Local Code 是一款适用于 Mac 平台的、本地优先的 AI Agent 工具，相比专业的模型部署工具 Ollma，Local Code 专注于为 Mac 设备提供最优解——应用一共就提供三种本地模型，初始化时会根据设备配置匹配最合适的本地模型，比如笔者的 M4 处理器的 Macbook Air 因为仅有 16GB 运存只能选择最低阶的 Qwen 3.8 27B，选好模型、下载好模型文件并完成设置后，就可以进入到 Local Code 的主界面了。
Local Code 在功能上和市面主流 AI Agent 工具并没什么太大的差距，你可以通过侧边栏中的项目文件夹来展开对话，对话支持添加图片、文档等附件，也可以使用语音方式交互；最左侧也可以对插件进行微调，比如在设置中可以选择使用设备端的模型还是云端模型，推理强度可以根据机器本身的性能调整，我这里因为性能较弱直接拉到低，至于思考预算同样也需要根据本地机器性能来选择。插件设置中还有是否启用一些权限或者功能的选项，说实话比起成熟的商业化 AI Agent 工具差距可能不是一点半点。
Whisper 语音识别的准确度受限于模型尺寸和准确度，Vimpo 提供了多种规格的模型选项，在我们下载视频时会推荐合适的模型。我们也可以进入应用的设置 - 语音识别，查看内置模型的大小、速度、准确度，根据自己 Mac 的硬件性能，在识别速度和准确度之间进行选择。默认情况下，推荐的 Large v3 Turbo（压缩版）可以较好地完成识别任务，不过偶尔也会出现错误，比如将 iPhone Duo 识别为 iPhone 2。
生成原文字幕后，Vimpo 就可以调用大语言模型将字幕翻译成目标语言。它支持 OpenAI、Anthropic、Gemini、DeepSeek、通义千问、Moonshot、智谱、MiniMax 等服务，也兼容 Ollama、LM Studio 等本地模型。我们只需要配置自己的 API Key，就可以完成字幕翻译。
除了一般的点击功能，Klick'r 还内置了支持逻辑判断的工作流，支持 AND 和 OR 两种条件组合，并提供了计数、app 跳转、事件状态、系统操作等高级的动作和触发器。我们可以将一系列条件组合起来，比如在玩手游完成任务时，Klick'r 检测到特定的「收取奖励」按钮，就执行 10 次「点击收取奖励」的动作等。
