AMD终于有自己的本地 Agent 了？395这次真能干活吗

本文来源： ddddaishare（公众号：ddddaishare）
原文链接： https://mp.weixin.qq.com/s/RwKYFcRoyQTzVrAiReDxZQ
发布时间： 2026-09-19 18:02

作者： ddddaishare　　发布时间： 2026-09-19 18:02

前几天写 AMD，我还在讲驱动、ROCm 和 Windows 支持。今天换个更接近用户的问题。

AMD 自己有没有一套能在电脑上跑起来的 Agent？理想状态是能读文件、查资料、调用工具，最后把结果交出来，不止停在聊天框里。

答案是有了，名字叫 GAIA。

AMD 把它放在了自己的 GitHub 组织里，定位是 Ryzen AI 的本地 Agent 框架。默认走本地推理，支持 Ryzen AI 的 NPU 和 iGPU；想接云端，也可以通过 Lemonade 配 Fireworks 或 AMD LLM Gateway。这个项目今天最值得看的地方，就是它没有把“本地”只理解成一个聊天窗口。

       AMD GAIA 官方 GitHub 项目页面

GAIA 的功能清单里已经有几个很实用的东西。桌面界面可以聊天、浏览文件、给文档建索引、执行工具；RAG 支持 50 多种文件格式；语音部分接 Whisper 和 Kokoro；视觉部分接 Qwen3-VL-4B；还可以通过 MCP 接外部工具。

换句话说，一台 Ryzen AI 电脑可以先做一个“本地资料助手”，再慢慢加工具，不用一开始就搭一套复杂的 Agent 平台。

这对 Ryzen AI Max+ 395 用户尤其有意思。395 的优势在于大统一内存能把更大的模型和文档放在同一台机器里，NPU 单点速度只是其中一部分。GAIA 负责 Agent 的工具编排，模型和资料留在本机，适合做企业内部资料检索、代码仓库问答、离线文档处理这类事情。

但别把它理解成“395 终于能跑出云端顶级 Agent 速度”。GAIA 是框架，速度和能力仍然取决于你给它接的模型、推理后端和工具数量。大模型放得下，不等于每一步都快；Agent 还会重复读文件、调用工具、等待返回，实际体验比单轮聊天更容易被上下文和 I/O 拖慢。

AMD 官方给的最低配置是 Ryzen AI 300 系列处理器、Windows 11 或 Linux、16GB 内存；推荐配置是 Ryzen AI Max+ 395 和 64GB 内存。这个门槛说明，GAIA 并不是只给 395 用，但大内存机器会更舒服。

安装先别想复杂，官方仓库给的是 Python 包路线。

pip install amd-gaia

安装完成后，可以先跑终端界面，再用 /provider 选择本地或云端提供方。接云端后，聊天历史会发给对应服务商；只有本地模型路线才符合它“默认本地”的隐私设定。

如果你想自己写一个小 Agent，官方示例直接继承 Agent、注册工具就能跑。

from gaia.agents.base.agent import Agent from gaia.agents.base.tools import tool  class MyAgent(Agent):     def _get_system_prompt(self) -> str:         return "You are a helpful assistant."      def _register_tools(self):         @tool         def get_weather(city: str) -> dict:             return {"city": city, "temperature": 22, "conditions": "Sunny"}  agent = MyAgent() print(agent.process_query("What's the weather in Shanghai?"))

还有一个更直接的配套项目叫 Ryzen AI LLM Server。它把 Ryzen AI 300/400 系列上的模型暴露成 OpenAI 兼容接口，支持 NPU、NPU+iGPU 混合和 CPU 三种模式，还支持工具调用和流式输出。

       Ryzen AI LLM Server 官方仓库页面

Windows 上的基本构建流程是这样。

git clone https://github.com/lemonade-sdk/ryzenai-server.git cd ryzenai-server mkdir build cd build cmake .. -G "Visual Studio 17 2022" -A x64 cmake --build . --config Release

它要求 Windows 11、Visual Studio 2022、CMake 3.20 以上，以及 Ryzen AI Software 1.7.0。硬件方面，NPU 路线要求 Ryzen AI 300 或 400 系列，内存最低 16GB，大模型建议 32GB 以上。

如果你手里是普通 Ryzen AI 300 系列笔记本，也可以先从语音这个入口试起。AMD 的 LIRA 项目可以把 Whisper 和 Zipformer 导出、优化并放到 CPU、GPU 或 NPU 上运行，还能开一个 OpenAI 兼容的转写接口。

git clone https://github.com/aigdat/LIRA.git cd LIRA pip install -e . lira run whisper --model-type whisper-base --export --device npu --audio input.wav

这就能做一个本地会议录音转写，再把文字交给 GAIA 总结。相比一上来让 395 跑一个很大的 Agent，先把“录音转写、文件检索、结果整理”这一套流程跑通，更容易知道机器到底够不够用。

我建议 AMD 用户按三层来搭。第一层是本地模型和推理后端，先确认模型确实在 NPU、iGPU 或 CPU 上工作；第二层是 GAIA，负责文件、RAG、MCP 和工具调用；第三层才是自己的工作流，比如会议纪要、代码仓库问答、资料归档。

还要提前说清楚几个限制。GAIA 的官方仓库还在持续开发，部分功能和模型导出属于早期能力；Ryzen AI LLM Server 的 DLL 还要遵守 AMD 软件许可；LIRA 也明确提醒，部分 NPU 后端是实验性质。把它当成今天就能拿来搭原型的开源底座可以，直接当成熟企业平台就过头了。

项目入口放这里，建议从官方 README 开始。

AMD GAIA https://github.com/amd/gaia  Ryzen AI LLM Server https://github.com/lemonade-sdk/ryzenai-server  AMD LIRA https://github.com/amd/LIRA

AMD 本地 AI 今天比较实在的利好，是开始把模型、NPU、文件检索、工具调用和 OpenAI 兼容接口拼成一套东西，不再只停留在“理论上能跑”的模型层面。

395 适合拿来做大一点的本地资料和 Agent 原型，普通 Ryzen AI 300 系列也能从语音、转写和轻量 RAG 入手。先让机器稳定地完成一个小任务，再往上堆模型和工具，比一开始就追求“本地版超级 Agent”靠谱得多。

资料核对。AMD GAIA、Ryzen AI LLM Server、AMD LIRA 官方仓库，按 2026 年 9 月 19 日页面内容整理。

本文转载自微信公众号「ddddaishare」，仅供学习交流使用。