[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-amd-gaia-017-local-agent-ui-zh":3,"tags-amd-gaia-017-local-agent-ui-zh":35,"related-lang-amd-gaia-017-local-agent-ui-zh":50,"related-posts-amd-gaia-017-local-agent-ui-zh":54,"series-tools-926a83d4-e631-48ce-a446-ae5e85ca48ae":91},{"id":4,"title":5,"content":6,"summary":7,"source":8,"source_url":9,"author":10,"image_url":11,"keywords":12,"language":23,"translated_content":10,"views":24,"is_premium":25,"created_at":26,"updated_at":26,"cover_image":11,"published_at":27,"rewrite_status":28,"rewrite_error":10,"rewritten_from_id":29,"slug":30,"category":31,"related_article_id":32,"status":33,"google_indexed_at":34,"x_posted_at":10,"tweet_text":10,"title_rewritten_at":10,"title_original":10,"key_takeaways":10,"topic_cluster_id":10,"embedding":10,"is_canonical_seed":25},"926a83d4-e631-48ce-a446-ae5e85ca48ae","AMD GAIA 0.17 加入本地 Agent UI","\u003Cp>\u003Ca href=\"https:\u002F\u002Fwww.amd.com\u002F\" target=\"_blank\" rel=\"noopener\">AMD\u003C\u002Fa> 這次把本地 AI 做得更像產品了。\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Famd\u002Fgaia\" target=\"_blank\" rel=\"noopener\">GAIA\u003C\u002Fa> 0.17 新增 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Famd\u002Fgaia\" target=\"_blank\" rel=\"noopener\">Agent UI\u003C\u002Fa>，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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Ch2>GAIA 0.17 到底多了什麼\u003C\u002Fh2>\u003Cp>GAIA 是 AMD 做的本地 AI a\u003Ca href=\"\u002Fnews\u002Fgoogle-cloud-cx-agent-studio-mcp-server-zh\">gent\u003C\u002Fa> 框架。這版重點不是模型參數，而是使用方式。新加入的 \u003Ca href=\"\u002Fnews\u002Fwhat-ai-agents-are-how-they-work-zh\">Agen\u003C\u002Fa>t UI 是一個本地 web app，底層用 \u003Ca href=\"https:\u002F\u002Freact.dev\u002F\" target=\"_blank\" rel=\"noopener\">React\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.typescriptlang.org\u002F\" target=\"_blank\" rel=\"noopener\">TypeScript\u003C\u002Fa>，外面包一層 \u003Ca href=\"https:\u002F\u002Fwww.electronjs.org\u002F\" target=\"_blank\" rel=\"noopener\">Electron\u003C\u002Fa>。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。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775113699458-8ses.png\" alt=\"AMD GAIA 0.17 加入本地 Agent UI\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cul>\u003Cli>本地文件問答，支援頁級引用\u003C\u002Fli>\u003Cli>工具執行要先審核\u003C\u002Fli>\u003Cli>可搜尋檔案與專案目錄\u003C\u002Fli>\u003Cli>內建 \u003Ca href=\"https:\u002F\u002Fngrok.com\u002F\" target=\"_blank\" rel=\"noopener\">ngrok\u003C\u002Fa> tunnel，可遠端連回本機\u003C\u002Fli>\u003Cli>保留 session history\u003C\u002Fli>\u003Cli>支援串流輸出，推理過程可即時看到\u003C\u002Fli>\u003C\u002Ful>\u003Cp>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。\u003C\u002Fp>\u003Ch2>為什麼本地處理很重要\u003C\u002Fh2>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cblockquote>“The future of AI must be one where users can trust the systems they use.” — Satya Nadella, Microsoft Build 2024 keynote\u003C\u002Fblockquote>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Ch2>和其他本地 AI 工具比起來怎樣\u003C\u002Fh2>\u003Cp>GAIA 0.17 不是單打獨鬥。AMD 同步提到 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Famd\u002Flemonade-sdk\" target=\"_blank\" rel=\"noopener\">Lemonade SDK 10.0\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Famd\u002Ffastflowlm\" target=\"_blank\" rel=\"noopener\">FastFlowLM 0.9.35\u003C\u002Fa>。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。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775113718606-l1zz.png\" alt=\"AMD GAIA 0.17 加入本地 Agent UI\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>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。\u003C\u002Fp>\u003Cp>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 loc\u003Ca href=\"\u002Fnews\u002Fvisual-studio-custom-copilot-agents-update-zh\">al\u003C\u002Fa> 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。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Famd\u002Fgaia\" target=\"_blank\" rel=\"noopener\">GAIA\u003C\u002Fa>：本地 agent 框架與 UI\u003C\u002Fli>\u003Cli>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Famd\u002Flemonade-sdk\" target=\"_blank\" rel=\"noopener\">Lemonade SDK\u003C\u002Fa>：AMD 的模型執行軟體層\u003C\u002Fli>\u003Cli>\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Famd\u002Ffastflowlm\" target=\"_blank\" rel=\"noopener\">FastFlowLM\u003C\u002Fa>：針對 AMD 硬體的 runtime\u003C\u002Fli>\u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.langchain.com\u002F\" target=\"_blank\" rel=\"noopener\">LangChain\u003C\u002Fa>：常見 agent 工具鏈，但通常還是偏雲端模型整合\u003C\u002Fli>\u003C\u002Ful>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Ch2>AMD 想把 Ryzen AI 變成平台\u003C\u002Fh2>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Ch2>接下來我會看什麼\u003C\u002Fh2>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>\u003Cp>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。\u003C\u002Fp>","AMD GAIA 0.17 為 Ryzen AI PC 加入本地 Agent UI，支援檔案對話、工具審核、53+ 格式與頁碼引用，整個流程不走雲端。","www.phoronix.com","https:\u002F\u002Fwww.phoronix.com\u002Fnews\u002FAMD-GAIA-0.17-Agent-UI",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775113699458-8ses.png",[13,14,15,16,17,18,19,20,21,22],"AMD","GAIA","Ryzen AI","本地 AI","Agent UI","Ryzen AI PC","Linux","NPU","文件問答","工具審核","zh",0,false,"2026-04-02T05:45:31.851025+00:00","2026-04-02T05:45:31.811+00:00","done","7da699e0-e443-47e1-b820-6c9daf4444f2","amd-gaia-017-local-agent-ui-zh","tools","939ee4d8-d34c-4fd3-aad8-0bbb182468b2","published","2026-04-09T09:00:51.282+00:00",[36,38,40,42,44,46,47,48],{"name":18,"slug":37},"ryzen-ai-pc",{"name":13,"slug":39},"amd",{"name":17,"slug":41},"agent-ui",{"name":19,"slug":43},"linux",{"name":20,"slug":45},"npu",{"name":22,"slug":22},{"name":21,"slug":21},{"name":14,"slug":49},"gaia",{"id":32,"slug":51,"title":52,"language":53},"amd-gaia-017-local-agent-ui-en","AMD GAIA 0.17 Adds a Local Agent UI","en",[55,61,67,73,79,85],{"id":56,"slug":57,"title":58,"cover_image":59,"image_url":59,"created_at":60,"category":31},"d058a76f-6548-4135-8970-f3a97f255446","why-gemini-api-pricing-is-cheaper-than-it-looks-zh","為什麼 Gemini API 定價其實比看起來更便宜","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778869845081-j4m7.png","2026-05-15T18:30:25.797639+00:00",{"id":62,"slug":63,"title":64,"cover_image":65,"image_url":65,"created_at":66,"category":31},"68e4be16-dc38-4524-a6ea-5ebe22a6c4fb","why-vidhub-huiyuan-hutong-bushi-quan-shebei-tongyong-zh","為什麼 VidHub 會員互通不是「買一次全設備通用」","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778789450987-advz.png","2026-05-14T20:10:24.048988+00:00",{"id":68,"slug":69,"title":70,"cover_image":71,"image_url":71,"created_at":72,"category":31},"7a1e174f-746b-4e82-a0e3-b2475ab39747","why-buns-zig-to-rust-experiment-is-right-zh","為什麼 Bun 的 Zig-to-Rust 實驗是對的","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778767879127-5dna.png","2026-05-14T14:10:26.886397+00:00",{"id":74,"slug":75,"title":76,"cover_image":77,"image_url":77,"created_at":78,"category":31},"e742fc73-5a65-4db3-ad17-88c99262ceb7","why-openai-api-pricing-is-product-strategy-zh","為什麼 OpenAI API 定價是產品策略，不是註腳","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778749859485-chvz.png","2026-05-14T09:10:26.003818+00:00",{"id":80,"slug":81,"title":82,"cover_image":83,"image_url":83,"created_at":84,"category":31},"c757c5d8-eda9-45dc-9020-4b002f4d6237","why-claude-code-prompt-design-beats-ide-copilots-zh","為什麼 Claude Code 的提示設計贏過 IDE Copilot","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778742645084-dao9.png","2026-05-14T07:10:29.371901+00:00",{"id":86,"slug":87,"title":88,"cover_image":89,"image_url":89,"created_at":90,"category":31},"4adef3ab-9f07-4970-91cf-77b8b581b348","why-databricks-model-serving-is-right-default-zh","為什麼 Databricks Model Serving 是生產推論的正確預設","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778692245329-a2wt.png","2026-05-13T17:10:30.659153+00:00",[92,97,102,107,112,117,122,127,132,137],{"id":93,"slug":94,"title":95,"created_at":96},"de769291-4574-4c46-a76d-772bd99e6ec9","googles-biggest-gemini-launches-in-2026-zh","Google 2026 最大 Gemini 盤點","2026-03-26T07:26:39.21072+00:00",{"id":98,"slug":99,"title":100,"created_at":101},"855cd52f-6fab-46cc-a7c1-42195e8a0de4","surepath-real-time-mcp-policy-controls-zh","SurePath 推出即時 MCP 政策控管","2026-03-26T07:57:40.77233+00:00",{"id":103,"slug":104,"title":105,"created_at":106},"9b19ab54-edef-4dbd-9ce4-a51e4bae4ebb","mcp-in-2026-the-ai-tool-layer-teams-use-zh","2026 年 MCP：團隊真的在用的 AI 工具層","2026-03-26T08:01:46.589694+00:00",{"id":108,"slug":109,"title":110,"created_at":111},"af9c46c3-7a28-410b-9f04-32b3de30a68c","prompting-in-2026-what-actually-works-zh","2026 提示工程，真正有用的是什麼","2026-03-26T08:08:12.453028+00:00",{"id":113,"slug":114,"title":115,"created_at":116},"05553086-6ed0-4758-81fd-6cab24b575e0","garry-tan-open-sources-claude-code-toolkit-zh","Garry Tan 開源 Claude Code 工具包","2026-03-26T08:26:20.068737+00:00",{"id":118,"slug":119,"title":120,"created_at":121},"042a73a2-18a2-433d-9e8f-9802b9559aac","github-ai-projects-to-watch-in-2026-zh","2026 必看 20 個 GitHub AI 專案","2026-03-26T08:28:09.619964+00:00",{"id":123,"slug":124,"title":125,"created_at":126},"a5f94120-ac0d-4483-9a8b-63590071ac6a","claude-code-vs-cursor-2026-zh","Claude Code 與 Cursor 深度對比：202…","2026-03-26T13:27:14.279193+00:00",{"id":128,"slug":129,"title":130,"created_at":131},"0975afa1-e0c7-4130-a20d-d890eaed995e","practical-github-guide-learning-ml-2026-zh","2026 機器學習入門 GitHub 實用指南","2026-03-27T01:16:49.712576+00:00",{"id":133,"slug":134,"title":135,"created_at":136},"bfdb467a-290f-4a80-b3a9-6f081afb6dff","aiml-2026-student-ai-ml-lab-repo-review-zh","AIML-2026：像課綱的學生實驗 Repo","2026-03-27T01:21:51.467798+00:00",{"id":138,"slug":139,"title":140,"created_at":141},"80cabc3e-09fc-4ff5-8f07-b8d68f5ae545","ai-trending-github-repos-and-research-feeds-zh","AI Trending：把 AI 資源收成一張表","2026-03-27T01:31:35.262183+00:00"]