你今天用的大多數 AI 應用，本質上都是別人雲端的一個瘦客戶端。你敲一句提示詞，它發去他們的服務器；你的檔案被上傳，好讓模型能讀；你的對話歷史存在他們的資料庫里；而那把 API key——如果有的話——是他們的，加了利潤再算到你頭上。這種安排很方便，對很多用途也確實夠用。但它悄悄預設了一件事：你的資料、你的工作、你的憑證，歸他們保管。
本地優先 AI（local-first AI）把這個預設反了過來。這篇文章講清楚「本地優先」到底是什麼意思，把它套到 AI 上之後有哪些變化，以及怎麼判斷一個號稱本地優先的工具是不是真的。Orkas 就是這麼做的，所以我們拿它當具體例子——但這些觀念適用於這一類里的任何工具。
範圍說明。下文的自帶 Key 部分描述 Orkas 的 BYO 路徑。托管官方模型使用 Orkas 托管模型服務。本地優先描述工作區預設值和控制面，並不要求所有模型呼叫都繞過 Orkas。
「本地優先」到底是什麼意思
這個詞來自軟體設計本身，不是 AI 圈造的。剝到最核心，一個本地優先的應用守著三條性質：
- 你的資料預設存在你的設備上。 文件、歷史、設定——真相的源頭是你自己磁盤上的一個檔案，而不是遠端資料庫里的一行記錄。
- 應用從你的機器上運行。 核心功能在本地跑，不需要往服務器跑一個來回才能用。
- 聯網是可選項，不是地基。 同步、分享、協作是你可以開啓的功能——而不是這個應用賴以存在的根本。把它們關掉，應用照樣能用。
對比一下雲優先（cloud-first）的 SaaS 預設：服務器才是真相之源，你的設備只是一扇朝它開的窗。在一個雲優先應用上合上筆記本蓋子，你的資料從一開始就不真正屬於你；它一直待在他們的基礎設施上，受他們的條款管轄，對他們的員工和傳票可見。本地優先把舉證責任反了過來：資料是你的，除非你明確決定把一份副本發到某個地方。
當這個應用是個 AI agent 時，會變什麼
把那三條性質套到 AI 工具上，會額外推出兩條 AI 特有的承諾——而這兩條恰恰是對隱私最要緊的。
自帶密鑰（BYO-key, Bring Your Own Key）。 在 BYO 路徑中，你提供自己的 API key 或供應商 OAuth 登入，並掌控供應商、模型、限額和賬單；Orkas 也提供可選的托管官方模型。
BYO 模型呼叫直連。 當 agent 使用你自己的供應商時，請求會從你的機器直接發往該供應商，不經過 Orkas。托管官方模型則使用 Orkas 托管模型服務。
這裡值得說精確點，因為「AI 在本地跑」是一個很常見的誤讀。本地優先並不意味著模型本身跑在你的筆記本上（雖然它可以——下面會講）。模型仍然可以是一個龐大的雲端 API。本地的是模型周圍的一切：你的資料、你的密鑰、你的 agent 配置，以及決定「發什麼、何時發」的控制面。本地優先講的是誰保管你的東西，而不是 GPU 在哪。
你的東西到底存在哪
具體到 Orkas 這樣一個本地優先的 agent，下面是「留在原地的」和「可以走的」之間的劃分。
預設存在你自己的機器上：
- 你的 API 密鑰和 OAuth token——加密落盤，且被排除在任何同步之外。
- 你的 對話歷史、計劃、生成的檔案。
- 你的 agent 配置、技能、知識庫。
- 你的 個人記憶——agent 學到的關於你的偏好和事實。
憑證的處理值得細看，因為 key 是一個 AI 工具會碰到的最敏感的東西。在一個做得好的本地優先應用里，一把 key 的生命週期很短、很受控：
1. 你添加它 → 在本機粘貼一把 API key（或用 OAuth 登入）
2. 加密落盤 → 在碰到磁盤之前，用帶認證的 AES-256-GCM 封好
3. 本地存儲 → 寫進一個機器私有的配置檔案，排除在同步之外
4. 直接使用 → 僅在內存里解密，用來從你的機器直接呼叫你的供應商在 BYO 路徑中，這把 key 不會跨網路傳到 Orkas——落盤時不會，傳輸時不會，遙測里也不會。（像 AES-256-GCM 這樣的認證加密還能讓篡改可被發現；它防的是隨手洩露——一條亂入的日誌、一個會跑 OCR 的備份、另一個應用讀了這個檔案夾——這才是一個落盤密鑰現實中要面對的威脅。）
什麼仍然會離開——而且只在你下令時
「本地優先」不等於「什麼都永遠不離開你的機器」。那會是個沒用的應用——也是個不誠實的說法。誠實的表述是：東西只在你要求時才離開，而且去往你選定的目的地。一個值得信任的本地優先工具，會把這些到底是什麼講得明明白白。對 Orkas 來說：
- 發往你自己供應商的模型呼叫。 你的提示詞和回復，在你的電腦和你挑的那家供應商之間直接往來。它們離開了你的機器——但去的是你的供應商，不是 Orkas。
- 你明確授權的連接器呼叫。 當你連上 GitHub、Notion、Google 等等，這些呼叫從你的機器發往那個服務。OAuth token 存在你的設備上；對少數會在每次刷新時輪換 token 的供應商，刷新這一步會經由 Orkas 協調，免得你的多台設備互相搶——一個刻意收得很窄、且公開記錄在案的例外。
- 雲同步，如果你開啓的話。 多設備同步是可選項。開了它，你選擇同步的那部分資料會存到 Orkas 服務器上，好讓它在你的多台設備間可用。不開，就什麼都不同步。
- 有限的、尊重隱私的分析資料。 聚合的使用事件（哪些功能被用了）——絕不包含你的提示詞、檔案內容、消息文本或憑證。
在 BYO 路徑中，供應商 Key 留在本機，模型流量直連該供應商。托管官方模型及其他由你選擇的雲端功能會使用 Orkas 服務。
為什麼本地優先重要
這不是隱私表演。「你的東西仍歸你」這個預設，換來幾樣實打實的東西。
資料主權。 你的對話、agent 讀寫的檔案、你搭起來的知識庫——它們躺在你的磁盤上，歸你控制。你可以備份、檢查、刪除，不用問任何人。沒有哪個廠商的資料庫握著那份「正本」。
可審計。 使用自有供應商時，你可以讀開源客戶端、觀察網路流量並確認提示詞的直連路徑；托管功能則有一條經 Orkas 服務的、明確記錄的路徑。
模型可選。 你可以選擇托管官方模型，也可以連接自己的供應商並按需切換模型。
成本透明。 托管能力消耗 Orkas credits；自有密鑰的用量由對應供應商直接計費。
韌性。 因為核心在你機器上跑、資料又在本地，這個工具不會因為一次宕機、或一封「產品下線」的郵件，就把你的工作一起帶走。
本地優先 vs. 純本地模型——一個澄清
有一個區分常把人絆住，值得單開一節。「本地優先 AI」「端側 AI」和「跑一個本地 LLM」相關，但不是一回事。
- 跑一個本地 LLM（用 Ollama 之類）指的是模型權重在你的硬件上運行。任何東西——提示詞或回復——根本不離開你的機器。它隱私最大化，但受限於你的硬件，所以模型比前沿的雲端模型小。
- 本地優先 AI 講的是工作區資料、密鑰和控制面預設在哪。模型流量取決於你選的路徑：托管官方模型使用 Orkas 服務，自有供應商呼叫則直接發往該供應商。
所以兩者是疊加而不是競爭：一個同時支援本地模型的本地優先工具，給你的是能拿到的最強隱私姿態；而同一個工具指向雲端 API 時，給你的是前沿能力、且資料仍在你掌控之下。本地優先是架構；本地模型是你可以塞進去的引擎之一。
怎麼判斷一個 AI 工具是不是真本地優先
這個標籤被用得很松，所以這裡給一份簡短清單，可以套到任何號稱本地優先的工具上。問：
- 工作區資料預設存在哪？ 本地優先意味著設備是預設的真相來源。
- 有哪些網路路徑？ 值得信任的產品會區分 BYO 直連、托管模型、同步、連接器和分析資料。
- 同步是可選的嗎？ 在你主動開啓同步前，本地優先資料應留在本機。
- 這些主張能覈實嗎？ 開源客戶端讓你檢查代碼和網路行為。
- 該選哪條模型路徑？ BYO 提供供應商直連與直接計費；托管模型用便利性和 Orkas credits 換取不同的服務路徑。
小結
本地優先 AI 是一種關於預設值的立場：工作區資料與控制從你的機器開始，每項可選網路功能都有明確路徑。在 Orkas 中，托管官方模型使用 Orkas 服務，自有供應商呼叫則直連該供應商。
想看這具體是怎麼實現的——密鑰的生命週期、加密、以及「什麼留下、什麼離開」的精確清單——去讀安全與信任頁；因為客戶端開源，這些都不必憑信仰接受。想看 agent 本身底下的工程，去看一個 agent 是怎麼被造得能在你機器上可靠運行的，以及一個主 agent 是怎麼協調一支子 agent 團隊的。