本地 AI 工具为什么会卡：一次性能排查
电脑配置很好，不代表 AI 工具一定流畅。
AI 工作台的卡顿，常常不是 CPU 或内存不够，而是某个细节在阻塞：日志太大、会话太长、存储位置不稳定、复制内容过多、插件在后台扫描、外置盘响应慢。
这类问题的排查，需要从现象开始，而不是直接猜硬件。
卡顿发生在什么时候
排查第一步，是确认卡顿触发点。
是启动时慢，还是切换会话慢？是生成时慢，还是复制文本时慢？是打开目录慢，还是搜索历史慢？
不同触发点对应不同原因。比如复制长文本卡顿，可能和渲染、剪贴板、会话日志有关；启动慢可能和插件加载、索引扫描有关；写入慢可能和数据目录位置有关。
问题越具体，解决越快。
存储位置影响很大
AI 工具会频繁读写会话、日志、状态和缓存。
如果这些数据放在外置存储或网络位置，偶发卡顿就更容易出现。不是每次都慢，而是当系统等待磁盘响应时，整个工具会短暂停住。
把高频运行数据放回本机，通常能明显改善体验。
外置存储适合备份，不适合承载实时状态。
日志和历史需要分层
长期使用后，会话记录和日志会越来越大。
这些数据有价值，但不应该全部参与实时加载。更好的做法是把近期使用的数据留在工作区，把历史数据归档，必要时再搜索或恢复。
这和文件整理一样：所有东西都放桌面，桌面迟早会变慢。
复盘
性能排查的关键，是把“感觉卡”拆成可验证的环节。
高配置机器仍然会卡，因为瓶颈可能在存储、日志、插件或渲染。只要找到触发点，再逐一隔离，问题通常能收敛。
AI 工具越常用，越需要像对待开发环境一样维护它的运行状态。
不要只看平均速度
卡顿体验往往来自峰值延迟，而不是平均速度。
平时 99 次都很快，但有 1 次复制文本卡住 5 秒，人就会明显感觉不顺。AI 工具也是这样。它并不一定整体慢，而是在某些动作上突然停住。
所以排查时要关注“什么时候突然慢”，而不是只看机器整体负载。
CPU 很低、内存够用时，仍然可能因为磁盘、索引、插件或剪贴板阻塞。
复制文本是一个典型触发点
复制看起来只是小动作，实际可能牵涉很多环节。
长文本需要从渲染层取内容，写入系统剪贴板，可能还会触发历史记录、插件监听、格式转换。如果文本来自很长的对话区域，前端还可能需要处理大量 DOM。
所以“复制时卡顿”并不奇怪。它提示我们：问题可能不在模型生成，而在界面和本地状态。
解决方向也不同。不是换模型，而是减少实时加载、清理历史、优化存储位置，或者避免一次性复制超长内容。
维护工作台要定期做
长期使用 AI 工具后，应该定期做几件事：归档旧会话，清理超大日志，确认数据目录在本机，检查插件数量，确认同步任务没有后台阻塞。
这些动作不需要每天做，但需要成为维护习惯。
AI 工具不是一次安装后永远保持最佳状态。它会随着使用积累数据，也会随着插件和脚本增多变复杂。
把它当成工作台维护，体验才会长期稳定。