本地运行ai卡皮巴拉需按部署路径匹配硬件：一、gguf量化模型（如phi-4）仅需4核cpu+8gb内存+64gb ssd，支持无gpu运行；二、llama3.2-1b+lora微调需rtx3060级gpu（6gb显存）+16gb内存+128gb nvme；三、pyqt预生成视频方案仅需2核cpu+4gb内存+集成显卡，500mb存储即可离线播放。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望在本地运行AI卡皮巴拉并实现完全离线、可控、隐私安全的使用体验，则需根据其模型运行方式匹配相应硬件资源。以下是满足不同部署路径的硬件配置要求：
一、基于GGUF量化模型（Phi-4 / Qwen2.5-Coder-1.5B）+ Ollama/LM Studio部署
该方案采用轻量级量化模型，对硬件压力最小，适合笔记本或老旧设备运行，依赖CPU推理为主，无需GPU加速。
1、CPU：≥4核x86-64或ARM64架构，主频≥2.0GHz，推荐支持AVX2指令集（可通过cat /proc/cpuinfo | grep avx2验证）；
2、内存：≥8GB DDR4，若同时加载多个工具或运行GUI界面，建议升级至16GB；
3、存储：≥64GB SSD，用于存放GGUF模型文件（通常0.5–1.2GB）、Ollama运行时缓存及日志；
4、系统：Windows 10/11（启用WSL2）、Ubuntu 22.04 LTS 或 macOS 13+；
5、关键提示：Phi-4可在8GB内存+无GPU环境下稳定运行对话与代码生成任务。
二、基于Llama3.2-1B微调卡皮巴拉风格（LoRA适配）
此路径需加载基础大模型并注入卡皮巴拉角色特征，对显存与内存提出更高要求，推荐使用GPU加速以保障响应速度。
1、GPU：NVIDIA显卡，显存≥6GB（如RTX 3060），支持CUDA 11.8+；
2、内存：≥16GB DDR4，模型加载+LoRA权重+上下文缓存合计占用约10–12GB；
3、CPU：≥6核，主频≥2.5GHz，用于数据预处理与调度；
4、存储：≥128GB NVMe SSD，Llama3.2-1B FP16模型约2.1GB，LoRA适配器约150MB，额外预留空间用于训练缓存；
5、关键提示：LoRA微调可在消费级显卡上完成，但推理阶段必须确保GPU显存不被其他进程占用。
三、PyQt封装预生成视频的离线程序
该方案不依赖实时模型推理，而是将已生成的卡皮巴拉语音+动画序列打包为可执行桌面应用，硬件需求极低，侧重图形渲染与播放性能。
1、CPU：≥2核x86-64，主频≥1.8GHz；
2、内存：≥4GB，仅用于运行PyQt主程序与媒体解码器；
3、显卡：集成显卡（如Intel UHD Graphics 620+）即可流畅播放720p MP4/H.264视频；
4、存储：≥500MB可用空间，含可执行文件、音视频资源包与缓存目录；
5、关键提示：此模式完全离线、零网络请求、无后台服务，启动即播，适合教育演示或内网分发场景。
