硬體與模型選擇
透過 Can I Run AI Locally 網站檢查硬體；手機建議 E2B 版本，入門筆電用 E4B，專業開發則選 26B/31B。
別再小看本地 AI！Gemma 4 + LM Studio 讓你的電腦變成超級離線 AI 工作站，而且完全免費 (手機也能使用喔！)
✓ 這篇在你的庫裡
在摘要庫開啟 →
這部在講什麼教學
介紹如何使用 Google 的離線模型 Gemma 4 搭配 LM Studio，在不聯網且完全免費的情況下，將電腦與手機打造成具備視覺、語音、搜尋與程式開發能力的個人 AI 工作站。
適合誰注重隱私且不想支付訂閱費的 AI 使用者。
你會學會本地 AI 模型安裝與配置方法、手機端離線 AI 應用、透過 MCP 擴充 AI 聯網與檔案管理能力。
最值得看12:54 實測 Gemma 高階模型在 VS Code 撰寫程式與除錯的表現。
實作路線
照著做的重點意義優先，時間戳用來導航
LM Studio 核心設置
必須手動調整 Context Length（上下文長度）以處理長文件，並在 System Prompt 設定「強制繁體中文」規則。
行動端離線應用
下載 Google AI Edge Gallery App 可讓手機在無網路環境執行影像翻譯、語音轉文字與旅遊溝通。
MCP 聯網與管理功能
利用 Model Context Protocol 連結 Brave Search 實現聯網搜尋，或授權 AI 管理本地資料夾進行檔案搬移。
本地 AI 程式開發
將 LM Studio 設為本地伺服器，串接 VS Code 的 Continue 插件，實現 100% 隱私的自動化代碼編寫。
看完可以做什麼
安裝 LM Studio 並下載 Gemma E4B 模型，在不開網路的情況下測試其對繁體中文文件的分析能力。需要留意：- 本地 AI 效能取決於顯示卡 VRAM，若模型參數量超過硬體負荷會導致系統極度緩慢。
生成於 2026-07-12
檢舉
觀眾怎麼看
整理 36 則有效留言信心 高觀眾高度肯定教學內容，但對於硬體門檻、模型選擇及操作技術細節有廣泛討論。
觀眾普遍認為教學內容清晰易懂，對於能將AI部署於本地及手機端感到驚艷與實用。
觀眾分享了如Qwen 3.6 35B等替代模型，並討論了顯卡顯存對本地推論效能的關鍵影響。
部分觀眾反映遇到AI回應循環、搜尋功能設定失敗或介面版本差異等技術問題，尋求排除方法。
部分觀眾認為本地部署硬體成本過高，訂閱雲端服務更具經濟效益，與追求離線隱私的觀點產生分歧。
有觀眾指出AI回應中斷時，可透過調整Tokens並下達繼續指令，而非必須重新載入引擎。
留言內容僅代表部分使用者經驗，硬體效能與軟體設定差異可能導致結果不同。