北京
为什么一个人要把大语言模型塞进自己的笔记本电脑里，而不是直接调个云 API？
来自西班牙卡斯特利翁-德拉普拉纳的 Ignicion 给出了他的答案：他不想把数据交给任何人。这位自嘲“搞砸的东西远比成功的多”的开发者，正在实践一条完全不依赖云端的 AI 路线——模型跑在本机，工具全部本地化，连网页审计报告都不离开硬盘。
他的 GitHub 仓库里已经攒下好几个项目。Orchestrator‑X 是一个用本地 AI 分析网页并生成技术审计报告的 SaaS 工具，主打“不传输任何数据到外部”。NexusStudio 是集成 AI 的桌面矢量设计编辑器，同样把推理留在本地。生态套件 Awesome‑IgniSky 用来和 AI 智能体配合，而 AssetShrink 专门解决图片素材批量瘦身的体力活——他说“手动压缩 100 张 PNG 根本不是人干的事”。
技术栈上，Ignicion 不是单一语言的拥趸，他选工具的原则是“什么问题配什么兵器”。所有操作都在 Linux 上完成，本地 LLM 通过 Ollama 和 LM Studio 调用，隐私优先级排在第一位。
在 dev.to 写下第一篇帖子时，他解释了自己沉默多年后决定出声的原因：他发觉“向别人解释某件事，是让自己真正理解它的最好办法”。因此他不打算写什么“10 个让你成为更好程序员的小贴士”，而是准备分享真实的实验、实打实的翻车记录——比如一条摆错位置的 rm -rf 命令带来的教训——以及他日常使用的本地 AI 工具链。
他还特意强调，以后会坚持用西班牙语生产内容，因为“高质量的西语技术资料实在太少了”。这种朴素动机与他对 AI 趋势的思考如出一辙：不制造噪音，不贩卖焦虑，只谈自己亲手跑出来的结果。
Ignicion 把 dev.to 视作聊天角，把刚上线的 IgnicionDev RESEARCH LAB 博客当成深度技术长文的阵地。两边互补，一边轻量互动，一边深入拆解。他邀请读到最后的开发者在评论区打个招呼，聊聊自己正在做的东西，顺便表个态：你是站本地 LLM 这一边，还是更习惯直接调 API？
临了不忘补一句：如果哪天他发的东西错得离谱，请一定当面指出。“因为进步是改出来的，不是把错误藏起来就能学的。”
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
