从硬件、量化、工具白名单和权限隔离入手，搭建可在本地运行的0.8B个人Agent。
端侧Agent的价值与边界
BotPsy是基于Qwen3.5-0.8B构建的小型Agent模型，面向函数调用和个人助手任务，并提供bf16、Q8、Q4等形式。它的优势不是知识覆盖超过云端大模型，而是在设备上低成本运行，让日历、文件、设备控制等敏感数据不必默认上传第三方。官方也明确指出，小模型仍会犯错，不适合高风险任务。最合理的定位是本地执行器：处理低到中等难度、规则清晰、可撤销的动作，复杂判断再交给人工或更强模型。
准备环境与模型选择
普通电脑优先从Q4 GGUF开始，内存紧张时控制上下文长度并关闭不必要的并发；有充足显存再测试Q8或bf16。使用llama.cpp或兼容运行时加载后，先做纯对话和JSON函数参数测试，不要立刻连接真实邮箱和文件系统。准备十个简单工具样例，如查询天气、读取指定目录、创建草稿日程，并用模拟数据验证参数类型、缺失字段和拒绝行为。
工具白名单是核心
每个工具定义明确名称、输入Schema、可访问范围和是否需要确认。文件工具只能读取指定工作目录，邮件工具默认只生成草稿，设备控制限制到允许的设备与动作，支付和删除功能不提供给模型。工具执行层再次校验参数，不能相信模型输出已经安全。对路径做规范化，阻止../越界；对网络访问限制域名；对命令执行采用固定模板而不是拼接任意字符串。
从单步到多步逐级上线
第一阶段只允许一次工具调用，观察模型是否在缺少参数时主动询问。第二阶段开放两到三步流程，例如查日历后生成提醒，但每步都记录输入输出。第三阶段才测试多轮任务，并设置最大步骤数、总耗时和停止按钮。官方评测显示BotPsy在单工具调用和部分多步任务表现突出，但多步信息检索仍是弱项，因此搜索结果要带来源，重要结论需人工确认。
验收、安全与隐私
用至少50条正常任务、20条模糊请求和20条攻击样例验收，重点测试虚假工具、提示注入、越权路径和重复循环。记录任务完成率、错误调用率、拒绝准确率、平均延迟和峰值内存。模型文件校验哈希，依赖固定版本，日志中屏蔽令牌和个人数据。即使全部在本地，也要区分模型进程与工具进程权限，并设置备份与撤销机制。本地运行减少数据外传，不等于自动获得安全。
站内相关阅读
参考来源
官方资料与技术说明。本文基于公开资料独立整理，并结合实际部署流程补充，功能、价格和可用范围以官方最新页面为准。
