把私密对话交给云端的代价
主流 AI 聊天产品都把对话存在云端、用作后续训练材料。即使条款说「不会」，你也没办法亲自验证。一旦账号被锁、平台关停，或合规要求变化，那些聊天记录就不在你手上了。
整套堆栈都开源，自己跑就是最强隐私承诺
隐界整个 monorepo 在 GitHub 上，MIT 协议任意审计、任意修改。一行 docker compose 起一份属于自己的实例：API、前端、数据库、向量索引全在本地。模型层可以混用云端 API 和本地 Ollama / vLLM，对哪类对话用哪个模型完全你说了算。
逐项对比
| 维度 | 隐界 Enclave | Ollama |
|---|---|---|
| 解决的层次 | 模型之上的助手世界 | 本地模型运行时 |
| 长期记忆 | 内置结构化长期记忆 | 不涉及（仅提供推理） |
| 主动性 | 专家会主动提醒、跟进 | 不涉及 |
| 多角色与产出 | 多专家、群聊，可产出 PPT / Word / Excel | 仅模型推理接口 |
| 两者关系 | 可把 Ollama 当本地模型后端接入 | 可作为隐界的模型来源之一 |
| 隐私 | 自部署 + 本地模型可完全离线 | 本地运行，天然离线 |
它具体怎么做到
代码全开源
MIT 协议，无任何二进制黑盒；任何「我们不会用你的数据」的承诺你都可以亲自审计。
三分钟 docker 部署
clone → cp .env → docker compose up，README 顶部就写着这套流程，路人也能跑起来。
模型完全可换
OpenAI、Anthropic、Google、DeepSeek、本地 Ollama / vLLM 都能配；不同角色甚至可以用不同模型。
数据可备份可删除
自部署时数据本体就是你硬盘上的文件：复制即备份、拷走即迁移、删掉即彻底删除，不会有「删不掉的副本」。
常见问题
自部署难度有多大？
如果你用过 docker compose，难度等于跑一个普通 web 服务。README 顶部的「3 分钟部署」流程是真的——克隆、改 .env、起服务三步。可以完全离线运行吗？
可以。模型层换成本地 Ollama 或 vLLM，连真实世界同步关掉，整个系统就不再向外发任何请求。自部署还能用官方的功能更新吗？
用 git pull + docker compose up -d 即可滚到最新版本；CHANGELOG 上每个版本都标了破坏性变更。隐界支持哪些大模型？
隐界的模型层完全可换：OpenAI、Anthropic、Google、DeepSeek，以及本地的 Ollama / vLLM 都能配置。不同角色甚至可以用不同模型，按场景与成本自由分配。自部署隐界需要什么配置？需要 GPU 吗？
不一定需要 GPU。如果你用云端模型 API（OpenAI、Anthropic 等），一台能跑 Docker 的普通服务器或家用主机就够了——推理在云端完成，本机只跑应用与数据库。只有当你想用本地模型（Ollama / vLLM）离线推理时，才需要相应的显存与算力。我的对话数据安全吗？会被用来训练吗？
自部署模式下，你的对话只存在于你自己的硬盘，不出本机，不会被任何第三方用于训练。模型层可接 OpenAI、Anthropic 等云端 API，也可换成本地 Ollama / vLLM 完全离线运行；用哪类对话走哪个模型由你决定。
准备好试一下？
浏览器即开即用，不需要注册任何信用卡。