能力标签
本地AI工具
🛠
AI工具

本地AI工具

基于 Crystal · 开源免费,本地部署,数据完全自主可控
英文名:speak
⭐ 7 Stars 💻 Crystal 📄 MIT 🏷 AI 7.5分
7.5AI 综合评分
kv-cachelocal-aiprivacy-first
✦ AI Skill Hub 推荐

本地AI工具 是 AI Skill Hub 本期精选AI工具之一。综合评分 7.5 分,整体质量较高。我们推荐使用将其纳入你的 AI 工具库,帮助提升工作效率。

📚 深度解析

本地AI工具 是一款基于 Crystal 的开源工具,在 GitHub 上收获 0k+ Star,是kv-cache、local-ai、privacy-first领域中的优质开源项目。开源工具的最大优势在于代码完全透明,你可以审计每一行代码的安全性,也可以根据自身需求进行二次开发和定制。

**为什么要使用开源工具而非商业 SaaS?**
对于个人开发者和有隐私需求的用户,本地部署的开源工具意味着数据不离本机,不受第三方服务商的数据政策约束。同时,开源工具通常没有使用次数限制和月度费用,一次安装即可长期使用,对于高频使用场景的总拥有成本(TCO)远低于订阅制商业工具。

**安装与环境准备**
本地AI工具 依赖 Crystal 运行环境。建议通过 pyenv(Python)或 nvm(Node.js)管理 Crystal 版本,避免全局环境污染。对于新手用户,推荐先创建虚拟环境(python -m venv venv && source venv/bin/activate),再安装依赖,这样即使出现问题也可以随时删除虚拟环境重新开始,不影响系统稳定性。

**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues(已关闭的问题),大多数常见问题都已有解答。遇到 Bug 时,提供 pip list 的输出、完整错误堆栈和最小可复现示例,能显著提高开发者响应速度。AI Skill Hub 将持续追踪 本地AI工具 的版本更新,及时通知重要功能变化。

📋 工具概览

本地AI工具 是一款基于 Crystal 开发的开源工具,专注于 kv-cache、local-ai、privacy-first 等核心功能。作为 GitHub 开源项目,它拥有活跃的社区支持和持续的版本迭代,代码完全透明可审计,支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流,都能提供稳定可靠的解决方案。

GitHub Stars
⭐ 7
开发语言
Crystal
支持平台
Windows / macOS / Linux
维护状态
轻量级项目,按需更新
开源协议
MIT
AI 综合评分
7.5 分
工具类型
AI工具
Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理,如需查看完整原始文档请访问底部「原始来源」。

本地AI工具 是一款基于 Crystal 开发的开源工具,专注于 kv-cache、local-ai、privacy-first 等核心功能。作为 GitHub 开源项目,它拥有活跃的社区支持和持续的版本迭代,代码完全透明可审计,支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流,都能提供稳定可靠的解决方案。

📌 核心特色
  • 开源免费,支持本地部署,数据完全自主可控
  • 活跃的 GitHub 开源社区,持续迭代更新
  • 提供详细文档和使用示例,新手友好
  • 支持自定义配置,灵活适配不同使用环境
  • 可作为基础组件集成进现有技术栈或进行二次开发
🎯 主要使用场景
  • 本地部署运行,保护数据隐私,满足合规要求
  • 自定义集成到现有系统,扩展技术栈能力
  • 作为开源基础组件进行商业化二次开发
以下安装命令基于项目开发语言和类型自动生成,实际以官方 README 为准。
安装命令
# 克隆仓库
git clone https://github.com/zendrx/speak
cd speak

# 查看安装说明
cat README.md

# 按 README 完成环境依赖安装后即可使用
📋 安装步骤说明
  1. 访问 GitHub 仓库页面
  2. 按照 README 文档完成依赖安装
  3. 根据系统环境完成初始化配置
  4. 参考官方示例或文档开始使用
  5. 遇到问题可在 GitHub Issues 中查找解答
以下用法示例由 AI Skill Hub 整理,涵盖最常见的使用场景。
常用命令 / 代码示例
# 查看帮助
speak --help

# 基本运行
speak [options] <input>

# 详细使用说明请查阅文档
# https://github.com/zendrx/speak
以下配置示例基于典型使用场景生成,具体参数请参照官方文档调整。
配置示例
# speak 配置说明
# 查看配置选项
speak --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量(覆盖配置文件)
export SPEAK_CONFIG="/path/to/config.yml"
📑 README 深度解析 真实文档 完整度 70/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理,保留代码块、表格与列表结构。

简介

Features

FeatureWhat it means for youStatus
100% LocalRuns on your laptop. No data sent to anyone.Yes
Persistent MemoryTell speak something once. It remembers forever.Yes
File Reading"Read my config.json" - speak shows you the content.Yes
Web Search"Search for latest news" - speak finds current information.Yes
Low RAM UsageUses disk caching. Long conversations don't fill your memory.Yes
Hardware DetectionAuto-configures itself for your computer.Yes
Offline FirstWorks without internet. Web search is optional.Yes
Streaming OutputTokens appear as they are generated.Yes
Agent LoopMulti-step tool use (search, read, then answer).Yes
Disk KV CacheConversation state saved to SSD, not RAM.Yes
Resumable DownloadsInterrupted model downloads continue where they stopped.Yes

---

Install dependencies

shards install

Requirements

| Component | Minimum | Recommended | | ---- | ---- | ---- | | RAM | 4 GB | 8 GB | | Storage | 3 GB free | 10 GB free | | OS | Linux | Ubuntu 22.04+ | | CPU | Any 64-bit | AVX2 support |

macOS works but is experimental. Windows support coming soon.

---

Build the binary

crystal build src/speak.cr --release -o speak

Quick Start

Usage

Chat Commands

Inside the chat, type these commands:

| Command | Action | | ---- | ---- | | exit or quit | Save and quit | | clear | Clear the screen | | history | Show conversation history | | save | Save conversation manually | | memory | Show what speak remembers about you | | clearmemory | Clear all memories | | reset | Reset working memory |

Example conversation

``` $ ./speak

Configuration

All settings are stored in ./speak/config.json. You can edit this file to customize speak.

Configuration Structure

{
  "detected": {
    "total_ram_mb": 8192,
    "available_ram_mb": 6200,
    "os_reserved_ram_mb": 512
  },
  "active": {
    "cpu_cores": 4,
    "has_avx2": true,
    "free_disk_space_mb": 51200,
    "context_size": 2048,
    "kv_cache_type": "standard",
    "model_quant": "Q4_K_M",
    "model_file": "nanbeige-3b-q4_k_m.gguf",
    "temperature": 0.7,
    "max_tokens": 512,
    "use_mmap": true
  },
  "user_overrides": {
    "os_reserved_ram_mb": null,
    "context_size": null,
    "kv_cache_type": null,
    "model_quant": null,
    "temperature": null,
    "max_tokens": null,
    "use_mmap": null
  }
}

Common Settings

| Setting | What it does | Default | ---- | ---- | ---- | |context_size | How many tokens the AI remembers| 2048| |temperature | Creativity (0.0 = strict, 1.5 = creative) | 0.7| |max_tokens | Maximum response length | 512| |model_quant | Quality vs speed (Q2_K, Q4_K_M, Q6_K) | Q4_K_M|

Make AI more creative

Edit ./speak/config.json:

"user_overrides": {
  "temperature": 1.2
}

Reduce RAM usage

"user_overrides": {
  "context_size": 1024,
  "model_quant": "Q2_K"
}

Custom System Prompt

Edit src/speak/system_prompt.txt and recompile. The prompt is embedded at build time.

---

Troubleshooting

Unable to create dir ./speak

Your binary is named speak and conflicts with the data directory. Rename the binary:

mv speak speak_app
./speak_app

401 Unauthorized during download

The model repository requires authentication. Run:

./hfd.sh Edge-Quant/Nanbeige4.1-3B-Q4_K_M-GGUF --include *.gguf --local-dir ./speak/models

Then run ./speak again.

Model loads slowly on HDD

Use the smaller Q2_K model. Edit config.json:

"user_overrides": {
  "model_quant": "Q2_K"
}

Then delete the old model file in ./speak/models/ and restart speak.

Readline not working

Install the system library:

```bash

🎯 aiskill88 AI 点评 A 级 2026-05-26

轻量级本地LLM,支持磁盘缓存和文件读取

📚 实用指南(长尾问题)
适合谁
  • 构建多智能体协作系统的 Agent 开发者
最佳实践
  • 本地部署优先选 GGUF 量化模型,节省显存并保持响应速度
  • Agent 任务先做 dry-run 验证工具调用链,再开启自主执行
常见错误
  • API key 直接提交到 git 仓库(请用 .env 并加入 .gitignore)
  • 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
部署方案
  • 本地部署:CPU 8GB 起,GPU 推荐 16GB+ 显存
  • 云端托管:可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
speak 中文教程speak 安装报错怎么办speak Agent 工作流speak 与同类工具对比speak 最佳实践speak 适合谁用

⚡ 核心功能

👥 适合谁
  • 构建多智能体协作系统的 Agent 开发者
⭐ 最佳实践
  • 本地部署优先选 GGUF 量化模型,节省显存并保持响应速度
  • Agent 任务先做 dry-run 验证工具调用链,再开启自主执行
⚠️ 常见错误
  • API key 直接提交到 git 仓库(请用 .env 并加入 .gitignore)
  • 显存不足直接 OOM — 优先降低 context 或换更小的量化模型

👥 适合人群

AI 技术爱好者研究人员和学生开发者和工程师技术创业者

🎯 使用场景

  • 本地部署运行,保护数据隐私,满足合规要求
  • 自定义集成到现有系统,扩展技术栈能力
  • 作为开源基础组件进行商业化二次开发

⚖️ 优点与不足

✅ 优点
  • +MIT 协议,可免费商用
  • +完全开源免费,无授权费用
  • +本地部署,数据完全自主可控
  • +开发者社区支持,遇问题可查可问
⚠️ 不足
  • 安装和初始配置可能需要一定技术基础
  • 功能完整性通常不如成熟商业产品
  • 技术支持主要依赖开源社区,响应速度不稳定
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台,本页面信息基于公开数据整理,不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后,再部署至生产环境,并做好必要的安全评估。

📄 License 说明

✅ MIT 协议 — 最宽松的开源协议之一,可自由商用、修改、分发,仅需保留版权声明。

🔗 相关工具推荐

📰 相关 AI 新闻
🍿 AI 圈相关吃瓜
🗺️ 相关解决方案
🧩 你可能还需要
基于当前 Skill 的能力图谱,自动补全的工具组合

❓ 常见问题 FAQ

speak 是一款Crystal开发的AI辅助工具。开源AI工具:Lightweight local LLM in Crystal. Disk-based KV cache, file reading, user memory。⭐7 · Crystal 主要应用场景包括:本地AI应用开发。
💡 AI Skill Hub 点评

经综合评估,本地AI工具 在AI工具赛道中表现稳健,质量良好。如果你已有明确的使用需求,可以直接上手体验;如果还在评估阶段,建议对比同类工具后再做决策。

📚 深入学习 本地AI工具
查看分步骤安装教程和完整使用指南,快速上手这款工具
🌐 原始信息
原始名称 speak
原始描述 开源AI工具:Lightweight local LLM in Crystal. Disk-based KV cache, file reading, user memory。⭐7 · Crystal
Topics kv-cachelocal-aiprivacy-first
GitHub https://github.com/zendrx/speak
License MIT
语言 Crystal
🔗 原始来源
🐙 GitHub 仓库  https://github.com/zendrx/speak

收录时间:2026-05-26 · 更新时间:2026-05-30 · License:MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。