硬件资源不足的应对策略
针对低配设备用户，Lokale Tiefenforschung提供多种优化方案：
- 轻量模型选择：改用Ollama的gemma3:4b等小型模型，仅需4GB显存
- 混合运行模式：在config.py设置cloud_fallback=True，当本地超时自动切换云API
- Technologie der Segmentierung：将max_results设为10-15，通过多轮小批次处理降低内存压力
Umsetzung der Empfehlungen:1) Windows用户可使用任务管理器设置CPU优先级；2) 笔记本用户建议外接散热底座；3) 对于超长文档，先用quick_summary功能提取关键段落后处理。实测在8GB内存设备上，通过调整Docker容器的内存限制参数仍可流畅运行基础功能。
Diese Antwort stammt aus dem ArtikelLocal Deep Research: ein lokal betriebenes Tool zur Erstellung detaillierter ForschungsberichteDie
Darf nicht ohne Genehmigung vervielfältigt werden:KI-Produktivitätswerkzeuge " 如何克服硬件性能不足导致的本地模型运行缓慢问题？
Deutsch 
简体中文 
English 
日本語 
Português do Brasil