Skip to main content
PromptQuorumBuilt for humans. Structured for AI.

关于 PromptQuorum

开放权重与开源 AI 指南。

(通俗地说:在自己的电脑上免费运行一个 AI 模型)

PromptQuorum 帮你在自己的硬件上私密地运行 AI,而不是向云服务商租用:一个收录 227 款本地 AI 应用的目录、一个涵盖九种语言、共 793 篇文章的知识库,以及一款可以让多个模型并排比较的免费应用。

开放权重与开源模型很容易下载,但该用哪个应用、你的硬件能否运行、又该如何配置,仍然是难题。PromptQuorum 填补的正是这一空白。

"开放权重"(open-weight)是指训练好的模型文件本身——而不只是周边代码——可以自由下载并在任何地方运行,这与 GPT、Gemini 等只能在厂商自己服务器上运行的闭源模型不同。 开放权重 vs 开源,一文说清

从模型到应用:开放 AI 的三次浪潮

开放权重与开源 AI 的发展经历了三次浪潮,每一次都解决了一个问题,也带出了下一个问题。

  1. 第一波

    模型

    让 AI 可以下载。

    开放权重与开源模型(Llama、Qwen、Mistral、Gemma、DeepSeek 等数百种)已经从研究成果变成任何人都能下载的文件,Hugging Face 就是它们的聚集地。

    问题在于: 模型文件本身无法回答问题。

  2. 第二波

    运行环境

    让模型可以运行。

    Ollama、LM Studio 和 llama.cpp 把下载好的文件变成了在你自己电脑上运行的模型:输入提示词,即可获得答案。

    问题在于: 使用方式仍然局限:对大多数人来说,这只是一个聊天窗口,很多人也就止步于此。

  3. 第三波

    应用

    让本地 AI 真正有用。

    构建在其之上的应用:与你的文档对话、在编辑器里编程、运行智能体、语音转录与合成、生成图像和视频、实现家居自动化。它们可以直接调用模型,也可以通过 Ollama、LM Studio 等接口调用。

    问题在于: 这类应用有成百上千个,散落在 GitHub 的 README、Discord 讨论帖和更新日志里,大多是英文写就,而且很快就会过时。

    这正是 PromptQuorum 发挥作用的地方

模型是引擎,运行环境负责启动引擎,应用才是人们真正驾驶的部分。PromptQuorum 就是第三次浪潮的地图、说明书和试驾体验。

为什么选择本地:我们的信念

互联网应该是开放的,AI 也应该开放。

互联网之所以变得有用,是因为任何人都可以在上面发布内容,任何人都可以阅读,而且没有哪一家公司能决定你可以做什么。AI 正处在同样的分岔路口:它既可以是从少数几家供应商那里租用的东西,也可以是你自己拥有并运行的东西。 我们相信,本地 AI 是更好的选择 ——这对于大多数长期重要的用途而言都成立:花费多少、由谁掌控、谁能看到你的数据,以及明年它是否依然存在。

  • 本地模型是开放的。 你可以下载权重文件,并在自己的硬件上运行。没有人需要批准你的提示词,也没有人夹在你和模型之间。

  • 成本始终由你掌控。 一旦模型在你自己的电脑上运行,就不再有计量收费、按 token 计费的账单,也不会有你没同意过的涨价。硬件就是成本,花多少钱由你决定。

  • 它不会被夺走。 云端模型可能一夜之间被修改、限制、涨价或下线。而你已经下载的模型,只要文件还在,就会一直以同样的方式运行下去。

  • 你的数据始终留在你手中。 当应用和模型都在本地运行时,你的提示词和文档永远不会离开你的电脑。

  • 独立自主才是关键。 本地 AI 不只是更便宜的替代方案,更是一种不必依赖他人条款、服务器或决定的方式。

摆脱受制于人,是这个网站上所有内容的共同主题:这也是为什么目录保持中立、每个条目都链接到官方来源、以及我们用九种语言发布内容的原因。

我们并不认为云端 AI 不好。我们相信,你应该拥有真正的选择权,而选择本地 AI 应该和选择云端 AI 一样简单。

一个生态系统,四个协同运作的部分

PromptQuorum 不只是一款应用,也不只是一个目录,而是围绕同一个目标构建的四个部分,让你无需离开这个网站,就能从“我该运行什么?”一路走到实际可用的配置。

查找

本地 AI 目录

可检索、结构化的本地 AI 软件地图。

和用自由文本堆出来的"最佳 AI 应用"榜单不同,这里的 227 款本地 AI 应用——分布在 7 个分组、35 个类别中——全部使用同一套结构化字段描述:功能、支持平台、许可证、价格和硬件需求,并附有官方网站链接。正是这种统一结构让条目之间可以互相比较,也支撑了硬件匹配功能:设置一次硬件配置,每款应用都会显示在你的电脑上能流畅运行、勉强运行,还是无法运行。

与其他部分的联动: 各条目会链接到对应的 PromptQuorum 评测和使用指南(如果已有的话)。

打开目录 →
学习

知识库

每一条推荐背后的操作指南库。

793 篇文章:涵盖硬件(VRAM、Apple Silicon、GPU、纯 CPU 方案)、软件、模型、量化、RAG、智能体、语音、提示词工程,以及完整本地 AI 技术栈的指南、评测与对比。面向想要一套真正能用的方案的人,而不是理论说教。

与其他部分的联动: 评测和对比文章会链接回它们所涉及的目录条目。

阅读指南 →
使用

PromptQuorum 应用

并排比较多个模型的回答。

一款免费的多模型应用,目前处于测试阶段。将同一条提示词发送给多个模型(包括本地模型),查看它们的回答在哪些地方一致、哪些地方相互矛盾。意见一致是一个有用的信号,但并非证明。你使用自己的密钥和模型。你发送的内容不会经过任何 PromptQuorum 服务器,应用本身也不会向我们回传任何数据。这也是 PromptQuorum 最初的起点。

与其他部分的联动: 它连接 Ollama 和 LM Studio(两者均已收录在目录中),让本地模型与云端模型并列呈现。

关于这款应用 →
询问

MCP 服务器

让你自己的 AI 助手直接查询 PromptQuorum。

面向 Model Context Protocol 的公开只读服务器。Claude、Cursor 以及任何支持 MCP 的助手都可以借此搜索目录、获取应用详情、阅读指南并解释许可证。无需账号,也无需 API 密钥。这样一来,当你的 AI 回答有关本地 AI 的问题时,就能引用 PromptQuorum 的内容,而不是凭空猜测。

与其他部分的联动: 它读取的目录和指南与本网站完全相同,因此你的助手所依据的信息来源与你自己看到的一致。

查看连接方法 →

实际使用流程

假设你有 16 GB RAM,想要离线与自己的 PDF 文档对话。

  1. 1

    查找. 在目录中设置你的硬件配置,选择“与文档对话”这一使用场景,每款应用都会显示它能否在你的电脑上流畅运行。

  2. 2

    学习. 打开你中意的应用的评测,以及它所需运行环境(例如 Ollama 或 LM Studio)的使用指南。

  3. 3

    使用. 用本地模型运行它。如果你想看看不同模型如何回答同一个问题,可以使用 PromptQuorum 应用。

  4. 4

    询问. 或者跳过这些浏览步骤,直接连接 MCP 服务器,把同样的问题交给你自己的 AI 助手。

从目标出发,而不是从产品名称出发

你不需要事先知道“llama.cpp”或“Open WebUI”这些名字的存在,也能找到它们。从你想做的事情开始:

如果你符合以下情况,PromptQuorum 就是为你准备的……

  • 你安装了 Ollama 或 LM Studio,聊了一段时间后,开始好奇还能用它做什么。

  • 你想要私密、可离线使用、不需要再订阅一个服务的 AI。

  • 你正在挑选本地 AI 软件,希望在同一个地方看到所有选项的统一信息。

  • 你开发或维护一款本地 AI 工具,希望它有一个准确的条目。

  • 你使用英语以外的语言阅读,对只有英文版的安装指南感到厌倦。

  • 你希望自己的 AI 助手能依据一个持续维护的信息来源,回答有关本地 AI 的问题。

如果你符合以下情况,它可能就不适合你……

你只需要一个托管的聊天机器人,不在乎它在哪里运行。云端 AI 是很好的工具,我们只是专注于另一条路径。

中立是设计原则

参考资料只有在值得信赖时才有用。以下规则适用于每一个页面:

  • 编辑独立,而非付费。 目录中的收录与排序靠实力赢得,任何公司都无法花钱买到更靠前的位置。

  • 每个条目格式统一。 一个人独立维护的项目,与获得风投支持的项目,页面结构完全相同。

  • 始终链接官方来源。 每个条目都链接到该工具自己的官方网站。

  • 评测状态公开透明。 每个条目都有一个 PromptQuorum 评测板块。如果尚未评测,页面会明确标注“尚未评测”,而不是掩盖这一空白。

  • 创始人提供的信息会被标注。 当工具的开发者补充说明时,页面会清楚标明这是由开发者提供的内容。

  • 欢迎指正。 目录中的数据可能会过时。任何人,尤其是开发者本人,都可以通过 hello@promptquorum.com 报告错误。

  • 收录标准公开透明。 我们收录的都是拥有正规官网、且在过去六个月内有更新的真实应用,重点关注本地 LLM 使用场景。

从一开始就支持九种语言

本地 AI 是一场全球性的浪潮,但与之相关的大多数信息都只有英文版本。PromptQuorum 用九种语言发布内容:

这意味着无论是在圣保罗、首尔还是利雅得,人们都能用自己的语言,找到同样结构清晰的答案。

这不是事后补上的翻译。大多数关于本地 AI 的知识都是先用英文写成,其他语言即便有,也往往是后来才补上的——这恰恰把最能从在自己硬件上运行模型中受益的人排除在外。我们认为,AI 应该是属于全世界的技术,而不是一项让全世界去适应的英语技术,因此每一篇文章从一开始就以读者自己的语言发布。

在你的 AI 中使用 PromptQuorum

PromptQuorum 是首个发布公开、无需身份验证 MCP 端点的 AI 应用目录。只需连接一次,任何兼容 MCP 的助手——Claude、ChatGPT、Cursor 等——都能直接在你的对话中查询 PromptQuorum 的应用数据库、许可证信息和文章内容,无需在多个标签页之间来回复制粘贴。

这些数据不只是被读取,而是成为你的助手可以进行推理的输入。它会把 PromptQuorum 返回的内容,与自身知识、对话中的其他文件以及正在进行的网络搜索结合起来,在同一个回答里给出结果。具体来说,你可以:

举个例子:问"哪些本地 AI 应用能在 16 GB 内存下运行,并且可以跟 PDF 对话?",你的助手会直接查询 PromptQuorum 的目录和知识库,然后给出具体的应用名称,附带许可证和硬件适配情况——而不是凭可能已经过时的训练数据去猜测。

  • 无需离开对话,直接比较 PromptQuorum 评测过的应用,并继续追问细节
  • 对照你的使用场景核实工具的许可证,数据直接引用自 PromptQuorum
  • 将 PromptQuorum 的硬件要求,与你自己的配置或上传的文档进行比对
  • 把 PromptQuorum 的目录数据,融入助手正在进行的更广泛的网络调研中

只需将 PromptQuorum 连接到你的助手一次,它就能替你查找信息。

MCP 端点:
https://www.promptquorum.com/api/mcp (公开、只读、无需身份验证)
{
  "mcpServers": {
    "promptquorum": {
      "url": "https://www.promptquorum.com/api/mcp"
    }
  }
}

可用工具: search_promptquorum, get_article, list_clusters, get_app_details, explain_license, search_apps, list_categories

完整的 MCP 配置指南 →

由谁打造

Hans Küpper,PromptQuorum 创始人

Hans Küpper

PromptQuorum 创始人

PromptQuorum 最初是一款多模型应用。Hans 之所以开发它,是因为单一 AI 给出的答案很难验证。向多个模型提出同一个问题,至少可以看出它们在哪里达成一致、在哪里出现分歧。

在开发这款应用的过程中,一个更大的空白浮现出来:想要可靠、私密 AI 的人,却没有一份值得信赖的本地 AI 世界地图。于是这款应用逐渐发展成了一个生态系统,目录、知识库和 MCP 服务器都指向同一个目标。

隐私与用户掌控权,是不容妥协的设计原则。

独立运营,总部位于德国。拥有 30 多年咨询与综合管理经验,足迹遍及 20 多个国家。

未来的方向

AI 的运行方式正在改变:从纯云端,转向云端、本地、混合与边缘并存的格局。PromptQuorum 正是为这一转变而打造。路线图包括:

  • 创始人认证: 工具开发者可以确认并补充自己的条目内容。

  • 全站硬件感知: 你的硬件配置将在每一个提到该工具的页面上显示兼容性,而不仅仅是在目录页面中。

  • 精选视频: 为每款应用附上最佳的实操演示视频。

  • 云端 ↔ 本地配对: 为每个云服务标注对应的本地替代方案,反之亦然。

目标是:无论是人还是 AI,当他们问出“我该如何使用开放权重与开源 AI?”这个问题时,PromptQuorum 都会是他们可以信赖的答案来源。

参与其中

Discuss this page with an AI

  1. 1. Click your AI. The briefing is copied and the AI opens in a new tab.
  2. 2. In its chat box, paste with Ctrl+V (⌘+V on Mac) — or attach the downloaded file.
  3. 3. Send. The AI will ask what you want to discuss.