上周收到一条读者私信：“WorkBuddy的Token用量太大了，有没有办法不花额度也能用？”

这个问题问到点子上了。WorkBuddy的云端模型确实强大，但每天高强度用下来，Token消耗不是小数目。有没有办法既保留WorkBuddy的工作流和Skill生态，又不用消耗云端Token？

有。接一个本地模型。

具体说，就是在电脑上跑一个叫Ollama的工具，加载DeepSeek-R1-7B模型，然后让WorkBuddy通过API调用它。Token全在你本地算，云端额度一分不动。

我实测了完整链路，从安装到跑通花了40分钟，中间踩了6个坑。这篇把流程和坑全部写清楚，你照着做，20分钟就能跑通。

为什么本地模型值得折腾

先说清楚一件事：本地模型不是要替代云端模型，而是打配合。

三个核心价值：

数据不出门。 涉及公司内部数据、客户信息、财务报表的内容，传到云端模型总有顾虑。本地模型跑在你自己电脑上，数据全程不出门，这是最大的安全感。

零成本无限用。 DeepSeek-R1-7B跑在你本地，每次对话消耗的是你电脑的算力，不花一分钱Token。适合高频低难度的日常问答——查概念、润色文字、检查格式。

随时可用。 断网了？云端服务波动了？本地模型照常跑。你的WorkBuddy工作流不依赖外部服务，稳定性拉满。

核心判断：云端模型处理高难度任务，本地模型兜底高频日常。两者配合，效率和成本同时优化。

完整接入流程

第一步：安装Ollama

Ollama是一个本地大模型运行环境，macOS、Windows、Linux全平台支持。

macOS用户打开终端，执行：

brew install ollama

Windows用户去 ollama.com 下载安装包，双击安装，全程下一步。

安装完成后，执行以下命令启动服务：

ollama serve

终端显示服务在端口11434上运行，说明Ollama环境就绪。这步5分钟搞定。

第二步：拉取DeepSeek-R1-7B

DeepSeek-R1是今年最火的国产推理模型，7B版本体积约4.9GB，8GB内存的电脑就能跑。

执行：

ollama pull deepseek-r1:7b

下载速度取决于网速，4.9GB一般10-15分钟。下完先测一下：

ollama run deepseek-r1:7b “用三句话介绍你自己”

能正常返回中文回复，模型就准备好了。

第三步：在WorkBuddy中配置本地模型

这步是核心。Ollama提供OpenAI兼容的API接口，地址是 http://localhost:11434/v1 ，WorkBuddy可以直接接入。

打开WorkBuddy的设置页面，找到模型配置区域，按以下参数填写：

保存后，在对话窗口发一条测试消息。收到回复，接入成功。

第四步：实测效果对比

我做了三组对比测试，本地DeepSeek-R1-7B vs 云端模型：

测试1：日常问答（概念解释） 问「什么是RAG？」——本地模型3秒返回，解释准确。云端模型1.5秒，差距不大。日常问答完全够用。

测试2：文本润色 给一段500字会议纪要让两个模型润色——本地模型用了8秒，润色质量合格但略显保守。云端模型3秒，润色更灵活。差距在可接受范围。

测试3：长文档分析 扔一篇5000字报告做结构化提炼——本地模型跑了25秒，要点有遗漏。云端模型5秒，覆盖更全。长文档场景本地模型明显吃力。

实测结论：日常短文本任务，本地模型可替代云端；长文档和高难度推理，还是用云端更稳。

踩坑汇总：6个坑及解决方案

坑1：Ollama服务没启动 现象：WorkBuddy报「连接被拒绝」。 原因：Ollama serve没跑，或者关了终端服务就停了。 解决：macOS用 brew services start ollama 让它后台常驻，不用每次手动启动。

坑2：模型名称写错 现象：WorkBuddy报「模型不存在」。 原因：Ollama对模型名称区分大小写和标签。写deepseek-r1 不行，必须写完整的 deepseek-r1:7b。 解决：终端执行 ollama list 查看已安装模型的精确名称，照着复制。

坑3：DeepSeek-R1输出带思考标签 现象：WorkBuddy里看到的回复前面多了一段思考过程内容。 原因：DeepSeek-R1是推理模型，会把思考链路一起输出。这是模型特性，不是Bug。 解决：正常现象。思考内容能帮你判断模型有没有想偏。觉得碍眼的话，在系统提示词里加一句「直接输出结论，不展示思考过程」。

坑4：首次回复特别慢 现象：第一次发消息等15-20秒。 原因：模型刚加载到内存，冷启动。后续对话快很多。 解决：忍过第一次。或者提前在终端跑一轮对话预热模型。

坑5：GPU没被调用 现象：回复速度偏慢，CPU占用高但GPU没动。 原因：Ollama可能没正确识别GPU。Mac需要Apple Silicon（M1以上），Windows需要NVIDIA显卡加CUDA驱动。 解决：终端执行 ollama ps 查看模型跑在GPU还是CPU上。如果跑在CPU上，检查显卡驱动。

坑6：中文回复偶尔夹杂英文 现象：DeepSeek-R1-7B在中文回复中偶尔蹦出英文句子。 原因：7B参数量有限，多语言切换不够稳定。 解决：系统提示词里加「请全程使用简体中文回复」，能大幅降低这个概率。

本地vs云端：什么时候用哪个

跑通之后最大的问题是：什么时候用本地，什么时候用云端？我总结了一个决策框架。

用本地的场景：

• 数据敏感（公司内部资料、客户信息）
• 高频低难度（查概念、检查格式、简单问答）
• 离线环境（出差路上、网络波动）
• 批量处理（一次跑几十条简单任务，零成本）

用云端的场景：

• 长文档分析（超过3000字的输入）
• 高质量写作（需要更丰富的表达和创意）
• 复杂推理（多步骤逻辑链、专业领域深度分析）
• Skill执行（WorkBuddy的Skill依赖云端模型的指令理解能力）

一句话总结：本地负责"量和密"，云端负责"质和难"。分清楚了，Token消耗能降60%以上。

写在最后

无限Token不是噱头，是实实在在的省钱方案。40分钟搭好环境，以后每天几十条日常问答全走本地，云端Token只留给真正需要的高难度任务。

这套组合用了一个月，我的体感是：日常效率没降，Token消耗明显减少，更重要的是处理敏感数据时心里踏实了。