TAG

#LM Studio

6 篇文章

TechLab 所有關於「LM Studio」嘅文章、評測同教學，由最新排起。

LM Studio 為 Bionic 加入 Auto Review，以 AST 規則先篩選 Shell 指令，再交由 AI 審查代理處理模糊個案。它可減少開發流程中的確認負擔，但仍要依賴沙箱、可信環境與人工授權。

本地 LLM 接上 filesystem MCP，可以離線分類文件、整理 Obsidian 筆記同批量改 Markdown，敏感內容亦少一重上載風險。不過模型一樣會揀錯檔案，MCP 套件亦有供應鏈風險，實際設定要由細目錄、測試副本同逐次批核開始。

LM Studio Bionic 加入 Kimi K3，主攻大型 codebase、長文件同多步 agent 任務。不過 K3 實際由美國 Secure Cloud 運算，一般 Mac 或 Windows PC 幾乎冇條件本機跑完整模型，私隱、成本同硬件要求要分開計。

本機 AI 工具功能重疊得愈來愈多，但介面、整合方式同設定難度仍然差好遠。Ollama 適合做其他工具背後嘅模型服務，LM Studio 就方便搵模型、聊天同調校；揀之前仲要睇清 RAM、VRAM、私隱邊界同中文表現。

本機 LLM 已經去到普通 16GB 電腦都玩得起，但「跑得郁」同「取代 ChatGPT」差好遠。由模型質素、RAM、速度到用電同資料安全，真正抵玩嘅情況其實幾清楚：手上已有合適硬件，又經常處理唔方便上雲端嘅文件。

XDA 作者用 Claude Code 掃返近一年 LM Studio JSON 對話，搵到自己 prompt 重複位、模型選擇壞習慣同 context 設定問題。呢個玩法值得學，但私隱同 token 成本要先計清楚。