道权限闸门。
安装路径与可验证的构建方式
Windows 10/11 提供 `.exe`（NSIS，README 推荐）与 `.msi`，Linux 提供 `.deb`、`.rpm`、`.AppImage`，macOS 暂时没有现成包。README 提到部分杀毒引擎会把这类未签名、且会继续下载其他二进制的 NSIS 安装器判为误报，并给出两条自查途径：安装包由 GitHub Actions 从 master 公开源码构建，更新通道用公开 minisign 密钥签名，细节写在 SECURITY.md 的 antivirus / browser false positives 一节。
从源码构建的命令在 README 里是现成的：
git clone https://github.com/PurpleDoubleD/locally-uncensored.git cd locally-uncensored npm install npm run dev npm run tauri build
`npm run dev` 是浏览器开发模式，`npm run tauri build` 出桌面二进制。Windows 上的 `setup.bat` 与 Linux、macOS 上的 `setup.sh` 负责为开发模式准备 Node、Git 和 Ollama。主语言是 TypeScript，桌面外壳走 Tauri，这解释了为什么安装包体积可控、且不需要用户预装运行时。
云端开关与两条例外通道
README 承认有些模型超出桌面显卡的承载范围。应用里有一个 Cloud 开关，打开后这些模型改在托管 GPU 上运行，Create 里最重的几条通道也一并走云端。同一账号可以在浏览器端 lu-labs.ai 使用，按订阅或按不过期的额度包计费，本地应用本身保持免费。
更值得注意的是例外清单：Upscale 与 Erase Object 是 Create 中仅有的两条只在云端运行的通道。也就是说，即便用户把 Cloud 开关关掉、坚持全本地，这两个功能依然不可用。README 没有解释原因，从工程角度看，放大与物体擦除通常依赖较大的修复模型，本地推理成本高，把它放到云端是合理的取舍，但文档应当把这条边界写得更显眼，而不是夹在功能列表的末尾。
局域网访问和 Cloudflare 隧道是另一处需要留意的设计。手机通过二维码加口令配对，默认关闭，开启后应用会列出已连接设备。隧道一旦打开，本机模型的入口就暴露在公网路径上，配对机制承担了全部防护责任。
谁不该用它
已经用脚本或容器管理 Ollama 与 ComfyUI 的用户会感到别扭。Locally Uncensored 的卖点是自己安装、启动、修复、更新 ComfyUI，对熟悉节点图的用户来说，这层封装把可控的自定义节点和显存调度参数挡在了外面。想精细控制采样器、批量尺寸或显存卸载策略的人，直接用 ComfyUI 更省事。
另一类不适合的是把本地推理当作服务端组件来用的场景。README 提到的 Local API 是一个 OpenAI 兼容地址，适合让本机其他编码工具复用同一批模型，但材料里没有给出并发、限流或长时间稳定性的任何说明。把它当作多人共享的推理后端之前，需要自己验证。
硬件门槛同样真实。模型管理器会标注适配情况，可这只是在下载前给出提示，并不能让 8GB 显存的卡跑动需要 24GB 的权重。README 建议新手先看五分鐘入门指南，这个建议本身说明默认路径假设用户对本地模型的体积与量化没有概念。
与直接组装 Ollama 加 ComfyUI 的差别
最直接的替代方案是自己装 Ollama 加 ComfyUI，再配一个聊天前端。差别在集成深度而非功能清单。Locally Uncensored 会主动链接 Ollama 与 LM Studio 已经存好的模型，不复制权重文件，这一点对磁盘空间紧张的用户有实际意义，纯手工方案通常需要自己处理模型目录或做符号链接。
第二个差别是编码代理与聊天、绘图共处一个进程。手工方案里，编码代理一般单独跑，模型与上下文不共享。Locally Uncensored 让四个标签页共用同一批模型，切换标签不用重新选模型，代价是这些能力被绑在同一个应用版本上，无法单独升级其中一块。
第三个差别在更新方式。它有签名更新通道，Windows 侧是自动更新。手工组装的 ComfyUI 与自定义节点需要用户自己跟进上游变更，灵活但费时。哪种更好取决于你更怕版本漂移还是更怕失去控制权。
AGPL-3.0 与维护成本
许可证是 AGPL-3.0。对个人在本机使用，这基本不构成约束。对想把 Locally Uncensored 改一改、再作为网络服务提供给外部用户的一方，AGPL 的传染范围会延伸到修改后的源码，需要向使用者提供。这里不构成法律意见，涉及分发或对外提供服务时应咨询专业人士。
维护成本主要来自它替你托管的那部分。ComfyUI 及其自定义节点、Ollama 引擎、模型文件，都由应用代为安装和更新，用户省掉的是日常维护时间，换来的是对这些组件版本组合的弱控制。发布节奏看，v2.6.7 到 v2.6.9 集中在 2026 年 8 月底到 9 月初，更新较密集，CHANGELOG.md 记录了 1.0.0 以来的全部改动，升级前值得先看这一份。
macOS 用户目前没有预编译包，只能自己 `npm run tauri build`，而 `setup.sh` 覆盖 macOS 的表述说明开发模式在那边是通的，正式安装包则尚未提供。
编辑结论
适合不想碰命令行、又希望数据留在本机的人：装完向导会替你找引擎、装 ComfyUI、按硬件筛选模型，Chat、Create、Code、Agent 共用同一套模型。不适合已经用脚本管理 Ollama 和 ComfyUI 工作流的团队，安装器接管引擎和节点图反而增加一层不可见的中间层。上手前先确认三件事：你的显卡显存能否跑动想用的模型、Upscale 与 Erase Object 这两条通道是否必须走云端、以及 AGPL-3.0 是否与你的分发方式冲突。
社区笔记