OpenJarvis 发布 1.0：把个人 AI 助手真正跑在自己硬件上

作者

最近看到 Stanford Hazy Research 和 Scaling Intelligence 实验室发布了 OpenJarvis 的 1.0 版本。这是一个开源框架，用来在本地硬件上跑个人 AI 助手，并且内置了对 Ollama 的支持。

类似的”个人 AI 助手”概念最近出了不少，但 OpenJarvis 有一个设计思路让我觉得比较对路：「local-first，云端是可选项」，而不是反过来。

它和别的有什么区别？

当前大多数个人 AI 产品默认把所有请求发到云端。OpenJarvis 的出发点不同：模型在本地跑，云端只在需要时才介入。它出自 Stanford 的”Intelligence Per Watt”研究方向，关注的不只是模型精度，还包括能耗、延迟、成本这些实际落地时会碰到的指标。

对折腾本地 AI 的人来说，这几个点比较实际：

  • 不强制联网。日常聊天、问答、文件搜索全在本地完成。网络不是前置条件。
  • 和 Ollama 深度打通。安装脚本会自动检测已有的 Ollama 安装，不用手动配 API 地址。
  • 内置预设 agent。不需要从零搭 agent 框架，它直接带了几个开箱即用的预设：早晨简报、深度研究、本地编程助手。

上手大概什么样

前提是已经装了 Ollama。然后一行命令安装：

curl -fsSL https://open-jarvis.github.io/OpenJarvis/install.sh | bash

安装完成后 jarvis 命令就可以用了。安装脚本会拉一个入门模型让你直接跑起来，也可以自己指定：

jarvis model pull qwen3.5:35b
jarvis ask -m qwen3.5:35b "你的问题"

默认模型写到 ~/.openjarvis/config.toml 就行：

[intelligence]
default_model = "qwen3.5:35b"
preferred_engine = "ollama"

Windows 用户在 WSL2 里跑，或者直接装桌面版。

三个预设 agent 能做什么

安装完并不是一个空框架。jarvis init --preset 可以选择预设，每个预设把引擎和工具都打包好了：

早晨简报（morning-digest-mac）：读取日历、邮件和当天新闻，生成一份简报。适合每天早上跑一下。

深度研究（deep-research）：可以索引本地文件目录，然后用自然语言跨文件和网络做搜索，返回带引用的回答。

本地编程助手（code-assistant）：在本地写 Python 代码并执行。相当于一个本地代码 agent，不用把代码传到任何云端服务。

举个实际例子，假设你想整理项目文档：

jarvis init --preset deep-research
jarvis memory index ./docs/
jarvis ask "总结所有和 Project X 相关的邮件"

值得关注但别期望太高的事

  1. 这是 1.0 版本。框架刚发布，生态还在早期。预设 agent 在当前阶段更多是”能跑通”而非”成熟稳定”。深度研究那个预设对文件量大的场景可能比较慢。
  2. 本地模型能力决定上限。OpenJarvis 本身是调度层，真正干活的是底下的模型。跑 Qwen 3.5 35B 和跑一个 7B 小模型，agent 的表现会有本质区别。
  3. 依赖 Ollama 作为推理引擎。如果你已经在用 Ollama，集成体验会很顺；如果你用的是 LM Studio 或其他推理后端，目前还不支持。
  4. macOS/Linux 优先。Windows 要走 WSL2 路径，没有原生 Windows 支持。

我的判断

OpenJarvis 是那种”方向对了但还需要时间”的项目。它的价值不在于功能多全，而在于把 local-first 这个理念做成了能跑的东西，并且给了几个看得见摸得着的 agent 预设。对已经在跑 Ollama 的人，花半小时装上试试不会有损失。但如果期望它马上替代现在的 AI 工作流，可能要失望——1.0 更多是验证路线，不是打包所有功能。

我会继续关注它的更新。如果后面深度研究那个预设变得好用，写文章和研究类任务也许能省不少事。

来源：Ollama Blog — OpenJarvis: a local-first personal AI is now available to run with Ollama（2026-05-28）
GitHub：https://github.com/open-jarvis/OpenJarvis

发表评论