隐私优先的产品哲学
传统网页版 AI 助手的对话要上传到厂商服务器处理，而 Jan 把推理过程整个搬到你的 CPU/GPU 上：输入的草稿、合同片段、私人问题不出本机。对处理敏感材料的用户来说，「数据物理隔离」比任何隐私条款都更直接。
Open-source · Local-first LLM Client
Jan：把大语言模型搬回自己电脑的开源客户端
开源项目100% 本地离线运行兼容 OpenAI 接口Windows / macOS / Linux数据留在本机
Jan 是什么？一句话说：一个开源的桌面端大语言模型客户端，由 janhq 团队开发并在 GitHub 上开放源码，主打「在你的设备上 100% 离线运行」——模型文件、对话记录全部存在本机，断网也能继续聊[2]。你可以把它理解成「装在电脑里的私有 ChatGPT 外壳」：壳是自己的，脑子（模型）也是自己下载的，中间不经过任何人的服务器[1]。
理念篇「本地运行」到底意味着什么
离线可用，网络不再是依赖
模型一旦下载到本地，聊天推理就不再需要联网。飞机上、内网环境里、或者单纯不想被网络波动打断工作流时，它都照常工作。订阅费、限流、账号风控这些云服务的烦恼也随之消失。
开源带来的可验证性
源码托管在 GitHub，代码怎么处理数据、往哪里发请求都是公开可见的，社区可以审查也可以自行构建[2]。「隐私」从一句承诺变成了一件可以被检验的事。
能力篇三张能力卡：模型、接口、跨平台
模型管理：像装 App 一样装模型
内置模型中心可以直接浏览、下载常见的开源权重，社区通行的是 GGUF 这类为本地推理设计的量化格式[6]。同一个界面里能管理多个模型，按任务切换。
本地 API：一个隐藏的「私有云」
Jan 内置了本地 API 服务，开启后会提供兼容 OpenAI Chat Completions 格式的 HTTP 接口[3]。原本对接 OpenAI 的脚本、插件、笔记工具，把地址指到本机就能复用，这是它区别于纯聊天窗口的关键。
云端补充：一个界面管两套大脑
遇到本机跑不动的重活，也可以在设置里接入 OpenAI 等远程模型服务，本地与云端模型收在同一个对话界面里切换[3]。隐私敏感的任务走本地，质量优先的任务走云端，选择权在你。
对照篇Jan、Ollama、LM Studio 怎么选
| 对比维度 | Jan | Ollama | LM Studio |
|---|---|---|---|
| 形态定位 | 开源完整桌面客户端，图形界面 + 内置本地 API | 以命令行为核心的本地模型运行器，开发者味浓 | 闭源的图形界面客户端，模型发现体验细致 |
| 上手门槛 | 装完点开就用，适合不想碰终端的用户 | 需要习惯命令行；配合前端组件则很灵活 | 同样开箱即用，向导式下载体验友好 |
| 开放程度 | 源码公开在 GitHub，社区可审计、可参与[2] | 同样开源，服务器与容器场景生态庞大[4] | 个人免费使用但闭源，代码不可自行审查[5] |
| 适合谁 | 看重隐私、想兼顾 GUI 与 API 的日常用户 | 爱折腾终端、要在服务器侧部署的技术玩家 | 追求精致下载与调参体验的 Mac/PC 用户 |
| 共存建议 | 三者并不互斥：不少用户的组合是「Ollama 跑后台服务 + Jan/LM Studio 当日常聊天面板」，按场景混用即可 | ||
上手篇五步跑通第一段本地对话
2
在模型中心挑一个合适的起点
新手建议从小参数量的量化模型起步，对内存和显存的压力最小；配置宽裕再逐步尝试更大的模型。各模型的许可证不同，商用前记得核对授权条款。
3
等待下载，然后新建对话线程
模型文件普遍有几个 GB，第一次下载需要些耐心；完成后新建线程即可开始完全离线的对话，界面上可以随时切换已安装的其他模型。
4
按需微调推理参数
上下文长度、温度等参数都能在设置里调整：写长文就把上下文调大，求稳定输出就压低温度。不确定怎么设就先用默认值，够用再动。
5
打开本地 API 服务，接入你的工作流
在设置中启用本地服务器后，Jan 会提供一个兼容 OpenAI 格式的接口地址[3]；把第三方应用的 Base URL 改成这个地址，就能让它们调用你本地的模型。
动手前先看这三行提醒
① 硬件是硬约束：几个 GB 内存的旧机器只适合最小的量化模型，别拿它硬刚大参数模型；② 首次下载模型体积不小，建议在网络稳定时进行；③ 「本地运行」解决的是技术路径问题，公司设备上的使用仍要遵守所在组织的合规规定。
答疑篇关于 Jan 的常见问题
Jan 是免费的吗？
它是开源项目，桌面应用可以免费下载使用，源码在 GitHub 公开；至于各个模型的授权，取决于上游权重各自的许可证，商用前请自行确认。
完全断网的情况下能用吗？
可以。模型下载到本地之后，聊天推理全程在本机完成，不需要联网；只有下载新模型或使用远程云端模型服务时才需要网络。
需要多强的电脑配置？
取决于你选的模型规模：小参数量化模型普通办公笔记本就能带动，更大的模型则需要更多内存或独立显卡显存。建议从小模型试起，逐步升级，详细要求以官方文档为准。
它如何和我现有的软件集成？
启用内置本地 API 服务后，Jan 会提供一个兼容 OpenAI Chat Completions 格式的接口；凡是支持自定义 OpenAI 接口地址的工具，改成指向本机即可接入。
Jan 和 Ollama 应该怎么选？
偏好图形界面、希望开箱即用并顺带获得本地 API 的日常用户会更容易上手 Jan；习惯命令行、需要在服务器或容器里部署的玩家则更适合 Ollama。两者可以并存互补。
我的对话数据会被上传吗？
产品设计中对话记录与模型文件都保存在本机目录；但如果你主动接入了 OpenAI 等远程模型服务，那部分请求的数据自然会经过对应服务商，两种模式的边界需要在设置里分清。
SOURCES参考资料
- 来源：Jan 官方网站（产品介绍与下载入口） https://jan.ai
- 来源：GitHub 开源仓库 janhq/jan https://github.com/janhq/jan
- 来源：Jan 官方文档（本地 API 服务与设置说明） https://jan.ai/docs
- 来源：Ollama 官网（对照信息：命令行本地模型运行器） https://ollama.com
- 来源：LM Studio 官网（对照信息：闭源本地 LLM 图形客户端） https://lmstudio.ai
- 来源：Hugging Face 文档：GGUF 格式说明 https://huggingface.co/docs/hub/gguf