不用模型（默认）
关键词排序，加上你正在对话的 AI。
免费，不用装任何东西。
模型指南
接一个模型，FULI 多一种能力。
FULI 不接模型也能用。模型是可选的：接上后，FULI 能按意思查找、给项目归类、整理记忆。
可以用 Ollama 在本机跑模型，也可以用在线模型；它能看哪些项目，由你批准。
两种用法
配小模型
多了按意思搜索，内置 Agent 也能自己判断。
多数用途，小模型就够。
每个模型做什么
语义搜索
把每条知识和每个问题变成向量，按意思找。
- 够用
- 支持中文的小型向量模型，0.3B–0.6B。
- 示例
- 通过 Ollama：qwen3-embedding:0.6b（639 MB）、embeddinggemma-2:270m（304 MB）。在线向量接口也可以。
- 实测
-
合成留出集：40 个问题、58 条知识、取前 3 条。
- qwen3-embedding:0.6b32/32 找到 · 8 次中误命中 1 次 · 每次查询 16 ms（台式机 CPU）
- embeddinggemma-2:270m28/32 找到 · 误命中 1 次 · 18 ms
- 只用关键词排序同一组题 31/32 找到
- Token
- 用本机模型，不花 Token。
Astro 项目归类
建议一段对话属于哪个项目。
- 够用
- 能返回 JSON 的小型或中型对话模型。
- 实测
- 未实测
Dreaming 记忆整理
读一个项目最近的会话，提议该记住或退役什么；由人确认。
- 够用
- 上下文长的强对话模型。
- 实测
对一个项目的 21 个真实会话完整跑一次：3 次模型调用，共 143,292 Token。
每天的运行只读上次之后的新内容，花得少得多。
Tonborg 判断
知识留下之前，先审一遍。
- 够用
- 强对话模型。
- 实测
本地 qwen3.5:4b 在 48 个留出案例上与标注一致 60.4%，低于 85% 的门槛。
所以我们建议用强的在线模型，或者当前会话。
Jefa 看板
把工作对上看板上的条目。
- 够用
- 小型对话模型。
- 实测
- 未实测
Bole 绩效
根据 Agent 的成绩卡，建议下一步做的一件事。
- 够用
- 中型对话模型。
- 实测
- 未实测
模型能看到什么
- 模型只看到你批准的项目。
- 用本机的 Ollama 模型，所有内容都留在你的电脑上。
- 密钥只保存在这台电脑上。
我们怎么测
只用合成数据，只测一个项目，题目也不多。数字是参考，不是承诺。