我的 AI 使用史
我可能是最早一批 AI 重度用户。2022 年 12 月就买了 ChatGPT Plus，之后几乎尝试了市面上所有主流 AI 工具：Copilot、Cursor、Claude、Perplexity——你叫得上名字的我基本都用过。
每次新的 AI 工具出来，我都会兴奋地试上几天，然后……陷入一种说不清的焦虑。不是担心 AI 会取代我的工作，而是另一个问题：我到底在用我的数据交换什么？
那个让我下定决心的瞬间
去年年底，我们公司接了一个金融行业客户的项目。合同里有一条：所有数据处理必须在合规环境中进行，不得将任何客户数据传输至第三方服务器。
那一刻我突然意识到——我用了两年多的那些 AI 工具，没有一个能满足这个条件。我把自己的代码、文档、思路，毫无保留地喂给了云端，从来没有想过后果。
不是这些工具不好，而是「好用」和「能用」在合规场景下是两回事。
本地 AI 不是妥协
之前我对本地 AI 的印象停留在「模型小、速度慢、智商低」。WaoClaw 彻底改变了这个认知。
首先是速度。因为推理在本地完成，没有网络延迟，响应几乎是即时的——比任何云端服务都快。这在你连续 coding 多轮对话时，体感差异非常明显。
其次是能力。我本以为本地模型只能做基础的代码补全，结果它在我搭建一个微服务架构时给出了非常专业的建议——包括服务拆分策略、消息队列选型、甚至帮我考虑了灰度发布的方案。
第三是成本。ChatGPT Plus 一个月 20 美元，Copilot 再 10 美元，Cursor Pro 再 20 美元——一年下来够买一张不错的显卡了。WaoClaw 免费。这个帐，程序员都会算。
我最看重的三个功能
用了两个月，我认为 WaoClaw 最核心的差异化优势是：
1. 离线能力。上个月出差，飞机上 4 个小时，机上 Wi-Fi 要钱还慢。我在飞机上完整地重构了一个模块。没有网络，AI 照常工作。这个体验，云端 AI 永远给不了。
2. 数据主权。我的代码就是我的代码。不会被用来训练别人的模型，不会出现在某个 dataset 里，不会被竞争对手的提示词「碰巧」命中。这种安心感，是隐私条款里再多承诺都给不了的。
3. 上下文持久化。WaoClaw 记住了我的项目架构、技术栈偏好、甚至用几个空格缩进的代码风格。不用每次对话都重新解释一遍「我们在做什么」。这听起来是小事，但长期使用下来，节省的认知负担非常可观。
我对未来的期望
当然，WaoClaw 不是完美的。本地模型的参数规模受限于硬件，在处理超长上下文或需要极强推理能力的任务时，和 GPT-4 级别还有差距。多模态（图片理解、语音交互）也还在路线图上。
但我愿意等。因为我清楚地知道：在云 AI 的便利和本地 AI 的自主之间，我选择自主。
我删掉了手机上所有的云 AI App。不是因为它们不好，而是因为我觉得——AI 应该属于使用它的人，而不是拥有服务器的人。WaoClaw 让我第一次觉得，这个信念是有可能实现的。