云端与本地如何分工

混合计算的核心思路是：一个 AI 任务由云端前沿模型负责启动与规划，而当工作流推进到涉及私密文件、客户记录或个人信息的步骤时，该步骤会被移交给运行在 Apple 芯片上的本地模型处理。

具体而言，云端负责前沿推理、网页搜索与整体规划；Mac 上的本地模型则负责处理每一步所需的私密文件、敏感信息与设备端操作。Perplexity Computer 协调整个工作流，用户无需将任务拆成多个提示词，也不必在工具之间手动搬运信息。

隐私关卡守住数据出口

功能的关键在于 Mac 上的「隐私关卡」（privacy gate）。在受保护文件的信息抵达云端之前，这一关卡可以遮蔽敏感细节、将其保留在本地、拒绝该操作，或请求用户授权。Perplexity 表示，隐私关卡内置一个设备端分类器，可在信息离开 Mac 前识别姓名、地址、账号、登录凭据、支付卡号、政府证件编号与密钥等敏感内容，并据此决定采取何种保护措施；其中凭据、支付卡号与政府证件编号受到最严格的保护。

三款本地模型与硬件门槛

混合计算首发提供三款本地模型：谷歌的 Gemma 4 E4B、阿里巴巴的 Qwen3.6 35B-A3B，以及一款 Perplexity 自有模型。该功能要求配备 Apple 芯片的 Mac、macOS 15 或更高版本，以及至少 24GB 统一内存（32GB 为佳），面向 Pro、Max 与 Enterprise 订阅用户开放，免费版不可用。本地推理不消耗云端积分。

Perplexity 称，苹果上周发布的全新 Mac mini 与 Mac Studio 是运行混合计算的理想平台；用户也可通过 iPhone 随时发送提示词，而本地模型在其 Mac 上完全在设备端私密分析最敏感的数据。企业版管理员还可为组织设定统一规则——哪些数据必须留在 Mac、哪些在上传云端前需遮蔽、哪些需用户批准——并审计信息的离机时间。

从「搜索」到「计算机」

Perplexity 由 Aravind Srinivas 等人于 2022 年创立，定位为「答案引擎」而非传统搜索引擎。2026 年 2 月，公司发布 Perplexity Computer，可跨 Claude、GPT、Gemini 等 19 个模型组建智能体团队端到端执行项目；4 月推出的 Personal Computer 将这一能力延伸到 Mac 桌面。Srinivas 将这一转变概括为「AI 即计算机」：用户告知计算机期望的结果，由它自行推理、搜索并执行。

混合计算的发布，标志着本地模型与云端前沿模型在「步骤级」上的协同成为现实，也为金融、法律、医疗等需要处理机密数据的行业提供了一条兼顾智能与隐私的路径。

开关在哪里

打开手机上的 Firefox，点击菜单按钮进入「设置」，选择「浏览」，然后打开「广告拦截器」。浏览网页时也可以通过站点菜单调用这个选项。Mozilla 表示该功能正在全球范围推送，如果设置里找不到，需要先把 Firefox 更新到最新版本。

功能默认关闭这一点是 Mozilla 有意为之。同一家公司的 Firefox Focus 多年来一直默认开启广告拦截，而主应用这次选择让用户自己决定。Mozilla 在公告中给出的理由是：广告为开放网络提供了资金支持，支撑着出版商、创作者和大量网站的运转；但广告有时确实会挤占屏幕、打断正在进行的操作，所以这项功能应该是可选的。

为什么以前做不到

这项功能来得晚，原因不在 Mozilla。App Store 要求所有第三方浏览器使用 WebKit 渲染引擎，Firefox 在 iOS 上一直无法像在桌面端和安卓端那样支持广告拦截扩展。App Store 里的那些内容拦截器应用只对 Safari 生效，帮不了 Firefox 的用户。过去 iOS 上想减少广告，要么装一个仅对 Safari 有效的内容拦截 App，要么使用 AdGuard、Magic Lasso 这类系统级 DNS 拦截方案。

Mozilla 这次的做法是把拦截能力直接内建进浏览器：底层使用苹果的 WebKit Content Blocker 技术，配合 EasyList 过滤列表决定哪些内容被拦下。前者正是 Safari 内容拦截扩展所依赖的同一套 API，只不过 Firefox 把实现放进了自己的应用里，不需要额外安装任何扩展。

新功能与 Firefox 原有的增强型跟踪保护协同工作，后者会拦截大量追踪器并限制跨站跟踪行为。

哪些广告拦不住

预期需要放低一些。开启之后能拦下的是第三方广告网络、广告相关追踪器、许多第三方网站广告，以及弹窗和浮层。以下几类不在拦截范围内：

网站自己直接投放的广告，也就是第一方广告，会照常显示。搜索结果页里的广告不受影响，包括 Google、Bing 和 DuckDuckGo 的搜索结果广告。Firefox 新标签页上的赞助快捷方式和其他赞助内容属于另一套机制，与网页广告分开处理，不会被这项功能拦掉，除非用户自行修改主页设置。

这些限制大多来自 iOS 平台本身的架构。苹果的 WebKit Content Blocker API 工作在一个较高的抽象层级上，iOS 上的拦截器只能依据预编译好的规则集运行，无法直接接触渲染引擎。而在桌面版 Firefox 上，用户几乎可以拦截任意网络请求或页面元素。第一方广告和直接写进页面 HTML 里的赞助内容，在 iOS 的机制下很难在不破坏网站功能的前提下过滤掉。

换句话说，同一个浏览器，同一个账号同步，iOS 端能拦下的广告数量会明显少于 Windows 和 macOS 端。

补齐了一块短板

对比之下，Brave 和 Vivaldi 在 iOS 上都默认开启原生广告拦截，Safari 用户则可以自行叠加第三方内容拦截器。Firefox 此前在主应用里完全没有内置选项，即使 Mozilla 在隐私保护上口碑不错、跨设备同步也做得成熟，对注重隐私的用户来说仍然缺了一环。

对于同时在 Windows、macOS 和 iPhone 上使用 Firefox 的人来说，这次更新的意义是广告拦截终于在所有平台都能用了——只是 iOS 版本受平台限制，拦下的广告数量会比桌面版少。Mozilla 表示，如果遇到本该被拦却仍然显示的广告，或者某个网站行为异常，可以通过 Mozilla Connect 反馈。

手机不动，只动光

传统便携探测器大多要求使用者用肉眼去辨认“亮点”——镜头反光在探测仪上呈现的亮斑。但金属、玻璃或亮面塑料的反光常被误判为镜头，误报、漏报都不少。

SweepLED 的思路不同：它让手机摄像头保持固定，只改变外壳上 LED 的照明方向，再分析物体表面反射光随时间变化的模式。普通反光点会随光照方向而移动甚至消失；而相机镜头因为内部的镜片、光圈与图像传感器结构，会呈现出独特的畸变反射。研究团队用深度学习模型训练出对这些“时变反射模式”的辨识能力，从而把真正的镜头从一堆反光里挑出来。

实测：30 件物品，94% 命中

在 30 件取自真实场景的物体上，SweepLED 取得了约 94% 的检测准确率，检查单个物体耗时不到 5 秒。可藏摄像头的载体包括充电器、闹钟、遥控器、装饰摆件等住宿空间里最常见的物件。

更关键的是成本。贴在手机上的 LED 灯壳，其核心元件成本低于 7 美元（约合 1 万韩元），意味着它未来完全可能做成平价手机配件，让普通人也用得起。

出自高校实验室，已登上顶会

该技术由 KAIST 计算学院 Jun Han 教授团队牵头，论文第一作者为 KAIST 博士生 Jonghyuk Yun，成果以《Hide-and-Sweep: Detecting Concealed Cameras via LED Illumination Sweeps》为题，发表于移动计算领域重要会议 ACM MobiSys 2026（6 月 20 日）。

Jun Han 表示，非法安装的摄像头严重威胁日常空间中的人身安全与隐私，这项研究的意义，在于把低成本的手机硬件与人工智能分析结合起来，给出一种连非专业人士也能上手的实用检测方案。

为什么这件事值得关注

隐藏摄像头问题并非某地独有，它在全球范围的酒店与短租中都真实存在。相较于依赖人眼辨“亮点”的旧方案，SweepLED 用多角度反射的 AI 分析取代主观判断，可靠性更高，也更难被普通反光干扰。对注重出行与居住隐私的人来说，这类“手机即探测器”的思路，或许会是目前最易普及的一道防线。

韩国科学技术院（KAIST）在 8 月 30 日宣布，由计算机学院韩峻（Jun Han）教授领衔、联合新加坡国立大学与新加坡管理大学的团队，开发出一种名为 SweepLED 的隐藏摄像头检测技术。

给手机套一个 LED 壳

这套技术的使用方法很简单：在智能手机外面套上一个内置 LED（发光二极管）灯的手机壳，让手机摄像头保持不动，只改变 LED 的照射方向，并记录物体表面反射光的变化过程。

其关键在于普通反光物体与摄像头镜头对光线的反应不同。金属、玻璃、亮面塑料等物体的反射点，会随光照角度的移动而移位甚至消失；而摄像头镜头因为内部镜片、光圈与图像传感器的结构，反射图案会产生特征性的形变。SweepLED 用深度学习模型分析这些随光照角度变化的反射移动与形状差异，从而判断是否存在镜头。

比”找亮点”更可靠

传统手持探测器依赖人眼去辨认镜头反光的”亮点”，很容易被金属、玻璃或亮面塑料误导，产生误报。SweepLED 把判断交给人工智能，综合分析多个光照角度下的反射变化，能更可靠地识别出藏在充电器、时钟、遥控器、装饰物等日常物品中的微型镜头。

94% 准确率，成本不到 7 美元

研究团队在 30 件真实环境中常见的物品上做评估，检测准确率约 94%，单件扫描不到 5 秒。更关键的是成本：LED 手机壳的核心元件不到 7 美元（约 1 万韩元），意味着它有望做成普通人买得起的手机配件或消费级安防产品。

相关论文由 KAIST 博士生尹钟赫（Jonghyuk Yun）担任第一作者，于 6 月 20 日发表在移动计算领域顶会 ACM MobiSys 2026 上，论文题为《Hide-and-Sweep: Detecting Concealed Cameras via LED Illumination Sweeps》。

针孔摄像头常被藏于酒店、短租房屋、洗手间等日常空间，非法偷拍对个人隐私与人身安全构成严重威胁。把低价硬件与人工智能分析结合，正为普通人提供一道可随手使用的防护手段。

让手机变成探测器

这项研究由韩国科学技术院计算机学院韩俊（Jun Han）教授团队主导，合作方包括新加坡国立大学与新加坡管理大学。团队打造的名为 SweepLED 的系统，本质上是一个适配主流智能手机的 LED 灯组保护壳。相关成果已在今年 6 月召开的 ACM MobiSys 2026 会议上发表。

传统的便携探测器往往要求使用者自己用肉眼寻找镜头反光：朝可疑物体打光，再分辨亮斑是否来自摄像头。问题在于，金属、玻璃、亮面塑料也会产生亮斑，充电器、时钟、遥控器、装饰品等无害物品常被误判为摄像头。

巧妙的”解耦扫描”

SweepLED 的巧思在于改变观察方式。它让手机摄像头位置保持不动，只改变 LED 的照明方向，形成所谓”解耦式照明扫描”。普通反光表面在光照角度变化时，反射光会移动、变淡甚至消失；而摄像头镜头内部有镜片、光圈、图像传感器等光学结构，被不同方向光照亮时，反射图案会发生特征性的形变。系统把这一过程录成短视频，再用基于深度学习的模型分析反射随时间变化的位置与形状，判断某个区域是否含有隐藏的摄像头镜头，从而把”该不该怀疑这个亮斑”的判断交给算法，减轻使用者的负担。

实测：30 件物品，94% 准确率

研究团队在模拟真实住宿环境的测试中，对充电器、时钟、遥控器、装饰品等 30 件常见物品逐一扫描。结果显示，单件物品的检测耗时少于 5 秒，准确率约 94%。整套方案的核心部件——那个装在手机上的 LED 灯组——成本不到 7 美元（约合 47 元人民币、1 万韩元），意味着它有望成为人人都买得起的隐私防护工具。

面向高频风险的场所

这项技术主要瞄准酒店、民宿、公共卫生间等容易被安装隐蔽摄像头的地方。韩俊表示，非法摄像头严重威胁日常空间中的人身安全与隐私，”通过把低成本硬件与 AI 分析结合起来，其团队展示了一种即便非专业人士也能轻松使用的检测技术的可能性”。目前公开信息主要来自韩媒 ETNews 的报道，研究团队尚未披露该配件是否会进入量产或面向消费者销售。

广告出现在两个位置

按照苹果的说明，地图内的广告只出现在两个入口。

第一个是搜索之前：打开搜索界面时，「建议地点」列表中会插入一条商户广告。第二个是搜索之后：当广告与用户的搜索内容相关时，会出现在搜索结果里。

从呈现形式看，这些广告与普通商户条目几乎没有区别，同样是名称、类别、评分和距离的排布，唯一的差别是条目上带有一个蓝色小徽标，标注「Ad」（广告）。也就是说，苹果没有采用横幅或插屏那类强侵入式的形态，而是选择了与内容混排的原生广告路线。

这套方案并非临时决定。苹果早在今年 3 月就已宣布，地图广告将于夏季在美国和加拿大上线，当时的发布背景是苹果推出面向各类规模企业的一体化平台 Apple Business。8 月 14 日，商家端的广告预订通道先行开放，入口设在 ads.apple.com/maps。

隐私说法与外界质疑

隐私是苹果在这次发布中反复强调的部分。苹果新闻室的表述是：

地图广告延续了苹果在广告业务上一贯的隐私优先做法，并保持地图用户当前已有的隐私保护水平。用户的位置信息，以及他们在地图中看到和互动过的广告，都不会与其 Apple 账户关联。个人数据保留在用户设备本地，苹果不会收集或存储，也不会与广告主或其他第三方共享。

换句话说，苹果的地图广告不做跨应用追踪，也不构建个人画像，投放主要依赖当次搜索意图与位置的即时相关性。

不过外界并不完全买账。9to5Mac 在 7 月做过一次读者投票，绝大多数参与者认为苹果应该彻底退出广告业务。该媒体编辑 Ben Lovejoy 在评论文章中给出了两点反对理由：其一，即便苹果确实没有做追踪式投放，绝大多数其他应用和网站都在做，多数普通用户会默认苹果也是同一套玩法，这种认知即使不公平，也会损害苹果长期经营的隐私形象；其二，广告让产品显得廉价——对免费应用和网站而言广告是维持运转的必要之恶，但苹果本身依靠高价硬件盈利，并不需要这笔广告收入。他还引用了科技评论人 John Gruber 的类比：在苹果自带应用里放广告，就像早年廉价 Windows 笔记本上贴的「Intel Inside」标签，用户能理解低价机型需要一切可能的收入来源，却很难接受苹果为此牺牲产品观感。

苹果给商家开出的条件

面向广告主一侧，苹果给出了一份相当直接的招商说明。

公司称，Apple Maps 每月发生的商户相关搜索超过 10 亿次，而每两次商户搜索中就有一次会促成用户的实际行动，例如导航前往、拨打电话或访问网站。援引 GWI 2025 年第一季度 Core Study 的数据，苹果还提到 Z 世代与千禧一代合计占 Apple Maps 用户的 57%。

为了吸引首批商家，苹果推出了名为「开业促销」的限时优惠：符合条件的商家通过信用卡付款预订地图广告，可获得相当于消费额 15% 的月度账单返还，最长持续一年，返还额度每月上限 1000 美元，次月到账。该优惠的预订截止时间为 2026 年 10 月 11 日。

对中国用户意味着什么

需要明确的是，本轮地图广告目前只在美国和加拿大上线，中国内地的苹果地图用户暂时不会看到这些内容，苹果也没有公布向其他市场扩展的时间表。

真正值得留意的是趋势本身。地图是使用频次极高、商业意图极强的入口，苹果此前的广告业务主要集中在 App Store 搜索广告和新闻类应用中，如今把广告位延伸到自带地图，说明服务收入的增长压力已经开始改变苹果在自家系统应用上的取舍。对同样在做地图和本地生活服务的其他厂商而言，这也是一份现成的参照：如何在不做用户画像追踪的前提下，把即时搜索意图变成可售卖的广告库存，苹果给出了一个可执行的样本。

泄露的是哪些数据

MAG 在声明中说明，被入侵的系统涉及”停车场、休息室、快速通道预订以及机场内 Wi-Fi 注册”相关数据。黑客获取的信息字段包括电子邮件地址、电话号码、车辆号牌和邮政编码。MAG 特别强调，被黑系统本身并不持有客户的银行或支付信息，因此资金安全不受此次事件影响。

事件发生在夏季出行高峰期间，许多家庭在新学年开学前集中返英，机场客流量处于高位。MAG 称已”立即控制风险”，正与专业顾问合作并采取适当措施保护客户与系统，同时已通知并配合相关当局。

机场提醒客户提防诈骗

伦敦斯坦斯特德机场已向客户发送邮件，提醒其对冒用机场名义的可疑联络保持警惕。邮件中写道：”我们特别建议您对声称来自本机场的意外邮件、来电或短信保持谨慎。我们绝不会以意外方式联系您索要付款或银行信息。”

数据泄露发生后，客户面临的主要风险是钓鱼邮件与诈骗电话。由于泄露字段包含邮箱、电话与车牌号，攻击者可能借此拼凑个人画像，实施精准钓鱼。

法律界：机场天然是高风险目标

英国律师事务所 Gordons 合伙人劳伦·威尔斯-迪克森（Lauren Wills-Dixon）指出，机场除航空主业外还销售休息室、停车、快速通道等大量增值服务，机场 Wi-Fi 也要求客户录入个人信息，运营方因此持有海量客户数据；随着技术投入加大，遭受网络攻击的威胁只会增加。

航空业长期是勒索软件与数据窃取的重点目标。此次事件虽未波及航班运行，却再次凸显非核心业务系统（如停车、会员、Wi-Fi 注册）在整体安全链条中的薄弱位置。对客户而言，在涉事机场使用过相关服务的，应提高警惕、留意可疑通讯，并避免在不同平台复用同一组密码。

漏洞机制与修复

Meta 增强现实业务副总裁亚历克斯·希梅尔在 Threads 发文确认，更新后一旦系统检测到录像过程中指示灯被遮挡，摄像头将立即停止工作。此前设备已经具备一项保护：如果在“录像开始前”遮挡指示灯，摄像头不会启动；但用户很快发现，只要“先开始录像、再遮住灯”，就能绕过限制。此次更新补上了这一缺口。

这是不到两个月内 Meta 第二次针对隐私问题发布修复。上一次更新会在用户对指示灯进行物理破坏时，直接禁用摄像头。希梅尔表示，Meta 会继续推出类似更新，确保录制指示灯能够可靠地提醒周围的人“正在为佩戴者的相册拍摄照片或视频”，并强调试图绕过保护措施“只是极少数人”。

争议持续的背景

这副眼镜涵盖 Ray-Ban Meta、Oakley Meta 以及 Meta AI 眼镜等型号，自面世以来不断引发隐私与骚扰争议：有人未经同意拍摄路人，并将内容当作“恶作剧”发布到社交媒体；Instagram 已封禁部分相关账号；网上还出现了能隐蔽绕过指示灯的廉价配件。为改善公众认知，Meta 在洛杉矶等销量较高的社区投放广告牌，标语写道“摄像头让你记录当下，指示灯则告诉周围的每个人你正在拍摄”，并强调“为所有人设计，不只属于佩戴者”。

监管与诉讼并未止息

欧盟数据保护机构正在调查该眼镜的隐私风险；德国在接到刑事投诉后考虑封禁该产品；欧洲数据保护委员会预计将在今夏晚些时候发布报告，以决定在欧盟范围内应采取的举措。美国方面，一起集体诉讼指控 Meta 在隐私宣传上误导消费者，称其宣称用户“掌控自己的数据”实为虚假——据诉状描述，Meta 位于肯尼亚的人工标注团队会审阅眼镜拍摄的全部素材，包括浴室、亲密行为、信用卡信息以及私人短信等敏感内容。诉状举例称，一名用户的眼镜放在床头柜上，无意中拍到其妻子更衣，相关视频被传至地球另一端供标注人员查看。

补丁之后仍有悬念

此次修复解决了一种具体的绕过方式，但批评者指出，Meta 的应对始终是“出问题再打补丁”，而非从产品设计之初就内置隐私保护。对一款将摄像头与人工智能结合的穿戴设备而言，能否让周围的人清楚地知道“正在被拍摄”，仍是决定其能否被社会接受的关键。

三成人对 AI 说了不会告诉任何人的话

调查覆盖近 2000 名美国成年人。其中，近三分之一的用户表示，曾对 AI 说过一些他们不会告诉朋友、家人、同事乃至医护人员的事。而在自称”AI 爱好者”的群体中，这一比例升至 56%。

DuckDuckGo 在报告中给出的解释是：

对许多人来说，AI 聊天机器人提供了一个不带评判的空间，可以倾诉他们不愿对任何人说的事。一次典型的网页搜索可能只有几个词，而 AI 聊天会邀请更长、更私人的输入。搜索关键词暴露的是兴趣，AI 对话则有可能暴露思维过程、沟通方式，以及更多东西。

一个值得注意的分化出现在有孩子和没孩子的人之间。DuckDuckGo 称，在使用 AI 的家长或监护人中，43% 曾对 AI 说过从未对其他任何人说过的事；而家中没有孩子的 AI 用户中，这一比例降至 25%——前者接近后者的两倍。

对话默认被用于训练，一半以上的人不知道

信息落差是这份调查更值得关注的部分。在受访者中，53% 不知道或不确定多数聊天机器人默认会使用对话内容来训练模型；只有 25% 知道 AI 聊天记录可以被执法部门依法传唤调取。

而一旦知情，态度就会转变。DuckDuckGo 表示，在了解这一情况后，58% 的人对自己的对话被用于训练 AI 感到不适，其中 30% 明确表示”非常不适”。

DuckDuckGo 认为，AI 公司在一定程度上顺势推动了这种倾诉行为，在广告宣传和媒体露面中鼓励用户把聊天机器人当作知己，尽管这些对话未必如用户被引导相信的那样私密。

在信任度方面，调查发现人们对大型 AI 公司保护数据的信心略高于对美国政府，但对双方的怀疑都不低：39% 的受访者表示对大型 AI 公司”完全不信任”，对政府持同样看法的比例为 48%。

“最值钱的不是旧问题，是你的下一个问题”

DuckDuckGo 在报告结尾提出一个观点：由于聊天机器人的使用习惯仍处于形成期，用户仍有机会改变自己在 AI 上的隐私策略。

谈到搜索引擎和浏览器里的在线隐私时，很多人会想”太晚了，我的信息早就出去了”。但你能交给大型科技公司的最有价值的信息，是你的下一个问题，而不是几天、几个月或几年前问过的问题。所以，转向更注重隐私的在线服务，永远都不算太晚。

该公司同时建议用户采取一些主动措施，例如选择数据处理政策更清晰、更透明的服务。

需要说明的是，DuckDuckGo 本身即以隐私搜索和 Duck.ai 等产品为主营业务，这份调查带有明确的立场，其数据也来自美国成年人样本，不宜直接套用到其他市场。不过报告揭示的信息落差具有普遍性：对多数用户而言，判断一个 AI 产品是否值得托付隐私，最实际的做法是打开设置页，确认是否提供”不将我的对话用于模型训练”这类开关并将其关闭，同时避免在对话框里输入身份证号、银行卡号、家庭住址、体检报告等可直接定位到个人的敏感信息。聊天机器人回答问题的能力在快速提升，但它并不是一个受保密义务约束的对象。

把合同、银行流水、病历这类私密文件直接丢进云端聊天机器人，已经成了很多人的习惯，但很少有人在意这些数据此后”漂”在哪里。XDA Developers 撰稿人 Nolen Jonker 在文中分享，随着对隐私和自托管了解加深，他基本停止了把私人文档上传给 Claude 等云端工具。他并不是不再需要 AI 辅助读文件，而是换了个更稳妥的本地方案——开源桌面应用 Cherry Studio。

一、装上 Cherry Studio

这是一款免费、开源、本地优先的 AI 工作台，支持 Windows、Mac 和 Linux。它能对接 OpenAI、Anthropic、Gemini、DeepSeek、通义千问等云端模型，也能通过 Ollama 或 LM Studio 接入本地模型（LM Studio 起一个服务约两分钟，就能搭起一套完全自托管的 AI 工作栈）。一个实用技巧：可以把同一句话同时发给多个模型，并排看回答差异。

二、把文件放进知识库

Cherry Studio 支持 PDF、Word、PowerPoint、Excel、纯文本、Markdown 和网页链接。导入后走 RAG（检索增强生成）：文档被切分建索引，提问时只把相关片段连同问题一起交给模型，因此能处理的资料量远超模型上下文窗口。要注意，只有用本地嵌入模型时检索才完全离线；若用云端嵌入器，建索引阶段文档仍会发出去，敏感材料务必搭配本地模型。

三、调用内置助手与 MCP 工具

它自带 300 多个预设助手（编辑、法务、医嘱摘要等），也能自建；还能把常用提示词存成”可复用提示”，配一个触发词就能一键调用。更关键的是支持 MCP（让模型调用外部工具的标准）：软件已预接好文件系统、网页搜索、GitHub、抓取、记忆等工具，开启文件系统后，直接让模型”读一下我 2025 报税文件夹”即可就地取数，不必每次手动导入。

注意事项

API 密钥、对话、附件、知识库与设置默认都留在本地，请求直达你配置的提供方，没有中间转发。但给模型开文件系统权限有风险，建议只在特定对话启用，且只给小文件夹的只读权限。

来源：XDA Developers