发帖
雷达卡
资料名称： Hob，即 Frigade 开发的开源桌面应用「An easier way to use AI on your own computer」，仓库在 FrigadeHQ/hob，MIT 许可，作者在 README 里把它定位为 Claude 和 ChatGPT 的免费开源替代
帖内资料： 项目主页与源码仓库地址、Mac/Windows/Linux 三个平台的安装包与体积、模型自动选型的规则与对应硬件档位、隐私与联网边界的确切说明、能做的八类工作、插件体系的两种扩展方式、构建与发布流程，以及官方文档、帮助页与讨论串地址
时间覆盖： 仓库创建于 2026 年 10 月 14 日；最新发布版 v0.2.3 于 2026 年 10 月 28 日发布
许可与引用： 项目代码为 MIT 许可，版权属 Frigade；模型权重各有独立许可、不随代码授权；本贴只整理已公开的功能、版本与配置说明，不复制源码、不提供安装包
适用任务： 想在自己电脑上离线跑一个能读文件、能写代码的 AI 助手又不想折腾环境的，想知道自己的机器大概能跑哪个模型的，要给团队内部搭一个不外传数据的 AI 助手的
这是个什么项目
Hob 是一个桌面应用，跑在你自己的电脑上，用的是开放权重模型，不依赖云端账号。README 第一句写的是"在你自己电脑上用 AI 的更省事的方式"，第二句是"Claude 和 ChatGPT 的免费开源替代"。
它要解决的是本地 AI 工具的一个老问题：能在本地跑的方案大多只给一个裸聊天框，没有工具，也不告诉你哪个模型最适合你的机器。Hob 的做法是反过来——检测硬件，直接把能跑好的模型下好，配置好，你不用理解模型之间的差别。
仓库的正式描述写得更全：在 Mac、Windows 和 Linux 上本地运行 Gemma 和 gpt-oss 这类开放权重模型，私密且能离线工作。仓库用 TypeScript 写，2026 年 10 月 14 日创建，MIT 许可，官方站点是 hob.chat。
安装包和体积
README 顶部直接给了三个平台的下载链接，都指向仓库的 latest release：Mac 的 arm64 dmg、Mac 的 arm64 zip、Windows 的 x64 exe、Linux 的 x86_64 AppImage。
最新发布版 v0.2.3（2026 年 10 月 28 日）的各包体积是：Linux AppImage 约 507.5 MB，Windows x64 exe 约 402.3 MB，Mac arm64 dmg 约 184.3 MB，Mac arm64 zip 约 178.4 MB，另有配套的 blockmap 差分更新文件。
版本节奏很密：v0.2.0 与 v0.2.1 都在 10 月 26 日发布，v0.2.2 在 10 月 27 日，v0.2.3 在 10 月 28 日。
模型怎么选、你的机器够不够
这是 Hob 最想省掉的一步。官方文档写明它从一份精选的开放模型清单里挑：多数电脑用 Google 的 Gemma 4，工作站用 OpenAI 的 gpt-oss 120B。模型是按代理工作能力（多步任务和工具使用）排序的，显存和系统内存放得下时会分摊加载，模型随时可以切换。
作者在讨论串里给了一份按硬件对照的选型表。8 GB 内存的 Mac（M1/M2）跑 Gemma 4 E2B，16 GB 内存的 Mac 跑 Gemma 4 E4B，24 GB 内存的 Mac 跑 Gemma 4 26B A4B；128 GB 的 Mac Studio 跑 gpt-oss 120B。Windows 侧，RTX 3060 或 4070 配 32 GB 内存跑 Gemma 4 26B 并在 GPU 与系统内存间分摊，RTX 4090 能全量放进 GPU；没有独立显卡、16 GB 内存的机器则用压缩过的 Gemma 4 E4B 走 CPU。
作者的目标是每秒 15 token 以上、同时给上下文留够空间。
作者也坦率说明了自己的判断边界：16 GB 内存以上的机器"表现相当好"，有 GPU 或内存更多时可以"非常接近"开箱即用的前沿云端模型，但这一点是他自己的评测结论，没有公开基准数据，问到基准时他的回答是"还没有"。
隐私边界到底在哪
官方文档把联网的部分写得很具体。模型通过 llama.cpp 跑在你自己电脑上，Mac 上用 Metal，其他平台用 CUDA 或 Vulkan。对话和文件留在本机，没有遥测。Hob 只在三种情况下联网：下载模型和检查更新；开启网页访问时搜索网页、让代码去取数据（比如股价）、从 PyPI 装 Python 包。把网页访问关掉就是完全离线，自己添加的连接器也会联网。
代码在沙箱里跑，限制在对话所属的文件夹内；改动你文件夹里的任何东西之前都会要你确认；每个任务都有撤销。图像识别用的是一个小型的 Qwen3-VL 模型，在主模型之后才下载；语音输入的转文字也在本机跑。
能做什么
官方文档列了一张能力表。文件与项目：可以处理附件，也可以把文件夹归成项目，每个项目有自己的说明。代码：Python 配 pandas、numpy、openpyxl、python-docx、pypdf 和 Pillow，需要别的包就从 PyPI 装，沙箱限制在对话文件夹内。图片：可以看照片和截图，读收据、图表和报错信息并描述内容。
图表：对话里出可交互图表，能下成 PNG。PDF：能读 PDF 包括扫描件，还能填表（Mac）。网页：通过跑在本机的元搜索引擎搜索并读页面。语音：语音转文字在本机完成。
它支持 32 种语言，跟随你电脑的系统语言设置，你用什么语言写它就用什么语言回答。
插件怎么扩展
插件是一个含 hob-plugin.json 的文件夹，可以给任何 MCP 服务器加上三类东西：开放 Agent Skills 格式的技能、Python 工具、以及 MCP 连接器（包括 .mcpb 包）。Hob 自己的网页搜索、代码和 PDF 功能本身也就是插件，放在 app/plugins 目录里。
还有个省事的用法：等 Hob 做完一件你以后还会做的事，直接说"把这个存成技能"，它会保留跑通的步骤和代码，并在保存前把两者都给你看。贡献指南也说，多数新能力更适合做成插件而不是改 Hob 本身。
从源码跑和发版
需要 Node.js 24 和 pnpm 10。常用命令是 pnpm install、pnpm dev 跑起来、pnpm -C app test 跑单元测试、pnpm -C app e2e 跑端到端测试（用隐藏窗口和替身模型）、pnpm -C app dist 出当前机器的安装包。发版是跑 sh app/scripts/release.sh 加版本号，会打 tag 并推送，GitHub Actions 随后为 Mac、Windows 和 Linux 三个平台构建并发布为一个 release；已安装的副本退出时会下载新版本并安装。
贡献指南还给了几条要求：每个 PR 只做一件事并附上能证明它有效的测试；开 PR 前跑完单元测试和端到端测试，CI 会在三个系统上跑；界面文字用平实的话写给不懂技术的人；新增界面文字要用 t('…') 包起来（空位用 {name}，不要用模板字符串）并加进 app/src/shared/locales/ 下的每张表，node app/scripts/i18n-keys.mjs 可以列出全部文字，缺翻译会导致单元测试失败。
报 bug 时要说清做了什么、期望什么、实际什么，并附上你的系统（Mac、Windows 或 Linux）和设置里显示的模型。
原页在哪
源码仓库在 GitHub 的 FrigadeHQ/hob，官网 hob.chat，官方帮助文档在仓库的 docs 目录，插件指南在 docs/plugins，同主题讨论串在 Hacker News。完整地址和引用提醒放在下面。
────────────────
仓库、官网、帮助文档、插件指南和讨论串地址都在下面，回复一下就能看到。
京公网安备 11010802022788号
