本地 Agent 的完成度，不能只看模型是否启动。工具调用、权限、上下文、记忆和实际任务结果，需要一起验收。本文从方志凡 EVAFANG 的 EVA 本地智能体工作台实践出发，说明这几层各自解决什么问题。
显存是运行条件，任务才是目标
EVA 使用过 24GB 显存环境，围绕工具调用、上下文管理、记忆与编码构建展开。这个数字描述案例条件，并不等于所有模型、上下文长度与并发组合都能流畅运行。
面向苏州及江浙沪的本地 AI 项目，先确定任务：整理办公资料、辅助编码、查询知识库，还是执行受控的工作流。不同任务，对响应速度、准确性和权限的要求并不相同。
工具调用：区分提出动作与完成动作
Agent 调用终端、文件或业务工具时，要明确允许操作的目录、需要确认的动作和失败时的返回方式。生成一条命令，与命令已经成功执行，是两种结果。
工作台应保留执行输出、错误信息与必要的任务记录。修改配置、覆盖文件、发布服务等操作要有清楚范围；远程环境要单独验证身份与权限。
上下文、压缩与记忆的分工
| 层次 | 主要用途 | 容易遗漏的检查 |
|---|---|---|
| 当前上下文 | 支撑正在执行的任务 | 是否还包含目标和约束 |
| 上下文压缩 | 减少历史信息占用 | 关键决定、待办和证据位置是否丢失 |
| 持久记忆 | 保存未来仍有价值的事实 | 旧地址、配置和部署状态是否过时 |
把全部聊天不断追加，并不会自动形成可靠记忆。压缩需要保留关键事实，记忆需要选择和更新。尤其是网络地址、软件版本、部署状态，应在使用前重新核对。
128K 与多 Agent 都需要资源预算
128K 是上下文能力或配置的一部分。实际显存占用、响应速度和稳定性，还取决于模型、量化方式、缓存和并发任务。不能仅凭 24GB 显存推导出所有组合都可用。
多 Agent 适合拆分可以独立验收的工作，例如核对资料与检查代码。角色越多不一定越快；共享文件、汇总结论和解决冲突也会消耗资源。
用真实任务检查交付
可以从三类任务开始：
- 根据一组资料回答问题，并给出对应来源。
- 检查一个项目，解释修改原因，核对产生的改动。
- 执行一条指定构建命令，返回输出、错误信息和结果。
界面、日志与实际产物应互相对应。一次顺畅的演示，不能替代新设备、新资料或新工作流的验收。
留下可继续维护的工作方式
本地 AI 构建的结果，除了程序，还包括可复现的启动方式、明确的资料范围、适当的权限、任务结果与维护入口。这样才方便继续使用和定位问题。
作者：方志凡 · EVAFANG。面向苏州及江浙沪的本地 AI、Agent 与知识库构建实践。
原文与实际界面：EVAFANG 本地 Agent 实践
本文基于作者项目资料，由 AI 辅助整理。
