个人Vibecoding 巨献 —— 让本地模型能够“用起来”的任务调度器

生图：

知识提取：

任务管理：

资产管理:

什么是colapip ？

colapip 是一个跑在你本机上的 AI 任务调度器。

它的核心理念很简单：把各种 AI 工作流封装成插件放进去，由平台统一管理排队执行、断点恢复和状态监控。不用担心任务跑到一半崩溃，不用操心多个任务抢模型资源——这些都交给 colapip。

核心循环：平台创建任务 → 放入队列 → 插件自动执行任务 → 返回结果 → 通知 Agent。插件执行过程中可以随时写入 checkpoint，即使平台重启或任务意外中断，也能从断点处恢复。

LLM 调用统一走适配器排队，多个插件不会同时争抢模型资源。Dashboard 内置 DashAgent，你可以直接跟它聊天，让它帮你提交任务、查询状态、阅读插件文档——全程对话式操作。

为什么需要 colapip

colapip 专为本地模型使用者打造：

想跑 AI 任务?但不想重复任务反复烧 token

不介意任务执行时间长

不用它来写代码，也不需要长时记忆

对任务有明确的线性流程，生产内容需要一个任务平台来进行统一管理

什么情况下你不需要 ColaPip？

有钱用云端 API，不在乎隐私

明确有专业固定的生产流程：用n8n — 可视化编排 + 数百个 API 连接器，适合“从 A 拉数据、处理完推给 B”的线性流程，比写插件快得多

需要在多个聊天软件里用 AI：OpenClaw— 一个 Agent 通吃 Telegram / WhatsApp / Discord / iMessage，自带 75 个工具和持久记忆

写代码：Claude Code 或Codex更适合

现在的 colapip 能做什么？

微信收发消息，Agent 理解意图后自动回复

图片

订阅公众号，下载文章，定时轮询新内容

从图片反推美学标签，调 ComfyUI 生图，迭代审计

从文章中提取结构化知识，审计后写入 Obsidian

新的插件期待你的开发……

如何安装 colapip？

前提条件：

Node.js 18+；

一个 OpenAI-compatible 的本地 LLM（llama.cpp / Ollama / LM Studio ）。

模型推荐：Gemma4-26B-A4B-QAT的Q4_K_M量化，搭配mmproj支持多模态能力，我自己用的是llamacpp。

"D:\Project\models\llama-bin-win-cuda-13.3-x64\llama-server.exe" ^
  -m "D:\Project\models\GGUF\Gemma4-26B-A4B-QAT-Q4_K_M.gguf" ^
  --mmproj mmproj-Gemma4-26B-A4B-QAT-BF16.gguf ^
  -md mtp-gemma-4-26B-A4B-it.gguf --spec-type draft-mtp ^
  -fa on ^
  --ctx-size 32768 ^
  --threads 14 ^
  --threads-batch 14 ^
  --mlock ^
  --no-mmap ^
  --parallel 1 ^
  --n-cpu-moe 40 ^
  --host 0.0.0.0 ^
  --port 12315 ^
  --temperature 0.6 ^
  --top_k 64 ^
  --top_p 0.9 ^
  --min_p 0.05 ^
  --repeat_penalty 1.1

1. 克隆仓库

git clone https://github.com/justrecored-code/colapip.gitcd colapip

2. 安装依赖

npm install

3. 复制配置文件

cp config/platform.example.json config/platform.json

编辑配置文件 `config/platform.json`，将 `baseUrl` 和 `model` 改为你的 LLM 地址：

{"llm":{
       "adapter": "openai-compatible",
       "baseUrl": "http://127.0.0.1:12315/v1",
       "model": "你的模型名"},
  "dashboard":{
       "port": 15001,
       "host": "127.0.0.1"}
}

启动colapip：

npm start

如果没问题到这里我们的平台应该就能正常跑起来了

更简单的安装方式，进入clone的colapip目录运行claude：

写在最后

随着kimi K3跟deepseek灰度测试的发布,云端模型的能力越来越强，普通人随便用一句话就能生成一个优秀的前端html页面，一个基础的游戏框架，但是我一直在思考模型的代码能力增强对于普通用户来说有什么意义？我个人还是希望本地模型能力能得到更多的重视，承担更基础的功能，而不是将一切依赖于云端网络，我相信只要做好接口规范，与对应的调用工具，本地模型也有足够的通用能力帮助我们处理一些琐事或者生产我们需要的内容