与Netflix、Spotify或Apple Music等“支付月费即可无限使用”的订阅服务不同，AI订阅的逻辑截然不同。即便每月支付20美元甚至100美元，用户仍可能收到“您已达到使用上限”的提示。讽刺的是，AI或许是最昂贵的订阅服务之一，却是少数付费后仍可能被拒之门外的产品。这也成为作者逐渐不再将ChatGPT、Claude和Gemini用于处理琐碎任务的主要原因。
为避免浪费有限的额度执行仅触及工具能力边缘的任务，作者开始将这些工作交由运行在本地设备上的大型语言模型（LLM）处理。
反思对云端AI的过度依赖
曾几何时，搜索信息是一种本能。如今，AI聊天机器人正缓慢取代搜索引擎的地位。相比输入问题并浏览搜索结果，直接向ChatGPT、Claude或Gemini提问更为便捷。这种依赖已深入日常，甚至有人让AI评判穿搭。
问题在于，无论请求复杂与否，每次调用均消耗额度。除额度限制带来的挫败感外，云端AI的环境影响亦不容忽视。运行强大模型需要巨大算力，数据中心不仅消耗大量电力，还需用水冷却。随着需求增长，基础设施不断扩张。虽然无需完全停止使用云端AI，但值得反思：是否每件琐事都需发送至半个地球之外的大型数据中心？
审视场景：积少成多的替代方案
对于非文字工作者，AI写作辅助已成常态。人们求助于AI的任务大致分两类：一类是需要网络调研、事实核查及构建结构的完整文章创作，此类任务确能体现云端模型优势；另一类则简单得多，如改写拗口句子、修正语法、提升邮件专业度或精简段落。
后者无需深入调研或复杂推理。事实上，作者已用本地LLM替代Grammarly数月。在学生场景中，除了利用NotebookLM等工具深度学习，基础定义查询、术语解释或寻求示例等任务，较小的本地LLM往往足以胜任，无需动用云端模型的高阶推理能力。
在自动化任务方面，作者曾通过Claude技能实现截图自动重命名，现已被替换为在Mac上本地运行的Gemma 4脚本。效果相同，且不再依赖云端模型或消耗额度。
本地AI部署并不复杂
尽管希望用本地LLM处理更复杂任务，但受限于8GB内存的MacBook，作者目前仅将琐事外包给本地模型。经尝试多款适合该硬件的本地LLM后，最终选择Gemma 4。其轻量级变体运行流畅，不拖慢其他程序，且具备处理日常任务的能力。
移动端体验同样出色。作者可在手机上轻松打开Google AI Edge Gallery，在无网络连接的情况下提出问题，既无额度焦虑，也带来了极大便利。