一位开发者披露，其自建 AI 系统 Lamplight 已将约 95% 的使用任务放在本地完成。这个数字来自个人实践而非大规模测试，但它揭示了一个清晰变化：本地模型的价值不再只是“能运行”，而是开始承接长期、连续的真实工作。

这是什么

Lamplight 是一套个人定制的本地 AI 操作框架（harness，即把模型、工具、任务调度和界面组织成可重复工作流的系统）。它由 MacBook Pro 和一台搭载 RTX 5090 的电脑组成：前者负责协调任务，后者承担主要推理，两台设备通过 Git 工作树和事件驱动任务系统协同。

底层运行 Pi-Bolt、定制扩展、本地模型以及 Claude。也就是说，它并非一个面向大众出售的独立产品，而是一位开发者两年实践后的阶段性成果。作者目前不公开完整系统，但计划逐步拆出可复用部分。

行业怎么看

值得关注的变化，是评价 AI 的尺度正从单次回答质量转向“能否持续嵌入个人工作”。本地运行可减少敏感资料外传，并降低对云端服务的持续依赖；多设备分工也说明，模型能力之外，任务编排和系统设计正在决定实际体验。

风险同样明确。95% 是个人自用场景，不能直接外推到企业；硬件投入、系统维护和人工复核并未消失。源码尚未开放，也缺少第三方复现，Lamplight 更像可行性样本，而非成熟产品。作者仍会检查全部代码，也印证了现阶段本地 AI 尚未真正摆脱人工把关。

对普通人的影响

对企业 IT：敏感数据、专用设备和本地推理为企业提供了更细的部署选项，但成本核算应包含硬件、维护和模型替换，不只是云端调用单价。

对个人职场：熟悉命令行和开发工具的人更容易获得这种可控、可定制的 AI 工作流；非技术用户短期内仍难复现。

对消费市场：本地 AI 的体验竞争可能从聊天界面转向跨设备协作和长期记忆，个人电脑厂商也会更强调模型运行能力与服务整合。