WorkBuddy 本地模型配置完全指南：借助 Ollama 实现离线零积分使用
WorkBuddy 是腾讯推出的一款桌面级 AI 助手，许多用户习惯将其作为云端工具使用。然而，它真正的价值在于同时支持云端模型与完全离线的本地模型。通过正确配置，日常使用无需消耗任何积分，这对于积分有限或希望节省预算的用户而言，无疑是极大的福音。
本教程将详细讲解如何在本机部署 Ollama，并将本地模型接入 WorkBuddy，从而实现完全离线运行 AI 助手的完整流程。
一、为什么选择本地模型？
| 对比维度 | 云端模型 | 本地 Ollama 模型 |
|---|---|---|
| 积分消耗 | 有（按 Token 计费） | 零积分消耗✅ |
| 网络依赖 | 必须联网 | 完全离线运行✅ |
| 数据隐私 | 上传至云端处理 | 数据不出本地设备✅ |
| 响应速度 | 受网络波动影响 | 本地推理，稳定高效✅ |
结论显而易见：采用本地模型与云端模型相结合的策略，是目前最节省积分的最佳方案。
二、安装 Ollama（本地模型运行工具）
第一步：下载并安装
前往官网（https://ollama.com/），点击 Download 选择 Windows 版本。下载后双击安装包，按提示逐步完成即可。安装完成后 Ollama 会自动在后台运行，系统托盘中会出现对应图标。
第二步：验证安装状态
按下 Win + R，输入 cmd 打开命令行窗口，执行以下命令：
ollama --version若命令行输出版本号信息，则表示安装成功。
三、下载本地模型
Ollama 支持拉取多种开源大模型。以下是经过实际测试、适合不同硬件配置的推荐模型：
模型选择参考
| 模型名称 | 内存占用 | 推荐硬件配置 | 中文表现能力 |
|---|---|---|---|
| qwen3:4b | ~2.5GB | 8GB 内存即可流畅运行 ✅ | ⭐⭐⭐⭐⭐ 最优选择 |
| qwen3:8b | ~5GB | 建议 16GB 内存 ✅ | ⭐⭐⭐⭐⭐ 最优选择 |
| llama3.2:3b | ~2GB | 8GB 内存即可流畅运行 ✅ | ⭐⭐⭐ 表现一般 |
| phi3:3.8b | ~2.3GB | 8GB 内存即可流畅运行 ✅ | ⭐⭐⭐ 表现一般 |
模型拉取命令示例
在命令行中执行以下指令（以 qwen3:4b 为例）：
ollama pull qwen3:4b拉取完成后，可以运行测试命令确认模型是否正常：
ollama run qwen3:4b "你好，介绍一下你自己"若模型能正确回复，说明一切准备就绪。
四、在 WorkBuddy 中配置 Ollama
第一步：进入模型配置界面
打开 WorkBuddy 客户端，点击左下角的头像或用户名，进入设置页面，找到模型选项卡。
第二步：添加 Ollama 本地模型
点击“添加模型/自定义模型”，类型选择“本地部署（Ollama）”，接口地址填写 https://localhost:11434，模型名称填写 qwen3:4b（需与您拉取的模型名一致），然后保存配置。
第三步：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，选择您刚添加的 qwen3:4b (Ollama)，即可开始离线对话。
五、使用技巧与注意事项
如何更高效地节省积分
- 日常问答任务使用本地模型。简单问题、代码解释、文本润色等场景完全交给本地模型，实现零积分消耗。
- 复杂任务再切换至云端模型。需要联网搜索、生成图片或处理复杂代码时，临时切换回云端模型。
- 优先使用即将过期的积分。在「积分余额」→「用量管理」中可查看每个套餐的具体过期时间，合理安排用量。
关键注意事项
| 常见问题 | 说明 |
|---|---|
| 本地模型的能力上限 | 4B 参数模型适合日常轻度使用，复杂任务建议切回云端模型 |
| Ollama 需保持后台运行 | 使用本地模型时，Ollama 必须处于运行状态 |
| 首次拉取需要联网 | 模型只需下载一次，后续使用完全离线 |
| 内存配置建议 | 8GB 内存推荐使用 4B 模型，16GB 内存可尝试 8B 模型 |
六、硬件配置参考
以当前正在使用的电脑为例：CPU 为 Intel i5-11400（6核12线程），内存 8GB（计划升级至 16GB），显卡为 Intel UHD 730（核显）。目前运行 qwen3:4b 模型，流畅无压力。
总结
通过 Ollama 与 WorkBuddy 的组合搭配，您可以实现：
- 零积分使用 AI 助手（满足日常场景需求）
- 离线环境正常使用，无网络也能工作
- 数据隐私得到保障，敏感内容不离开本机
- 云端模型作为有力补充，从容应对复杂任务
整个配置过程仅需 10 分钟左右，但节省的积分效果非常显著。
