建立 2026-09-15 更新 2026-09-15

認識 LM Studio

LM Studio 是 Element Labs 推出的桌面程式，讓你在自己的電腦上下載、載入、對話開源權重（open-weights）大型語言模型（Large Language Model, LLM）。資料預設留在本機，下載完模型後可以離線使用。本站用繁體中文整理日常真正會用到的那一層，細節以 官方文件 為準。

最需要掌握的 20%

不必先搞懂 llama.cpp、MLX 或量化理論。先把下面五件事做熟，就能處理大多數本機 AI 場景：

1. 硬體門檻：記憶體決定你能跑多大的模型。官方建議 16GB RAM 起跳；量化檔（例如 Q4_K_M）是「同一顆模型壓小一點」的版本，不是另一個模型。
2. Discover 下載：在探索頁搜尋 Qwen、Gemma、Llama 等關鍵字，看畫面標的 RAM／VRAM 能不能跑，再下載。
3. Chat 載入與系統提示詞：把模型載入記憶體後才能對話；系統提示詞決定角色與語氣，模型不會從聊天「學會」你的資料。
4. 本機 API：開發者頁把伺服器開在 http://localhost:1234，就能用 OpenAI 相容的客戶端去打自己的模型。
5. 進階三件套（用到再學）：文件對話（短檔塞進上下文、長檔走 RAG）、MCP 工具、以及 lms 命令列／無介面的 llmster。

其餘功能（Preset、推測解碼、Bionic 代理）都建立在這五件事上面。

LM Studio 適合什麼場景

• 想在本機試開源模型，又不想先學命令列。
• 對話內容、公司文件不想送到雲端。
• 把本機模型接到 VS Code、Continue、Cline、自寫 Python 腳本。
• 沒有螢幕的 Linux 機器，用 llmster 當推論服務。

它不是雲端 ChatGPT 的完整替代品。模型能力受你的 RAM／VRAM 限制；沒有內建的網路搜尋（除非你接 MCP）；授權條款依各模型而定，不是全部都能商用。

官方學習資源

LM Studio 沒有獨立的證照課程。權威來源是官方文件、部落格與 Discord。

建議學習順序

1. 安裝與系統需求
2. 下載第一個模型
3. 聊天、系統提示詞
4. 需要讀 PDF／接工具時，再看 文件對話 與 MCP
5. 要接自己的程式時，再看 本機 API

想認識唯客學院，請看 關於我們。