运行AI智能体的电脑，购买前先检查内存与存储

当AI智能体整天在你的电脑上运行，你就不再是这台电脑唯一的使用者。智能体会打开浏览器、启动开发服务器、写出大量文件，而且任务结束后往往让这一切继续运行。电脑一变慢，人们的第一反应就是去查Mac mini、Mac Studio或英伟达主机的价格。但智能体的负载往往会膨胀到填满你新增的全部余量，因此更快的芯片或更大的内存很少能长久解决问题。更省钱的第一步，是弄清楚你现有的电脑上究竟是什么在消耗内存和磁盘。

模型在云端运行，杂乱却留在你的电脑上

当你把工作交给Claude或Codex这样的智能体时，语言模型的回答通常来自厂商的数据中心。但围绕这些回答的大部分工作在本地运行，包括开发服务器、无头浏览器（不显示界面的浏览器）、编译器和测试套件。在谷歌Chrome中使用Claude，同时用Zen浏览器上网，再把任务交给Codex，并运行本地语音转写模型，内存压力很快就会升高；让Claude Code在Blender中渲染视频，同时让Codex处理另一段代码，也是如此。

▲ 云端推理与本地负载

GitHub上公开的Codex缺陷报告显示，尚不成熟的智能体软件还会悄无声息地吃掉磁盘空间：

如此大的写入量还可能造成固态硬盘的物理磨损。OpenAI已经着手应对：2026年6月和10月的Codex更新针对日志写入做了改进，Codex 0.160.0加入了回收未使用日志数据库空间的功能；10月13日，OpenAI又宣布了一项优化，将ChatGPT和Codex桌面应用的磁盘占用减少了60%。不过，单靠一家厂商的修复，无法清理同时运行Qwen、Claude和Codex的环境。

git worktree可以让智能体在同一个代码仓库下拥有单独的工作文件夹，而每个文件夹都有各自的构建缓存和依赖项，因此需要明确规定它们可以占用多少磁盘空间。就像20世纪80年代那样，内存和存储空间再次需要精打细算。

购买之前先做一次体检

看内存压力，而不是内存用量

在Mac上，打开Activity Monitor并选择“内存”标签页。要关注的是“内存压力”图表：绿色表示内存得到高效利用，黄色表示可能需要更多内存，红色表示系统的RAM严重不足。在Windows上，按Ctrl+Shift+Esc打开Task Manager，查看“性能”标签页。内存用量数字高，并不能证明你需要一台新电脑，应把它当作检查正在运行的软件的信号。

检查存储空间和交换内存

依次打开苹果菜单、“系统设置”、“通用”和“储存空间”。RAM好比处理当前工作的工作台，存储空间则是存放文件和应用代码的仓库。RAM用尽时，macOS会借用硬盘的一部分作为交换内存，有点像发卡机构为了衔接一笔消费而临时冻结的预授权额度。

让智能体做只读检查

只要第一轮检查不做任何改动，排查工作就可以交给智能体。给它的提示词包含三部分：

1. 在不做任何修改的前提下检查电脑。
2. 找出占用内存最多的进程和占用空间最多的存储路径。
3. 解释每一项的来源，并提出具体的解决办法。

在购买硬件或运行任何自动清理脚本之前，先做这项检查。它可能会发现一些早已被遗忘、来自过去或已放弃的副业项目的本地开发服务器。停止它们之前，先确认服务器在为哪个应用提供服务、项目是否已经结束，以及哪些内容之后可以重新生成。此后，定期检查git worktree和智能体的临时文件夹，清除过时的构建缓存、检查点和崩溃日志。

与智能体共用电脑的四条“家规”

与智能体共用一台电脑，就像和室友合住一套房子，四条规则可以让它保持宜居。

给每个智能体设定停止信号

无人看管的智能体工作经常半途停滞，留下仍在运行的Chrome标签页、聊天会话和开发服务器。如今的智能体大量采用可验证奖励强化学习（RLVR）进行训练：当结果可以被验证时，模型就会获得奖励，这促使它坚持到任务完成为止。如果没有边界，这种执着就会变成对电脑资源无休止的占用。请明确写出每项任务结束时要交付的成果或要达到的里程碑，并告诉智能体到那一步就关闭相关进程。只要孤立进程不断堆积，增加硬件也只能换来暂时的余量。

把繁重任务排进队列

如果智能体要处理十二份文档，就把它们排进队列，一次只运行一两份。可以让智能体自己分析负载：先运行一个任务，再增加到两个，然后比较内存占用和完成速度。智能体能在电脑内部监控资源使用情况，接近极限时提醒你；如果速度明显变慢，就让它减少并行任务。

核心数并不能很好地衡量智能体的容量。两个等待云端模型回复的智能体几乎不会占用处理器，而两个渲染视频或运行大型构建的智能体可能占满所有核心。只有当软件确实能够把工作并行拆分时，增加核心和统一内存才有帮助。因此，先分析实际负载，就能避免为智能体等待API调用时闲置的硬件买单。把工作拆分成几个阶段也有帮助：

1. 由轻量级智能体使用云端模型进行调研和规划。
2. 需要在本地完成的繁重任务进入队列。
3. 一次只运行一个大型本地构建。

让智能体复用现有的项目、浏览器会话和文件夹结构，而不是从头重建。

调整本地运行环境

• **Docker Desktop：**为其虚拟机设置内存上限，并开启Resource Saver模式，以释放闲置资源。
• **Ollama和LM Studio：**调整上下文长度（模型一次能处理的文本量）、并行请求数，以及模型在内存中保持加载的时间。

让模型常驻内存，可以更快地回应下一条提示词，但这部分RAM就无法供其他应用使用。如果需要在多个模型之间切换，要在卸载超时时间与重新加载所需时间之间取得平衡。

制定维护计划

你正在操作的电脑，在资源不足时需要立即发出提醒；而在后台运行的电脑，可以按更宽松的计划进行维护。如今的模型已经足够熟悉文件系统和终端工具，能够承担定期健康检查、磁盘清理和性能监控等工作，例如设置一个专门照看Linux虚拟机的智能体。定期检查应追踪目录并标记未经授权的更改，保护尚未保存的进行中工作，并坚持人优先、智能体任务放在后台。

如果确实需要新硬件

请在检查并分析现有环境的负载之后再购买，同时考虑智能体工作在未来几年可能如何增长：

在本地运行大语言模型时，除了智能体的工作之外，还要为模型本身额外付出一块固定的内存开销。只有当你的工作流程主要依赖本地开放权重模型（训练好的参数公开发布的模型），或需要同时加载大型数据文件和工具时，大内存工作站才物有所值。

为什么Mac往往是首选

AI智能体工具通常比Windows早6至8个月登陆macOS，主要AI实验室也大多先在Mac上开发。ChatGPT桌面应用于2024年5月推出Mac版，同年10月推出Windows版；Cowork则在2026年1月登陆macOS，一个月后才支持Windows。Apple Silicon的统一内存也让本地模型比在一般Windows配置上更具优势。

按照苹果截至2026年10月16日的零售价，搭载M6芯片的入门款Mac mini售价$899，配备16GB内存和256GB存储，内存最高可选配32GB。搭载M5 Pro的Mac mini起价$1,699，内存最高可达64GB，适合运行更大的模型。16GB内存加256GB存储的基础配置相当紧张，需要严格的系统管理；而且苹果不允许事后升级内存，因此必须在购买时就做出决定并为此付费。请以自己的工作流程，而不是孤立的基准测试数字来做选择。

NPU并非捷径

NPU（专门用于AI计算的芯片）只是专用芯片，并不能包治多智能体负载的问题。性能取决于整个系统的协同，从内存带宽到高速SSD存储，再到处理器流水线。对本地推理而言，加速器可用的内存容量才是最重要的限制。

苹果、英伟达还是AMD

选择平台，有点像在自动挡和手动挡汽车之间做选择。

CUDA是英伟达的加速计算平台，也是进行深度本地微调（即针对特定任务对现有模型做进一步训练）的标准生态。运行基于Ubuntu的英伟达DGX OS的英伟达DGX Spark，以及以智能体为先的操作系统Omarchy，适合想要搭建自有智能体原生基础设施的人。如今用AMD配置做AI的人还不多，但对于需要超大内存池的人来说，它是一个可行的选择。

让旧电脑发挥作用

你有三条路可走：继续使用现有电脑并分析其负载，在硬件允许的范围内升级部件，或者买一台新电脑，把旧电脑交给智能体。可以把电脑想象成一座房子：操作系统是建筑本身，CPU核心是各个房间，内存和存储空间则是共用的起居空间。在花钱换更大的房子之前，先整理好现在的家，再把后院的小屋，也就是你的旧电脑用起来。把后台的智能体工作交给小屋，主屋就不会变得杂乱又迟缓。

▲ 改作智能体工作机的旧电脑

连接主屋和小屋的是Tailscale。它无需开放端口，就能在你家中的电脑与身处任何地方的设备之间建立加密的私有网状网络。闲置的英特尔或M系列芯片Mac mini、旧的Windows笔记本电脑或较老的MacBook，都可以变成全天候运行繁重任务的无头智能体工作机；出门在外时，也可以从随身笔记本把繁重任务发回家中的电脑。就连Raspberry Pi也能承担轻量任务、小型本地API或电子墨水状态显示屏。与购买顶级工作站相比，这样可以省下数百到数千美元。

总结：先诊断，再购买

光靠花钱，摆脱不了智能体带来的卡顿。没有进程管理的更大机器，只会给失控的进程更多空间；而一旦后台任务占满内存，打开一个普通应用就可能让整个系统卡死。从这里开始：

1. 检查内存压力、交换内存、存储空间和每个核心的CPU负载。
2. 在停止任何进程之前，先让智能体做一次只读检查。
3. 为每项智能体任务设定明确的终点，繁重任务一次只运行一两个。
4. 调整Docker Desktop、Ollama和LM Studio，并安排定期检查。
5. 如果仍然不够，以24至32GB内存和至少512GB存储为目标，并通过Tailscale把旧电脑变成智能体工作机。