bot/docs/zh-CN/gateway/local-models.md

read_when, summary, title, x-i18n

read_when	summary	title	x-i18n
你想从自己的 GPU 机器提供模型服务 你正在配置 LM Studio 或 OpenAI 兼容代理 你需要最安全的本地模型指南	在本地 LLM 上运行 HanzoBot（LM Studio、vLLM、LiteLLM、自定义 OpenAI 端点）	本地模型	generated_at model provider source_hash source_path workflow 2026-02-03T07:48:15Z claude-opus-4-5 pi f72b424c3d8986319868dc4c552596bcd599cc79fab5a57c14bf4f0695c39690 gateway/local-models.md 15

本地模型

本地运行是可行的，但 HanzoBot 期望大上下文 + 强大的提示注入防御。小显存会截断上下文并泄露安全性。目标要高：≥2 台满配 Mac Studio 或同等 GPU 配置（约 $30k+）。单张 24 GB GPU 仅适用于较轻的提示，且延迟更高。使用你能运行的最大/完整尺寸模型变体；激进量化或"小型"检查点会增加提示注入风险（参见安全）。

推荐：LM Studio + MiniMax M2.1（Responses API，完整尺寸）

当前最佳本地堆栈。在 LM Studio 中加载 MiniMax M2.1，启用本地服务器（默认 http://127.0.0.1:1234），并使用 Responses API 将推理与最终文本分开。

{
  agents: {
    defaults: {
      model: { primary: "lmstudio/minimax-m2.1-gs32" },
      models: {
        "anthropic/claude-opus-4-5": { alias: "Opus" },
        "lmstudio/minimax-m2.1-gs32": { alias: "Minimax" },
      },
    },
  },
  models: {
    mode: "merge",
    providers: {
      lmstudio: {
        baseUrl: "http://127.0.0.1:1234/v1",
        apiKey: "lmstudio",
        api: "openai-responses",
        models: [
          {
            id: "minimax-m2.1-gs32",
            name: "MiniMax M2.1 GS32",
            reasoning: false,
            input: ["text"],
            cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
            contextWindow: 196608,
            maxTokens: 8192,
          },
        ],
      },
    },
  },
}

设置清单

• 安装 LM Studio：https://lmstudio.ai
• 在 LM Studio 中，下载可用的最大 MiniMax M2.1 构建（避免"小型"/重度量化变体），启动服务器，确认 http://127.0.0.1:1234/v1/models 列出了它。
• 保持模型加载；冷加载会增加启动延迟。
• 如果你的 LM Studio 构建不同，调整 contextWindow/maxTokens。
• 对于 WhatsApp，坚持使用 Responses API，这样只发送最终文本。

即使运行本地模型也要保持托管模型的配置；使用 models.mode: "merge" 以便备用方案保持可用。

混合配置：托管为主，本地备用

{
  agents: {
    defaults: {
      model: {
        primary: "anthropic/claude-sonnet-4-5",
        fallbacks: ["lmstudio/minimax-m2.1-gs32", "anthropic/claude-opus-4-5"],
      },
      models: {
        "anthropic/claude-sonnet-4-5": { alias: "Sonnet" },
        "lmstudio/minimax-m2.1-gs32": { alias: "MiniMax Local" },
        "anthropic/claude-opus-4-5": { alias: "Opus" },
      },
    },
  },
  models: {
    mode: "merge",
    providers: {
      lmstudio: {
        baseUrl: "http://127.0.0.1:1234/v1",
        apiKey: "lmstudio",
        api: "openai-responses",
        models: [
          {
            id: "minimax-m2.1-gs32",
            name: "MiniMax M2.1 GS32",
            reasoning: false,
            input: ["text"],
            cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
            contextWindow: 196608,
            maxTokens: 8192,
          },
        ],
      },
    },
  },
}

本地优先，托管作为安全网

交换主要和备用的顺序；保持相同的 providers 块和 models.mode: "merge"，这样当本地机器宕机时可以回退到 Sonnet 或 Opus。

区域托管/数据路由

• 托管的 MiniMax/Kimi/GLM 变体也存在于 OpenRouter 上，带有区域固定端点（例如，美国托管）。在那里选择区域变体以将流量保持在你选择的管辖区内，同时仍使用 models.mode: "merge" 作为 Anthropic/OpenAI 备用。
• 纯本地仍然是最强的隐私路径；当你需要提供商功能但又想控制数据流时，托管区域路由是折中方案。

其他 OpenAI 兼容本地代理

vLLM、LiteLLM、OAI-proxy 或自定义网关都可以工作，只要它们暴露 OpenAI 风格的 /v1 端点。用你的端点和模型 ID 替换上面的 provider 块：

{
  models: {
    mode: "merge",
    providers: {
      local: {
        baseUrl: "http://127.0.0.1:8000/v1",
        apiKey: "sk-local",
        api: "openai-responses",
        models: [
          {
            id: "my-local-model",
            name: "Local Model",
            reasoning: false,
            input: ["text"],
            cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
            contextWindow: 120000,
            maxTokens: 8192,
          },
        ],
      },
    },
  },
}

保持 models.mode: "merge" 以便托管模型作为备用保持可用。

故障排除

• Gateway 网关能访问代理吗？curl http://127.0.0.1:1234/v1/models。
• LM Studio 模型卸载了？重新加载；冷启动是常见的"卡住"原因。
• 上下文错误？降低 contextWindow 或提高服务器限制。
• 安全：本地模型跳过提供商端过滤器；保持智能体范围窄并开启压缩以限制提示注入的影响范围。