MemoryCache：用浏览器数据增强本地 AI
Mozilla 的实验性 MemoryCache 项目旨在直接在用户设备上运行 AI 模型，并利用本地存储的浏览器数据——如历史记录、书签和页面内容——来支持搜索、摘要和类似助手的功能，而不把数据发送到云端。评论者普遍对“模型来到数据旁边”的思路表示热情，认为它有利于隐私、个性化和更好的检索，但也提出了关于硬件需求、归档与搜索体验、广告污染，以及 Mozilla 是否应优先推进这类 AI 功能而非核心浏览器改进的问题。总体而言，这被视为私有、设备端 AI 代理的一个有前景方向，呼应了桌面搜索和个人知识库等较早的想法，只是用现代 LLM 进行了更新。
模型靠近数据 vs 数据靠近模型
- 对“模型应当在本地运行并来到用户数据（历史记录、文档、媒体）旁边，而不是把数据发送到远程服务”的想法表现出强烈热情。
- 有人设想个人“秘书”式助手，以及一张可选地彼此配对的私有 AI 网络，并将其与集中式、广告驱动的 AI 形成对比。
本地 LLM 的可行性与硬件
- 澄清多数使用场景并不需要训练；在本地数据上做检索增强生成（RAG）就足够了。
- 用户反馈，7B 参数模型在普通笔记本上也能有不错表现；更大或多模态模型则需要更强的 GPU。
- 讨论了 VRAM 需求和量化模型；如果想具体了解“我这台硬件能跑什么？”，建议去社区论坛询问。
超越文本：图片、视频与归档
- 有人提到现有的本地多模态模型和图像说明工具；也有人希望更好的视频/图片支持以及整页归档。
- 文中列举了多个用于 DOM 快照、基于 WARC 的归档，以及将页面保存为单个 HTML 文件的扩展和工具。
- 对现代浏览器让稳健的离线页面捕获和媒体下载变得出人意料地困难表示不满。
期望的使用场景
- 与浏览历史对话、更好的本地页面搜索、下载内容和书签搜索。
- 自动生成常访问网站的摘要，以及类似“Spotify Wrapped”的使用情况视图。
- 自动化：登录、填写表单、买票、点击“跳过广告”或 cookie 横幅。
- 也有人只想要改进的书签/内容索引和模糊搜索，而不是完整的聊天功能。
隐私、广告与数据完整性
- 本地模型被视为一种有前景的、保护隐私的云端 AI 替代方案，但有人质疑这一说法，并不喜欢自己还要监控又一个数据收集器。
- 也有人担心，摄入广告会污染模型，或使其可被操纵，类似广告商影响人类的方式。
对 Mozilla 与产品方向的看法
- 反应不一：一方面称赞其保护隐私、在设备端运行的实验（例如离线翻译）；另一方面批评 Mozilla 追逐潮流而忽视浏览器核心问题。
- 讨论这类小众功能究竟是有助于 Firefox 的市场份额，还是会分散对更广泛用户需求的关注。
- 有些人觉得“MemoryCache”这个名字有误导性，项目沟通也比较模糊或令人困惑。