TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
AgenticSeek 開源本地 AI 助手，用顯卡換掉雲端 agent 月費
兩萬七千顆星的 AgenticSeek 把會自己上網寫程式的 AI 助理整套搬進本機，GPL-3.0 開源、查詢紀錄不出門。原始碼顯示「完全本地」是預設路線而非唯一路線：七家雲端供應商打包在內，真正的入場券是 12GB 以上 VRAM 與一套 Docker 技能，自主執行的安全層則是一份指令黑名單。本文拆解路由機制、硬體分級與三張帳單，幫你判斷值不值得架。
用 AI 摘要這篇文章：
在 GitHub 上累積兩萬七千顆星的 AgenticSeek，做的是很多人想過但很少人真的做完的事：把那種會自己上網查資料、自己寫程式、自己把任務拆成步驟執行的雲端 AI 助理，整套搬到你自己的電腦上跑，對話紀錄與檔案不出門。它的自我介紹寫得很直白：完全本地的 Manus 替代品，沒有 API 帳單，只要付電費。專案用 GPL-3.0 授權、純社群維護，到 2026 年 9 月仍有提交與討論在跑，不是那種紅一週就消失的展示品。
先講結論。如果你有一張 12GB 記憶體以上的 NVIDIA 顯卡、看得懂 Docker，而且想讓 AI 直接在你的資料夾裡工作，它值得你花一個週末架起來。但如果你的機器沒有獨立顯卡，或只是想找個裝好就用的 App，現在還不是進場時機：官方自己的分級表寫明小模型會讓規劃功能失敗，退而求其次接雲端 API 之後，「本地隱私」這個賣點也就淡了。接下來以它的原始碼與官方文件為底，把這筆「用顯卡換月費」的交易拆開算給你看。
六種代理的分工，與不動用大模型的路由
AgenticSeek 不是單一模型，是一套自架的代理平台。用 Docker 起來之後，瀏覽器打開本機的網頁介面，你輸入一句話，系統背後有六種分工明確的代理：聊天用的、上網查資料的、寫程式並執行的、操作本機檔案的、把複雜任務拆步驟再指揮其他代理的規劃者，還有專門串接 MCP 工具的一種。寫程式的代理能在 Python、C、Go、Java、Bash 這些直譯器裡真的把程式碼跑起來，上網的代理自己開瀏覽器搜尋、讀頁面、填表單。搜尋不直接打 Google，而是先經過你本機自架的 SearXNG 中繼搜尋，查詢紀錄留在自己家。
最值得拆開看的是它怎麼決定派誰出場，因為這一步完全不用到大模型。原始碼裡的路由器先做語言偵測，把你說的話用本地翻譯模型轉成英文，然後交給兩個小模型：一個判斷任務複雜度，覺得是多重步驟的就把整句話直接交給規劃代理；另一個對任務類型分類，跟一個 BART 零樣本分類模型比信心分數，誰有把握聽誰的。這兩個分類器出廠就預載了兩百多句標註範例，連「幫我做一份台南的旅行規劃」都在清單上，判斷信心不足時寧可交給規劃代理多想一層。這些小模型用 CPU 就推得動。換句話說，宣傳裡的「智慧代理選擇」，實作是一套輕量分類器投票，大模型只負責被派到工作之後的思考。這個設計務實：路由交給小模型，貴的算力留給做事。
任務長什麼樣子，官方給的示例比功能列表具體：用 Python 做一個貪吃蛇遊戲；搜尋法國雷恩市的咖啡廳，挑三家附地址存成文字檔；把某個資料夾裡的 JPG 照片照今天日期改名，再產生一份清單；上網找免費的股票報價 API，註冊一個帳號，寫一支每天抓特斯拉收盤價的腳本存成 CSV。注意這些例子的共同點：任務有明確產物、路徑單一，正是路由分類器最有把握的形狀。文件也提醒得很實際，路由還是早期原型，與其問「你知道哪些國家適合一個人旅行嗎」，不如直說「上網搜尋最適合獨旅的國家」，把意圖講明白，分類器才不會派錯人。
「完全本地」在原始碼裡的實際形狀
它的簡介寫「No APIs」，這句話要照著原始碼讀才準確：完全本地是這個專案的預設路線與設計理念，但雲端同時是一條正式支援、打包在內的備用路線。設定檔範本裡直接留好了七家金鑰欄位，OpenAI、DeepSeek、OpenRouter、Together、Google、Anthropic 之外，連中國的 MiniMax 都有位置；官方文件的供應商對照表同樣把雲端服務列成正式選項。要切換只需要把設定檔裡的 is_local 從 True 改成 False、填上金鑰。文件也講白了：金鑰全部是選填，「對選擇在本機跑模型的人來說，這些欄位留空就好」，而本機路線才是專案的主要目的。
所以精確的說法是兩層：推理可以在你的機器上完成，這部分是真的，語音辨識、翻譯、對話、合成語音都有本地模型可用；但「本地」不等於「零下載」，第一次啟動時，路由用的分類器、翻譯模型、BART 模型都會從 HuggingFace 或模型官網抓下來，佔的是安裝期的頻寬。另外還有一條中間路線給進階玩家：模型放在區網裡另一台強的機器上跑，AgenticSeek 指過去，你的對話一樣不出家門。對已經在用 New API 管理多家模型金鑰、或用 GPT-OSS Playground 在本機跑開源模型的讀者，這套供應商層的邏輯會很熟悉。
順帶校正一個流傳很廣的說法：2025 年的介紹文常寫它「基於 DeepSeek R1」，這不準確。它是模型無關的，DeepSeek R1 只是官方建議的示例之一，底層接 Ollama、LM Studio 或任何相容伺服器都行。官方倒是有立場：提示詞的調校偏向 DeepSeek 這類推理模型，並明說不建議拿 GPT-4o 系列去做網頁瀏覽與任務規劃，Gemini 對格式指令的服從性也會出狀況。選模型時這幾句話比任何排行榜實用。
硬體帳單：官方分級表是入場券價目表
「只付電費」聽起來便宜，但官方 FAQ 的硬體表其實是張價目表。7B 級模型配 8GB 記憶體的組合被官方明確標為不建議：效能差、常產生幻覺，規劃代理大概率先失敗。14B 配 12GB（例如 RTX 3060）是實用下限，簡單任務可以，但網頁瀏覽和跨步驟規劃會喘。32B 配 24GB 以上（RTX 4090 這一級）才對得起「多數任務能成」的承諾，70B 配 48GB 以上則是官方口中的優秀體驗。換算成台灣的市價，舒服地跑它大約是一張二手 3060 與一張 4090 之間的差距，這筆帳比任何雲端月費都更具體。
這也是它與手機端離線 AI（例如之前介紹過的 Google AI Edge Gallery）最本質的差別：跑在手機上的小模型做的是單輪問答與摘要，而代理式工作需要模型反覆讀頁面、寫程式、自我修正，每一步都在吃記憶體。代理平台的「本地」，門檻天生就高。
安裝帳單：四個容器、指定版 Python 與半小時等待
現在的 AgenticSeek 是一個小型平台，不是一支腳本。標準路線用 Docker Compose 一次起四個服務：SearXNG 搜尋、它的 Redis、React 前端、FastAPI 後端，瀏覽器連本機三百號埠的網頁介面。環境指定 Python 3.10.x，官方提醒其他版本容易踩依賴地雷。第一次啟動要把映像檔全部拉下來，官方自述最多三十分鐘，後端起來前還有約五分鐘的暖機。不想用 Docker 的人可以走命令列模式，裝在本機上直接跑，代價是語音輸入這類功能只在命令列模式存在，而且網頁介面就沒了。
對 2025 年就看過介紹文的人，這裡的重量感是新的：當年它的安裝被寫成「過程簡單」，現在是四個容器加模型下載；當年內建的自架模型伺服器現在已被官方標為淘汰，建議改用 Ollama 或 llama.cpp 這類標準伺服器，舊程式碼留著只是為了相容。一年多下來，這個專案從一支有趣的腳本長成了一個要認真對待的自架系統，星數也從一萬二漲到兩萬七，但「輕量」兩個字已經跟它無關。
風險帳單：讓 AI 在自己機器上跑程式之前
代理工具的核心風險在這裡：它會在你面前執行它自己寫的程式碼。AgenticSeek 在 Bash 層準備了一份危險指令黑名單，rm、dd、mkfs、格式化、關機這類指令命中就整批拒絕，連 git 與 brew 都在名單上。但這份名單預設是關著的：要把設定檔裡的 safe_mode 改成開啟才生效，出廠值是 False，也就是說照預設安裝，AI 下的 bash 指令不經這層過濾直接執行。而且名單擋的是指令名稱，不是行為。Python 代理走的另一條路是直接開子行程執行程式碼，沒有這層黑名單，而 Python 本身什麼都做得到。檔案存取被限制在工作目錄內，這一條倒是寫進了路徑解析、越界直接被擋，但它仍然是程式碼層的防線，不是作業系統級的沙箱。
所以務實的防線是三件事：安裝完先把 safe_mode 打開、把工作目錄設在一個弄壞也無所謂的位置、用 Docker 的完整模式讓執行發生在容器裡。另外後端的 API 防護預設也是關閉的，官方設定範本自己寫了重話：把未設權杖的查詢端點暴露到網路上，等同暴露遠端程式碼執行，想掛到區域網路給其他裝置用之前務必先設權杖。這些防線全都存在於設定與程式碼層，作業系統級的沙箱要另外靠容器補上；想清楚這一點，「自主」兩個字的代價才算算完：它自主的程度，就是你交出控制權的程度。
上網會撞牆，而贊助商賣的正是爬牆梯
自主瀏覽聽起來美好，現實是網站會還手。倉庫裡直接打包了一個反驗證碼的瀏覽器擴充功能，瀏覽代理另有反偵測模式可開（同樣預設關閉），文件也標明表單填寫還在實驗階段；開放的 issue 裡看得到 SearXNG 多引擎驗證碼與錯誤的老問題。更有意思的是 README 的贊助商版面：三家贊助商裡兩家賣住宅代理 IP、一家賣搜尋結果 API，文案直接寫著代理能幫 AI 代理從不同位置可靠地存取網站。專案頂端聲明零資金零路線圖，底部卻是精準打中自身痛點的贊助組合，這個對照本身就是對「自主上網」現實難度的誠實註腳。期待值請設在「能查資料、能整理」，而不是「什麼網站都進得去」。
活躍度、授權與記憶的現況
幾個投資前的基本面。授權是 GPL-3.0，商用要連帶開放你改過的原始碼，拿去做內部工具沒問題，包成閉源產品就有義務要讀清楚。維護體質健康：主分支 2026 年 9 月仍有提交進站，不過近期以文件更新為主，上一波實際的程式修正落在 8 月上旬；有安全通報管道與十八個自動化測試檔，社群在 Discord 與 issue 都活著。代價是它沒有正式版號，拉最新主分支等於接受最新也最未知的狀態。語音功能有個在地限制要先講：語音輸入目前只在命令列模式作用、而且官方明講只支援英文，中文語音操控暫時別指望。用英文玩的話體驗有點科幻：助理的名字就是喚醒詞，預設叫 Jarvis，改成 Friday 也行，叫醒它說完需求，還要補一句「go ahead」或「please」這類確認語氣它才動手，防止把閒聊當指令。對話紀錄存在本機的文字檔裡，可以恢復上一次對話，但跨對話的長期記憶還在 issue 上排隊等作。官方提供了八種語言的說明文件，繁中版存在，不過用詞是簡轉繁等級，遇到語感怪的地方以英文版為準。
適合誰，與裝下去之前的三個確認
它適合的讀者輪廓很具體：有 12GB 以上記憶體的 NVIDIA 顯卡、不怕看設定檔、想讓 AI 直接在自己電腦的檔案與終端機上幹活的開發者。特別是那種「幫我把這個資料夾的照片照日期改名再列清單」「上網比價然後把結果存成試算表」的需求，正是這類工具的主場。反之，想找 Notion AI 或 ChatGPT 那種開箱即用體驗的人，維護一套四容器的平台會是負擔；手邊只有文書等級電腦的人，現階段的它與你無緣。
動手之前有三個不用花錢的確認。看官方 FAQ 的硬體表，對照自己顯卡的記憶體落在哪一級，這決定你的體驗是「堪用」還是「舒服」。看一下 Ollama 在你的機器上跑 14B 模型的速度與佔用，那是整個系統的心跳。最後進它的 Discord 或 issue 列表翻幾則最近的討論，看看社群現在吵的問題你能不能接受。三關都過，再來談那三十分鐘的映像檔下載，這筆交易的風險就已經被你降到最低了。
