AMD GAIA 0.17 加入本地 Agent UI

AMD 這次把本地 AI 做得更像產品了。GAIA 0.17 新增 Agent UI，直接跑在 Ryzen AI 硬體上。官方說明很直白：資料留在本機，不走雲端。

這件事看起來小，實際上很有感。很多本地 AI 工具，模型很強，介面卻像終端機展示。GAIA 這次補的是那塊最常被忽略的地方：讓人真的能拿來查文件、找檔案、下指令，而且還能先審核再執行。

GAIA 0.17 到底多了什麼

GAIA 是 AMD 做的本地 AI agent 框架。這版重點不是模型參數，而是使用方式。新加入的 Agent UI 是一個本地 web app，底層用 React、TypeScript，外面包一層 Electron。講白了，就是把原本偏工程味的東西，包成比較像一般人會打開的介面。

功能也很實用。你可以拖文件進去，直接問內容。你可以搜尋資料夾。你也可以讓 agent 幫你跑 shell 指令，但每一步都要先按同意。這種設計很重要，因為本地 agent 一旦能碰檔案系統，就不能再用「先跑再說」的玩法。

AMD 還把一些開發者會在意的數字放出來。像是 token 數、延遲、吞吐量，介面都看得到。很多消費級 AI App 會刻意藏這些資訊，怕你看出它慢、怕你看出它貴。GAIA 反而把這些攤開，這點我覺得蠻對味的。

• 本地文件問答，支援頁級引用
• 工具執行要先審核
• 可搜尋檔案與專案目錄
• 內建 ngrok tunnel，可遠端連回本機
• 保留 session history
• 支援串流輸出，推理過程可即時看到

文件支援也很猛。AMD 說它能處理 53+ 種格式，包含 PDF 和 Word。這代表它不是只會拿幾個 markdown 檔來做 demo。它是真的想碰日常工作流，像合約、報告、技術文件，甚至一堆混雜格式的資料夾。

為什麼本地處理很重要

很多人談 AI，都先談能力。我反而覺得，資料路徑更重要。你的合約、原始碼、內部文件、個人筆記，未必適合丟到雲端 API。只要有一次資料外流疑慮，使用者就會縮手。GAIA 0.17 把整個流程留在本機，這件事本身就有價值。

本地 AI 的另一個好處，是你比較知道資料流向。模型讀了什麼、寫了什麼、執行了什麼，都在自己的機器上。這種透明度，對企業內部測試很重要，對開發者也很重要。因為你不用一直猜，資料到底有沒有被送出去。

工具審核也是重點。agent 可以跑指令、寫檔案、用 MCP 工具，但每次都要經過使用者確認。這不是多一道麻煩，這是底線。你可以接受 AI 幫你整理資料，但不代表你要讓它自己改系統設定。

“The future of AI must be one where users can trust the systems they use.” — Satya Nadella, Microsoft Build 2024 keynote

這句話不是 AMD 說的，但放在這裡很貼。AI 工具現在最缺的，不是口號，是控制。你要的是可預期，不是神祕感。GAIA 0.17 的 UI、審核流程、頁級引用，都是在補這個洞。

還有一個很現實的點。雲端 AI 常常卡在延遲、配額、流量限制。你今天能用，明天可能被限速。你今天回得很快，晚上可能因為伺服器忙就變慢。本地跑在 Ryzen AI PC 上，至少不會被別人的流量拖慢。

和其他本地 AI 工具比起來怎樣

GAIA 0.17 不是單打獨鬥。AMD 同步提到 Lemonade SDK 10.0 和 FastFlowLM 0.9.35。這兩個東西，都是在幫 Ryzen AI NPU 更好地跑 LLM。對 Linux 使用者來說，這比空談 AI 願景更實際。

如果拿它跟雲端 agent 比，GAIA 的優勢很明顯。它不吃網路，也不吃外部服務配額。缺點也很明顯，就是你得自己有相容硬體。這很像把便利性換成控制權。很多開發者其實願意換，尤其是手上有敏感資料的人。

如果拿它跟純本地模型 runner 比，GAIA 又多了 UI 和工具流程。單純的 local runner 常常只解決「能跑」，沒解決「好用」。GAIA 這次補的就是中間那層。它讓你可以查文件、看引用、按批准、看 session。這些都很日常，但很關鍵。

• GAIA：本地 agent 框架與 UI
• Lemonade SDK：AMD 的模型執行軟體層
• FastFlowLM：針對 AMD 硬體的 runtime
• LangChain：常見 agent 工具鏈，但通常還是偏雲端模型整合

數字上也有幾個點值得看。53+ 檔案格式，代表它不是只處理少數常見格式。頁級引用，代表它有把文件檢索做得像樣。再加上內建 ngrok tunnel，表示它不只想讓你本機用，還想讓你手機或另一台電腦也能接上來。這些加起來，才像一個完整工具。

我會把它看成 AMD 的一種策略測試。它不是只說自己的 NPU 很強，而是把硬體、runtime、UI、權限流程一起做。這種做法比較笨，但也比較有效。因為使用者最後買單的，不是規格，是整套能不能順手。

AMD 想把 Ryzen AI 變成平台

AMD 這幾次更新，方向其實很一致。GAIA、Lemonade SDK、FastFlowLM，全都在往本地推理和本地控制靠攏。這代表 AMD 想讓 Ryzen AI 不只是筆電規格表上的一行字，而是能真的接工作流。

對開發者來說，這件事的價值在於可測試。你可以在本機跑文件問答。你可以測工具調用。你可以看 latency，也可以看 token throughput。這些都比單純看行銷頁面更有用。因為最後是你的軟體要不要接這套流程，不是看誰講得比較大聲。

我也覺得，AMD 這次的重點不是「AI 很強」，而是「AI 可以被管」。這句話很土，但很真。能不能批准、能不能追蹤、能不能保留紀錄，這些都比模型名字更接近實際需求。

如果你是 Linux 使用者，或手上剛好有 Ryzen AI PC，GAIA 0.17 很值得試。特別是你常碰 PDF、文件夾、原始碼，或者需要一個能先問再做的本地 agent。它現在看起來還像一個正在長大的工具，但方向已經很清楚了。下一版如果把介面再磨順一點，這套東西就不只是 demo。

接下來我會看什麼

我接下來會盯兩件事。第一，Linux 上的硬體支援會不會再穩一點。第二，UI 會不會把審核流程做得更直覺。這兩件事都很無聊，但也最影響每天會不會打開。

如果 AMD 能把文件處理、工具審核、session 管理做得更穩，GAIA 就有機會變成本地 AI 的實用範本。不是最炫的那種，是最常被打開的那種。說真的，這種工具才真的有機會留在桌面上。

我自己的判斷很簡單：接下來 6 到 12 個月，本地 AI 的競爭不會只看模型大小。會先比誰的 UI 好用，誰的權限流程清楚，誰能讓使用者放心把私人資料放進去。GAIA 0.17 已經把這題丟出來了。

你如果手上有 Ryzen AI 裝置，我會直接建議你試一次。看它能不能真的幫你處理一份文件，或整理一個專案資料夾。這比看簡報有用多了。