local-delegate

local-delegate

将机械性的文本到文本任务委派给本地 LLM，节省 Claude 订阅的额度。 一个 MCP 服务（stdio 或共享 HTTP 守护进程），可作为任意 OpenAI-compatible 端点的通用客户端 — llama-swap、Ollama、LM Studio、vLLM。

zahirinatzuke.github.io/local-delegate — 在一个页面中介绍 它的功能和设计缘由（西班牙语/英语）。源文件位于 site/。

演示

内嵌仪表板（示例数据）：本地后端状态（已加载的模型、正在进行的委派及其分块进度、MCP 工具）、系统 RAM/VRAM 及各进程用量、节省的上下文令牌数、各工具和模型节省的用量、计算运行位置 — 本机或远程后端 — 以及按本地时间分页显示的近期活动。服务地址为 http://127.0.0.1:9393。

为什么要用？

当 Claude 需要总结大型日志、分类、提取字段或生成样板代码时，会把订阅额度花在机械性工作上。local-delegate 将这些任务作为运行在本地 LLM 上的 MCP 工具提供：传入 path 而不是 text，文件会在服务端读取，因此大型内容永远不会进入 Claude 的上下文。只有简短的结果会返回：文档不会占用你的上下文窗口，也不会由 Claude 处理。

快速安装

使用 uv 无需安装任何内容：uvx 会下载并在隔离环境中运行软件包。

将它以兼容 stdio 的模式添加到 MCP 配置中（Claude Desktop / Claude Code）：

{
  "mcpServers": {
    "local-delegate": {
      "command": "uvx",
      "args": ["local-delegate-mcp"]
    }
  }
}

完整模板请参阅 examples/。

也可以用一条命令让软件包为你配置所有内容 — MCP 条目、hooks、skill，以及全局 CLAUDE.md/AGENTS.md 中的委派规则：

uv tool install local-delegate-mcp          # deja `local-delegate` en el PATH
local-delegate install --dry-run            # muestra exactamente qué tocaría
local-delegate install                      # aplica

也可以使用 uvx local-delegate-mcp install 进行试用，无需安装任何内容。但请注意，uvx 不会让命令持续可用：它会创建一个临时环境，并在结束后删除，因此之后运行 local-delegate doctor 会得到“command not found”。如果检测到这种情况，install 会提醒你。

此操作是幂等的，会为修改过的文件创建 .bak 备份，不会更改其他配置，并且可以通过 local-delegate uninstall 撤销。详情和选项请参阅集成安装。

想要为子命令、选项和值启用 Tab 自动补全？运行 local-delegate install --shell-completion，即可在 PowerShell、zsh 或 bash 的配置文件中启用补全（需主动选择，可通过 uninstall --shell-completion 撤销）；运行 local-delegate completion powershell|zsh|bash 可输出脚本， 方便你自行加载。请参阅 Shell 自动补全。

如果你在同一台机器上使用多个会话或多个客户端，建议只运行一个守护进程：

uvx local-delegate-mcp serve

守护进程会在 http://127.0.0.1:9393/mcp 提供 MCP 服务，并在 http://127.0.0.1:9393/ 提供仪表板。Codex、Claude Code、opencode 以及任何兼容 Streamable HTTP 的客户端都可以共用该 URL，无需启动重复的 MCP 进程。使用本地 llama-swap 时，安装额外依赖 [llamaswap] 并将 LLAMASWAP_CONFIG 指向其 config.yaml 后，守护进程还会轮流分配后端： 两个模型会互相驱逐的委派任务不会冲突，第二个任务会等待（面板会将其显示为本地等待）。完整指南：共享守护进程。 一次委派可能会叠加排队等待和推理耗时，而有些客户端会更早超时：Codex 会在 60 s 后中止所有 MCP 工具调用（在 config.toml 的 [mcp_servers.local-delegate] 中设置 tool_timeout_sec 可延长超时时间，但每次 install/update 后都需要重新设置，因为这两个命令会重写该配置块）；Claude Code 会在 5 min 无响应后中止 HTTP 调用（设置变量 CLAUDE_CODE_MCP_TOOL_IDLE_TIMEOUT，单位为 ms，可延长超时时间，且该设置在 install 后仍然有效）。详情见集成安装。

若要使用另一台机器的 GPU，同时保留客户端的本地路径，请使用一个指向远程后端的本地 MCP：Mac → PC 指南和完整技术方案。

不要为了「稳定」固定到旧版本。 固定版本（==X.Y.Z）也会冻结该 wheel 声明的依赖版本范围，而这些范围会随时间变得不合适：0.12.2 之前的版本要求 mcp 不设上限，因此如今会解析到 SDK 2.x，并且在导入时就会崩溃。如果需要固定版本，请固定到当前版本，并在新版本发布时升级。

在 Windows 上，如果将其注册为登录时启动的任务，请运行安装了软件包的环境中的 pythonw.exe，并传入 -m local_delegate serve --log-level warning。pythonw 不会创建控制台或任务栏按钮。任务归 Windows 用户所有，而非 Codex 或 Claude：所有本地客户端共用同一个 daemon。dashboard 会用 DAEMON MCP 徽章标识这个唯一进程；连接的会话是 HTTP 客户端，并非额外的 MCP 进程。

在 Windows 上更新时，请先停止 daemon，再运行 uv tool install --force。 daemon 运行时，重新安装可能会在中途失败（因为它打开着环境中的文件），并导致环境损坏；schtasks /End 不够用，因为启动器已脱离，因此请停止 daemon 的 pythonw 进程，完成安装后再重新启动。之后，local-delegate update 会重新写入 hooks、skill，以及过时的 CLAUDE.md/AGENTS.md 配置块。

0.36.0 支持西班牙语或英语，并会跟随系统语言。 如果系统语言为英语，你会看到英语；若要继续使用西班牙语，请运行 LOCAL_DELEGATE_LANG=es local-delegate install（或 update）。_local_delegate 中的键和工具标记会改为英语（这是一个不兼容变更）；对照表见 CHANGELOG 和语言。

0.35.0 将命令、变量、skill 和数据文件重命名为英语。 旧名称自 0.35.0 起仍可使用，但会显示警告；在 0.38.0 中已移除，不再生效。local-delegate doctor 会列出仍在使用的旧名称（直到 0.40.x），而 local-delegate update 会迁移可迁移的名称。不支持回退到旧版本。完整对照表见 CHANGELOG。

要求

Python 3.11+ — 使用 uvx 时无需自行安装，它会处理；只有在自建环境中使用 pip 安装时才需要关心这一点。

此外，还需要一个已运行且可访问 LOCAL_DELEGATE_BASE_URL 的 OpenAI 兼容端点（默认值为 http://127.0.0.1:9292/v1）。以下任意一个都可以：

• llama-swap — 请参阅 Blackwell GPU 配置示例。
• Ollama — http://127.0.0.1:11434/v1。
• LM Studio、vLLM，或任何支持 OpenAI API 的服务端。

默认情况下，软件包不会启动任何后端（LOCAL_DELEGATE_AUTOSTART=0）。llama-swap 自动启动为可选功能（请参阅配置表）。

要了解该使用哪些版本的 llama-server/llama-swap，以及如何安排工作区，请参阅后端版本和参考工作区（经过验证的建议，并非要求）。local-delegate doctor 会将你的安装与这些版本进行比较，同时检查其余基础设施——钩子、技能、记忆、MCP 条目和守护进程——且不会写入任何内容（每项检查的内容）。

工具

传入 path（而非 text）会让 MCP 在服务端读取文件：内容不会进入 Claude 的上下文，因此可以节省资源。

工具	功能	模型角色（默认）
local_summarize	总结文本或文件；可选的 focus 用于指定要保留的内容（例如「配置数值」）	机械 / 长文本（自动）
local_classify	从列表中返回一个标签	机械
local_extract	提取字段 → 经过验证的对象，而非需要解析的字符串	机械 / 长文本（自动）
local_boilerplate	根据规范生成代码并写入 target；仅返回回执	代码
local_delegate	通用的文本→文本转交工具	机械（或你指定的角色）
local_lint_summary	总结 lint / 测试 / CI 日志	机械 / 长文本（自动）
local_commit_msg	根据 diff 生成提交信息	代码
local_translate	翻译文本或文件	机械 / 长文本（自动）
local_explain_code	用文字解释代码	代码
local_describe_image	描述图片或回答有关图片的问题（图片→文本）	视觉
local_status	只读诊断：后端、目录、日志、VRAM、系统 RAM	—（不调用聊天后端）

本地模型不使用工具调用：服务端会构建提示词 + 安全防护规则，向端点发送 POST 请求，并且只返回文本。

长文档。 local_translate（以及输入较长时的 local_delegate）会按自然边界拆分文本——Markdown 标题、段落、行——每次调用处理一个片段，遵循 max_tokens 上限，按顺序拼接输出，并在拼接处保留格式。超过 20 000 个字符的文档也会完整返回，不会在中途截断。日志会记录 chunks: N，运行时仪表板会显示进度（片段 3/7）。从 0.43.0 开始，「进行中」还会显示阶段：合并部分结果时显示「正在合并 3 个片段……」，重新拆分被截断的片段时显示「正在重试片段 n/total」；活动信息还会区分片段数与后端调用数（3 +1：三个片段和一次合并）。

超长文档摘要。 当输入超出模型可处理范围时，local_summarize 和 local_lint_summary 会执行映射-归约：先总结每个部分，再总结这些摘要，必要时逐层处理。以前会截断输入——例如，对超长 CI 日志进行摘要时，只会总结开头部分，并静默丢弃其余内容，而错误往往就在被丢弃的部分中——现在则会读取完整内容。如果某个片段因 max_tokens 而被截断，结果会发出提示，日志会记录 finish_reason: length。从 0.43.0 开始，被截断的部分结果不再视为有效：系统会丢弃它，拆分片段（或重新分组后的组）并重试，最多处理两层；如果仍有片段被截断，提示会指出具体片段及其行号。 从 0.36.1 开始，当日志无法在一次调用中处理完时，local_lint_summary 只会输入提及次数最多的十个文件（并说明还有多少个文件），最终摘要中的数值由程序填写，而不是由模型生成。 从 0.36.0 开始，local_commit_msg、local_explain_code（按顶层 def / class 拆分，并在最后一步提供名称清单）和 local_extract（每个片段生成一个部分对象，再在最后一步通过 schema 将其合并）也会读取完整输入。

配置

所有配置都通过环境变量设置；没有硬编码值。默认模型 ID 仅供参考——请替换为你的后端所用的 ID。

变量	默认值	描述
LOCAL_DELEGATE_BASE_URL	http://127.0.0.1:9292/v1	OpenAI 兼容端点
LOCAL_DELEGATE_API_KEY	(空)	Bearer 令牌；如果端点要求
LOCAL_DELEGATE_BACKEND_ORIGIN	auto	local/remote 强制指定计算来源；auto 根据主机推断。如果通过隧道（ssh -L、端口转发）访问后端，请设置此项：通过 loopback 访问时会被视为本地
LOCAL_DELEGATE_TIMEOUT	180	HTTP 超时时间（秒）
LOCAL_DELEGATE_MAX_CONCURRENT_REQUESTS	2	每个进程的最大背压；由守护进程的所有客户端共享
LOCAL_DELEGATE_ASK	1	通过 elicitation 询问用户，而不是直接失败：后端不可用、模型不在目录中、output_format 为空。设为 0 可禁用
LOCAL_DELEGATE_ASK_TIMEOUT	30	等待响应的秒数；超时后，工具会继续执行，就像没有询问过一样
LOCAL_DELEGATE_LOG_DIR	(用户数据目录)	按月轮换的 usage-YYYYMM.jsonl 和 clients.jsonl 所在目录
LOCAL_DELEGATE_LOG	(空 = 启用轮换)	如果设置，则指定一个不轮换的 usage.jsonl 路径（兼容性用途）
LOCAL_DELEGATE_MODEL_MECHANICAL	gemma3-4b	用于分类、提取和简短摘要的模型
LOCAL_DELEGATE_MODEL_LONG	gemma4-26b-a4b	用于长文档的模型
LOCAL_DELEGATE_MODEL_CODE	qwen36-35b-a3b	用于代码的模型
LOCAL_DELEGATE_MODEL_VISION	gemma4-12b	local_describe_image 使用的视觉模型
LOCAL_DELEGATE_MAX_IMAGE_MB	8	local_describe_image 的图像大小上限
LOCAL_DELEGATE_DUMP_CHUNK_NOTES	(空：关闭)	本地目录；每个分块操作都会在此保存各步骤的输出。仅用于测量，不会离开本机
LOCAL_DELEGATE_LONG_INPUT_CHARS	6000	机械型↔长文档的阈值
LOCAL_DELEGATE_CHUNK_CHARS	3500	拆分长文档时的分块大小（local_translate、local_delegate）
LOCAL_DELEGATE_CHUNK_MAX_TOKENS	2048	每个分块的 max_tokens 上限
LOCAL_DELEGATE_CHUNK_MIN_CHARS	400	最小分块大小：低于此值时不再拆分
LOCAL_DELEGATE_JSON_SCHEMA	auto	local_extract 中带 schema 的 response_format：auto/on/off
LOCAL_DELEGATE_FEEDBACK	1	当 source=path 时附加到结果中的节省信息行（设为 0 可关闭）。local_extract 不会将其附加到文本中——否则会破坏 JSON：它会放在 _local_delegate 中
LOCAL_DELEGATE_ALLOWED_DIRS	(空 = 不限)	path 的允许根目录，以 ; 分隔
LOCAL_DELEGATE_WEB	1	stdio 模式下的内嵌 Web 界面（设为 0 可禁用）。从 0.42.0 起，如果设置了 LOCAL_DELEGATE_WEB_TOKEN，则需要提供该令牌，与守护进程相同
LOCAL_DELEGATE_WEB_HOST / _PORT	127.0.0.1 / 9393	Web 界面或守护进程的主机/端口。留空视为未设置
LOCAL_DELEGATE_WEB_ALLOWED_HOSTS	(空)	该端口允许在 Host 标头中使用的额外名称，以逗号分隔（例如 tailscale serve 使用的名称）。默认仅允许 loopback 和 WEB_HOST，以防 DNS 重绑定（从 0.42.0 起：未设置此项时，通过其他名称访问会返回 421）；* 可禁用检查
LOCAL_DELEGATE_WEB_FONTS	1	从 Google Fonts 加载品牌字体（0 = 不向第三方发送请求）
LOCAL_DELEGATE_AUTOSTART	0	自动启动 llama-swap（可选启用）
LLAMASWAP_EXE / LLAMASWAP_CONFIG / LLAMASWAP_LISTEN	—	仅当 AUTOSTART=1 时使用；LLAMASWAP_CONFIG 还会启用守护进程的轮转和亲和性（需安装额外项 [llamaswap]）
LLAMASWAP_WATCH_CONFIG	0	设为 1 时，会为自动启动的后端添加 -watch-config
LOCAL_DELEGATE_FALLBACK	1	模型间回退：如果某个角色的模型因自身原因失败，则由其链中的下一个模型响应（_MAX_HOPS=2；链使用 _<ROL>，见 wiki）。设为 0 可关闭
LOCAL_DELEGATE_COOLDOWN	1	按模型冷却：连续失败 3 次（_FAILURES）后暂停 120 秒（_S），并逐步加倍，最长 900 秒（_MAX_S）。设为 0 可关闭
LOCAL_DELEGATE_BACKEND_BREAKER	1	后端不可达时熔断：连续连接失败 3 次（_FAILURES）后，local_* 会立即响应“后端不可达，你来处理”，持续 60 秒（_S），并逐步加倍，最长 600 秒（_MAX_S），且不计为委派；到期后，下次调用会重试。设为 0 可关闭
LOCAL_DELEGATE_COST_FALLBACK	(空 = 子 Agent 中的 claude-opus-5-5)	用于评估未指定模型的委派任务的模型和线程：模型 或 模型:main|subagent。无效值不会导致任何问题：面板会使用已声明的模型并说明原因
LOCAL_DELEGATE_COMMIT_LANGUAGE	(空 = 当前语言)	local_commit_msg 消息的语言：es、en、fr、pt、de、it 或自定义名称。留空：产品当前语言；diff：diff 文本中占主导地位的语言
LOCAL_DELEGATE_OUTPUT_LANGUAGE	(空 = 当前语言)	自由文本工具（local_summarize、local_lint_summary、local_explain_code、local_describe_image）要求模型使用的回复语言：fr、pt、português……不会更改界面或 local_commit_msg
LOCAL_DELEGATE_TURN_MAX_S	600	llama-swap 中发生冲突的模型之间的守护进程轮转：如果队列首个请求已等待这么多秒，且守护进程在同样长的时间内没有任何后端调用开始或结束，则仍会授予轮次（日志中显示 turn: "forced"）
LOCAL_DELEGATE_SLOW_THRESHOLD	0.5	如果调用生成速度低于其模型正常速度的这一比例，就会被标记为“慢”（日志中为 slow，面板中显示“慢 ×0,37”）
LOCAL_DELEGATE_AFFINITY_MARGIN_S	5	亲和性：只有当已加载模型的 TTL 至少还剩这么多秒时，才会复用该模型
LOCAL_DELEGATE_BACKEND_PARAMS	(空)	对 backend-params.json 中各角色参数（采样和推理）的逐键临时覆盖：角色.键=值;…，例如 code.top_k=20。需要重启守护进程；更改文件无需重启
每次发送到后端的请求中携带的按角色参数（top_k、temperature、enable_thinking 及其预算……）都保存在 backend-params.json 中，并通过 `local-delegate backend-params show	set	unset

节省指标

MCP 会将每次调用记录到按月轮转的日志中，并在 http://127.0.0.1:9393 提供一个仪表板，支持范围选择器，并显示正在进行的委派。 保留的上下文 = 服务端读取的输入（source=path 且成功的调用）减去工具返回给你的内容；即使 MCP 将其拆分，也会按每次委派计数一次。 指标以字符数衡量，并通过按分词器系列和内容类型（散文、代码、日志、结构化数据、diff）测得的密度表换算成 Claude tokens：.md 和 .json 的计数方式不同，Haiku 4.5 和 Opus 5.5 的计数方式也不同。图片不计入该数值——没有图片尺寸，就无法知道它们会消耗多少 Claude tokens——而是单独显示。与之相对，本地成本 = GPU 实际消耗的 tokens 总数，包括所有调用：拆分后的委派会在每个片段中重复系统提示词，这种差异就是拆分的成本。这里使用后端报告的实际 token 数；当后端未提供时，chars ÷ 4 仅作为本地模型的后备估算。详情见 wiki。

面板还会显示一个按 API 定价估算的等值费用：如果 Claude 按标价读取同样的上下文，需要花费多少；结果介于一个下限和一个估算值之间，后者会计入因缓存而重新读取该内容的请求。这不是你省下的钱：你的订阅是固定费用。此估算会公开其假设（将每次委派归因于哪个模型、后续有多少请求、使用了哪种密度），且不会扣除对同一文件的重复读取。旁边还有一个配额区块；在收集到至少三次来自不同窗口的 statusline 测量值之前，它会显示“未校准”，且在完成校准前绝不显示百分比。若要为历史记录归因并填充这两个区块，请不时运行 local-delegate recompute-cost（它会在本地读取你的 transcripts，且只写入汇总数据）；如果有委派即将失去对应的 transcript，doctor 会发出提醒。

测试不计入指标：脚本中 mcp 客户端发起的委派、基准测试的委派，以及发生在测试窗口内的委派，都会从面板和 local_status 中排除。在 MCP 或守护进程上进行实时测试之前，请标记时间段并保存打印出的 ID：

local-delegate test-window start --label "prueba del lunes"   # imprime el id
local-delegate test-window stop <id>
local-delegate test-window list                               # ventanas y filas en cada una

点击面板工具栏中的测试按钮即可重新显示这些委派；其 ⓘ 会说明排除了多少条记录。

面板会根据浏览器的语言显示西班牙语或英语；标题栏中的 ES/EN 选择器可以切换语言（设置会保存在该浏览器中）。参见 Savings & metrics。

范围、图表中的日期和表格中的时间均使用你的时区（日志以 UTC 写入，这是一个没有歧义的时刻；时区转换仅用于显示）。仪表板还会区分计算运行的位置：如果后端监听在 loopback 地址，则标为 local；如果推理任务发送到了另一台机器，则标为 remote——例如，这台 Mac 使用 PC 的 GPU。v0.11.0 之前的事件不包含此字段，因此会显示为 n/d。

范围／非目标

local-delegate 刻意限定为文本／图像→文本：组装提示词（或多模态负载），向 /chat/completions 发送 POST 请求，并且只返回文本。它不会刻意实现以下功能：

• 本地工具调用。 本地模型不会调用工具或执行代码；这些仍由 Claude 完成。添加此功能会让这个包变成一个并行的编排器，这不是它的目标。
• 图像生成或编辑。 local_describe_image 仅用于图像→文本（描述、读取可见文本、回答特定问题）；不用于生成或编辑图像。
• 音频。 转录请使用配套项目 whisper-transcribe-mcp， 而不是试图把音频处理塞进这里。
• 替代订阅。 目标是通过委派范围明确的机械步骤来节省配额，而不是把所有工作都路由到本地模型。

与客户端集成：hooks、skill 和记忆

local-delegate install 会在你的 HOME 中设置好完整集成：

组件	位置	功能
MCP 入口	Claude Code 配置／~/.codex/config.toml／~/.config/opencode/opencode.json[c]	注册服务（通过 uvx 使用 stdio，或通过 HTTP 连接 daemon）
Hooks	Claude Code 插件 local-delegate@local-delegate（或 ~/.claude/hooks/local-delegate/ + settings.json）	建议进行委派；如果启用，读取类 hook 还可以拒绝完整读取文档；其中一个 hook 会记录每次委派由哪个 Agent 发起
Skill	~/.claude/skills/local-delegation/ 和 ~/.config/opencode/skill/local-delegation/	黄金法则和工具目录
记忆	~/.claude/CLAUDE.md、~/.codex/AGENTS.md 和 ~/.config/opencode/AGENTS.md 中的托管区块	将规则保存在一条始终加载的简短备注中

默认只配置已安装的客户端；也可以使用 --clients claude|codex|opencode 手动选择。Hooks 仅适用于 Claude Code：opencode 通过 TypeScript 插件扩展，这是另一个扩展接口；Claude Desktop 则完全没有 hooks。每个组件都可以排除（--no-hooks、--no-skill、--no-memory、--no-mcp）。

所有内容均提供西班牙语或英语版本。install 和 update 会将运行时的会话语言（LOCAL_DELEGATE_LANG=es|en，或系统语言）保存到 language.json，供 daemon 和 hooks 使用，并以该语言写入 skill、记忆区块和子 Agent 目录。优先级以及如何恢复为跟随系统语言，请参阅： 语言。

只有三个 hook 会自动执行：UserPromptSubmit（机械性意图）、SubagentStart（提醒每个子 Agent 加载 local_* 工具并按范围读取）以及 record_call.py（针对 local-delegate 工具的 PreToolUse）。它不会提醒或阻止操作，而是记录每次委派由哪个 Agent 发起、使用了多少 effort，以便将等效成本归因到该 Agent 使用的模型。两个读取类 hook——PreToolUse/Read 和 PreToolUse/Bash|PowerShell——默认关闭；只有使用 --enable-read-hook 才会同时启用（--disable-read-hook 或 uninstall 会将它们关闭）。它们必须一起启用，因为它们是在两条路径上执行同一条规则：封锁 Read 工具，却放任 cat informe.md，只会让行为换个地方发生，并不会改变它。

这两个 hook 只会发出提醒；拒绝读取则是另一项功能，需单独启用，并且默认关闭（LD_HOOK_READ_BLOCK）。它只会拦截后端正常响应时对大型 .md 或 .txt 文件的完整读取；拒绝提示会指出适用的工具和紧急替代方案：按范围读取永远不会被拦截。之所以提供这项功能，是因为已经实测了四次：仅作提醒并不会改变行为。 参阅集成安装和 docs/recipes/claude-code-hooks.md。

Claude Code 插件、mod 命令和 Claude Desktop

从 0.40 版起，如果已通过 uv tool 安装 Claude Code 2.1.292 或更高版本，install 会将钩子作为一个插件（local-delegate@local-delegate）交付，而不是写入 settings.json，并自动迁移旧安装，同时保留读取锁定。如果不满足这些条件，则继续使用 settings.json 并说明原因；--claude-delivery settings 可手动切回，update 也会遵守该设置。MCP 不会包含在插件中。

插件还附带一个mod，可在 Claude Code 内运行，不消耗模型轮次：

• /local-summarize <ruta>、/local-commit（根据 git diff --cached 提议提交消息；只会显示消息）和 /local-lint <fichero|comando> 会直接调用本地工具。
• 将 local_summarize、local_extract、local_lint_summary 和 local_commit_msg 固定为可用工具，让模型无需通过 ToolSearch 查找它们。
• 在提示词上方显示 local-delegate 在当前会话中的状态条：在终端中，是带背景的一行状态栏，包含状态标签（● LISTO、◐ DELEGANDO、○ CAÍDO）、模型、正在运行的工具及其进度片段（7/9）和已用时长（3 min 16 s）、本次会话的委派次数和节省情况，以及读取模式（选项 status_style：bar 或 line，即一条横线）；在 Claude Desktop 中，则显示单行双色文本，没有药丸状标记或链接。委派运行期间每秒自动刷新。这里不显示 Claude 配额：它属于状态栏。
• 从 0.41 版起，读取 mod（默认开启，选项 read_mod_enabled）会使用 local_summarize 总结完整读取的大段文本，并将摘要作为该工具自身的结果返回；交互模式下会先询问。总结后，未经实际读取，不允许写入该文件。运行期间会暂时停用会话的读取钩子。它会向 daemon 查询每次调用读取的内容，不会启动进程（测得的每次 Bash 调用开销处于噪声范围内）。没有保存的值时，视为开启；如果你在 0.40.0 版中将其关闭，它会在插件的设置菜单中重新开启。
• 更新后，请开启一个新的 Claude Code 会话：mods 会在会话开始时加载。

在 Windows 上，install --desktop 会为 Claude Desktop 添加聊天功能：写入一个条目，用于启动 local-delegate desktop-bridge，这是一个通往 daemon 的 stdio 桥接程序，由它自行读取 token，因为 Desktop 不会将其环境传递给 MCP。若要降级到 0.39 版，请先运行 uninstall。详情请参阅Claude Code 插件交付。

llama-swap 分组（可选）

安装 pip install "local-delegate-mcp[llamaswap]" 后，即可使用用于管理 llama-swap 分组的 CLI（轮流使用的池，以及仅在你提出要求时才保持加载的模型），并内置 VRAM 和系统 RAM 防护机制（--ram-gb 是可选项：即使计算完全由 GPU 完成，llama-server 也会将 GGUF 映射到 RAM，因此在内存少于 32 GB 的机器上，即使目录中的模型都能放进 VRAM，也仍可能耗尽 RAM）：

local-delegate check-llamaswap --config config.yaml --vram-gb 16 --ram-gb 32
local-delegate init-llamaswap --config config.yaml --swap gemma3-4b,gemma4-26b-a4b,qwen36-35b-a3b --vram-gb 16 --ram-gb 32
local-delegate llamaswap residency            # qué se queda cargado y con qué TTL; no escribe
local-delegate llamaswap residency --none --ttl gemma3-4b=120   # volver a «ningún residente»

推荐不设置常驻模型：通过守护进程轮流调度，相互冲突的模型可以共享后端而不会争抢；如果某个工具有已批准的单元格，则会复用已加载的模型（见 工具）。常驻模式需主动启用： init-llamaswap --resident ID 或 llamaswap residency --pin ID 会将该模型留在 persistent 分组中，并设置 ttl: 0，从而永久占用其 VRAM（--pin 会通过 --vram-model ID=GiB 请求每个模型的实测 VRAM，如果与其他模型最坏情况下的占用总和放不下，就会拒绝执行）。--ttl-resident 默认值为 0：如果使用 persistent 并设置大于 0 的 TTL，模型仍会被卸载，因此并非真正常驻。

该软件包绝不会自行修改你的 config.yaml——只有你主动调用这些命令时才会运行。init-llamaswap 会在写入前运行相应的防护检查（如果 VRAM 不足，或你指定了 --ram-gb 且 RAM 不足，则不会写入任何内容），并且除非指定 --force，否则绝不会覆盖文件（同时会创建副本 <config>.<AAAAMMDD-HHMMSS>.bak）。llamaswap residency 只编辑发生变化的行，保留同样的带日期副本，不会在有正在进行的委派任务时写入（除非指定 --now），并会说明 llama-swap 如何处理重新加载。完整详情、经 llama-swap 代码验证的 groups 语义，以及应用流程，请参阅 docs/recipes/llama-swap-groups.md。

链接

• 维基 · 食谱
• 贡献指南 · 行为准则 · 更新日志
• MIT 许可证