Alex Finn 的本地 AI 机群：本地模型跑全天，前沿模型做复核，人用火箭表情放行

导读

本地模型较慢、能力也不同，怎样把多台设备组织成能持续工作的 Agent 队伍？Alex Finn 按任务时效和风险分工：大内存机器在后台扫描代码、整理公开信息，较强的云端模型再检查可疑位置；当天安全报告里的 374 条发现只是待复核线索。设备通过私有网络连接，Agent 可以帮助安装模型和启动任务，仪表盘则显示机器、模型与排程。软件开发采用构建和复查两个循环，完成后将独立预览发到 Slack，由 Alex 实际测试，再用火箭表情批准合并。他同时运行多套 Agent，遇到更新导致部分系统停摆时，由其他实例接手。选择硬件时，他先看模型内存需求、可接受的等待时间，以及判断出错会带来的影响，再决定哪些工作适合长期放在后台运行。