LocalAIproject：单机本地 AI 助手 + ComfyUI 批量视频流水线

编辑说明：本文为第三方整理稿，依据仓库 README 与目录结构编写，本站尚未在自有机器上实测，文中凡标注「作者自述」的内容均待核查。仓库未声明开源许可证（license 为空），版权归原作者，转载、再分发或商用前请先向作者确认授权。本文不是原作者的中文文档。

一、它想解决什么业务问题

作者自述的痛点是：想在本机用上类似 ChatGPT 桌面版的助手，同时这台机器还要跑 ComfyUI 的图片与视频批量渲染。难点不在「能不能跑模型」，而在于一块显卡被两件事同时抢——渲染任务占着显存时，助手不该崩溃或把渲染打断；助手也不该被允许随意执行任何命令。

仓库因此把重点放在「模型外面的一层」：模型只能调用具名的白名单工具，不能直接执行 shell；每一跳都要先判断 GPU 是空闲、忙碌还是被预留，再决定用哪张模型；回复发出前还要检查它有没有谎称自己做了某个文件操作。

二、适用人群与场景（待核查是否与实际需求匹配）

• 自媒体、短视频与动画分镜：需要批量产出静帧与短片段，且素材不便上传云端。
• 独立开发者与小团队：想自建一个本地内部助理，能改文件、跑脚本，但有审批与审计要求。
• 教育与培训：制作演示用图、视频素材，机房或内网环境无法访问外部服务。
• 研究与大模型工程：需要一套可改、可测的路由与工具调用骨架。

以上是依据 README 描述归纳的场景，是否适合具体行业需自行评估。

三、作者描述的工作流程

1. 入口：桌面 GUI 或已配对的手机端发来消息。
2. 安全闸门：先过工具白名单与审批闸门，再进入有跳数上限的 Agent 循环。
3. 逐跳路由：router.py 判断显卡状态——空闲时用 GPU 上的 14B 模型，渲染占卡时切到 CPU 上的 8B 模型。
4. 工具执行：run_code 在每次运行独立的目录中执行，带审计钩子，默认无网络。
5. 出口校验：回复发出前核对，模型不得声称做过实际未发生的文件操作。
6. 视频流水线：提示词包 → Flux 静帧 → MiniMax H3 或 Wan 生成视频 → QA 判分 → 动作迁移；入口脚本为 gvd_watcher.py → batch_run_backrooms_gvd.py → generate_video.py，用 gvd_watcher_keepalive.ps1 保活。
7. 可选扩展：第二台机器经 Redis + Celery 分担后台任务（其结果被视为不可信）；model_gateway/ 可在同一路由接缝上增加可选的云端模型层。

四、所需工具与环境

• 操作系统与硬件：作者环境为 Windows PC，RTX 5080、16 GB 显存；其他配置是否可用待核查。
• 运行时：Python ≥ 3.11（据 pyproject.toml）。
• 依赖：README 给出 pip install -r requirements.txt（numpy、Pillow、cryptography、psutil）；可选能力用 requirements-optional.txt（dspy、torch、celery、rns 等）。核心模块作者称仅依赖标准库。
• 模型与渲染：需自备 Ollama 本地模型、ComfyUI，以及 Flux、MiniMax H3 或 Wan 等相关模型权重；仓库不包含权重、渲染产物与运行时状态。
• 环境变量：GVD_ROOT、COMFY_SHARED_INPUT、COMFY_SHARED_OUTPUT、COMFY_URL，默认值按作者工作站布局。
• 启动：local_agent\START_LOCAL_AGENT_GUI.ps1 启动助手，服务绑定 127.0.0.1:8760；流水线用 gvd_watcher_keepalive.ps1。

以上命令均转述自 README，本站未执行。

五、投入条件与门槛

• 一张显存足够的独立显卡，且愿意让助手与渲染共享它。
• 愿意自行搭建 Python 环境、ComfyUI 与本地模型，并处理路径、端口、模型版本等排错。
• 手机桥接需配置 Reticulum / Sideband 配对身份；不配也能用桌面端。
• 项目缺乏面向新用户的一键安装说明，仓库结构按作者个人工作台组织（含个人归档与交接文档），复用到他人环境需做改造。
• 费用、许可证、国内网络可用性均待核查：仓库未声明许可，云端混合路由与第三方模型（Flux、MiniMax H3、Wan 等）的授权与商用条款需另行确认。

六、可核验成果（建议自行验证，本文不作效果承诺）

• 测试规模：README 称有 180+ 个 test_*.py、约 1,300 个单元测试，作者注明 conftest.py 会跳过本机跑不了的部分。可运行 python -m pytest 自行观察通过情况。
• 代码结构是否与描述一致：核对 local_agent/ 下是否存在 server.py、agent.py、router.py、tools.py，以及 model_gateway/、worker_farm/、edge_gateway/ 等目录。
• 安全控制点是否可查：作者称工具白名单、审批闸门、沙箱、隔离区、审计日志在配套仓库 local-agent-core 的 src/ 下是可独立测试的小模块，可逐项查看。
• 视频流水线能否出片：必须自备 ComfyUI 与相应模型权重才能复现，仓库不含权重与渲染样例；本项只能由使用者自测。

七、已知边界与待核查事项

• 许可证状态待核查：仓库 license 字段为空，不得默认允许转载或再分发。
• 兼容性待核查：作者仅在自有 Windows 工作站验证，Linux/macOS 与不同显卡的表现未知。
• 具体阈值待核查：GPU 温度上限、显存水位、跳数上限等参数的实际取值以代码为准。
• 手机桥接与远程访问的安全模型需自行评估，作者默认多数动作拒绝。
• 仓库含个人项目历史、归档与交接文档，其中部分内容已过期，不应作为当前行为依据。

来源与加工说明

来源：https://github.com/rhinerad/LocalAIproject

许可证：未声明，转载与再分发权限待核验

依据 GitHub 原始资料由 AI 整理的中文待审核草稿，未经本站实测。原始版权与许可归原作者；未声明许可不代表允许转载或再分发。

来源类型：GitHub；授权范围待核验