macOS 隐藏的本地大模型：你的电脑其实早就自带AI工具

许多用户在升级 macOS 27 后忙着探索新壁纸和新功能，却忽略了一个藏在系统深处的「秘密武器」。在终端随手输入 fm 命令，一行「Apple Foundation Models CLI」的提示悄然出现——原来苹果早已将一整套本地大模型的命令行入口集成进系统深处。这个入口位于 /usr/bin/fm，升级完系统就已就位，无需注册账号、无需联网、更不用花一分钱。拿一台入门级的 MacBook Air M1 8GB 实测后发现：它参数不大、上下文窗口有限、偶尔还会一本正经地胡说八道，但作为「小活儿快速干完、数据不出本机」的本地文本助手，它绝对是个被低估的免费工具。

藏在系统深处的本地AI入口

输入 fm --help，全貌才完整呈现。这套工具实际包含一组命令：respond 用于单次问答、chat 实现持续对话、token-count 统计 Token 数量、schema 生成 JSON 结构、serve 启动本地 API 服务、quota-usage 查看云端额度。底层技术来自 Apple Foundation Models，这套能力早在 macOS 26 就已内置，但普通用户当时唯一能触及它的方式只有快捷指令里的「使用模型」动作。macOS 27 真正带来的突破是将这套能力变成了可管道化、可脚本化的命令行工具，这意味着开发者可以将本地 AI 能力无缝嵌入自动化工作流。

十大实用用法逐解析

从随手问答到管道输入，fm 展现出远超玩具的实用价值。最基础的用法是一行命令获得本地生成的答案：「fm respond Swift是什么」直接在本地处理，不联网、不登录、没有免费额度限制。通过管道将文件、日志或剪贴板内容直接喂给模型同样简单：「cat notes.txt | fm respond 把重点列成三条」或「pbpaste | fm respond 改写得更正式」。需要注意的是，由于本地模型参数规模有限，面对复杂描述时可能出现「首句凭空捏造」的情况，所以更适合用于格式化和粗加工，而非追求精确的事实陈述。持续对话则交给 fm chat，会话自动保存在 ~/.fm/sessions/ 目录，退出时会显示恢复命令方便继续。

数据隐私与安全边界

对于隐私敏感场景，fm 的最大价值在于数据始终留存在本机。测试将姓名、备忘录内容、日历、短信、桌面文件等信息逐一询问，答案均为「不可用」或「无权访问」，模型甚至不知道当前时间。这与某些大模型自信满满地声称「我可以访问你的备忘录」形成鲜明对比——后者本质上是典型的小模型幻觉。在实际应用中，通过 --instructions 参数设定角色约束、--greedy 参数降低输出随机性，可以让结果更加可控。更重要的是，fm serve 命令能将整台 Mac 变身为私有 AI 服务端，默认监听 1976 端口（苹果成立年份的彩蛋），接口采用 OpenAI 兼容格式，任何支持 OpenAI API 的工具都能直接接入，无需 API key、不产生账单。需要在局域网内共享 AI 能力时，加上 --host 0.0.0.0 参数即可让同网络设备访问，性能更强的 M3、M4 机器作为服务端效果更佳。

与Private Cloud Compute的协同

当本地模型能力触及上限时，--model pcc 参数将请求转发至苹果的 Private Cloud Compute 服务。这是一种「更强模型加可验证隐私」的组合方案：请求无状态处理、答完即销毁、连苹果自己也无法读取内容，且服务器源码和加密证明已公开接受第三方审计。日常轻量任务交给本地模型快速完成，复杂任务再切换 PCC 处理，是比较经济的配额使用策略。需要提醒的是，fm serve 默认没有密码保护，任何能访问该端口的人都能使用，务必只在家庭或私有网络环境下启用，切勿直接暴露在公网。苹果自身也明确表示：本地模型并非为百科问答设计，定位是总结、提取、分类、改写和结构化文本，与 Gemini Nano 或小型 Llama 水平相当，小任务得心应手，复杂推理仍有局限。

别期待它替代云端旗舰大模型，fm 的正确预期是一个快速、免费、隐私的本地文本小工具，常驻在终端里等待调用。最常用的场景不过是整理乱糟糟的笔记、从日志提取关键字段、为长邮件生成摘要这类琐碎任务。它不知道去年的选举结果，也不了解你的个人信息，但它能在你的 Mac 上一口气完成一百件小型语言处理任务，而且所有数据始终留在本地。系统早已内置这个能力，现在只需要打开终端敲下「fm respond hello」，门槛为零。