我的提示词会上传到云端吗？

不会。模型在本机 CPU 或 GPU 上运行，提示词和输出都不会离开你的电脑，也不会发送到任何远程推理服务。

它使用什么技术？

以 Zig 和 C++ 围绕 llama.cpp 构建，本地存储使用 SQLite，界面采用 Preact、Preact Signals 与 Tailwind CSS。

可以。Ava PLS 支持 headless 模式，可在没有图形界面时于后台或服务器环境运行。

Ava PLS 目前每月获得 700 访问量，月度环比流量变化为 +700（增长率 0%）。其主要来源市场是全球（— 份额），包括每月 280 次直接访问和每月 0 次自然搜索访问。

Ava PLS 采用免费定价模式。免费且开源。Ava PLS 以 MIT 许可免费发布，可从 GitHub Actions 产物下载构建，也可在本地自行编译。没有订阅方案或使用费。支持的计费和结账平台包括：未列出。

Ava PLS — 月访问量 (700/月)、定价、API 与平替对比 | Open AI Tools

完整的 llama.cpp 图形界面

在 llama.cpp 之上提供完整图形界面，无需编写脚本或处理命令行参数即可加载模型并开始对话。

完全本地与隐私优先

一切都在自己的硬件上运行，提示词、对话与模型文件都留在本机，无需云端账号。

Headless 模式

除窗口应用外，Ava PLS 还能以 headless 模式运行，适合后台进程、服务器与自动化实验。

轻量开源技术栈

使用 Zig 与 C++ 开发，搭配 SQLite 数据层以及 Preact、Signals、Tailwind CSS 界面，代码精简且易于改造。

MIT 许可与社区驱动

以 MIT 许可发布，源代码、构建产物与社区讨论分别在 GitHub、Discord 与项目论坛。

Ava PLS 是为希望在个人电脑上、而非通过托管 API 运行大语言模型的用户打造的桌面应用。它把广泛使用的 C++ 推理引擎 llama.cpp 封装进图形界面，让加载模型、调整参数与对话成为普通的桌面操作，而不是命令行工作。

项目对自身技术栈相当透明：使用 Zig 与 C++ 围绕 llama.cpp 编写，应用数据存储在 SQLite，界面以 Preact、Preact Signals 与 Tailwind CSS 绘制。这样的组合让可执行文件保持轻量、界面保持流畅，也让想 fork 或扩展的贡献者更容易上手。

由于一切都在本地完成，Ava PLS 很适合有隐私、成本或连接限制的用户：尝试开放权重模型的开发者、不能把数据交给第三方的团队，以及单纯想自己掌握工具的技术爱好者。它以 MIT 许可的开源形式发布，你可以获取现成构建或自行从源码编译。

注重隐私的开发者

在笔记本或工作站加载 GGUF 格式的开放权重模型，完全不向外部服务器发送提示词即可对话。

机器学习实验者

用内置界面在同一硬件上比较量化、提示词与参数，并以 headless 模式执行自动化测试。

IT 或平台团队

在内部机器安装 Ava PLS，让助手与文本处理任务不依赖外部推理 API 也能运行。

同一分类下同类 AI 工具的流量并排对比

排名	AI 工具	月访问量	月度环比增长	直接流量占比	定价	头对头
●	Ava PLS	700	0%	40% 直接流量	免费	当前产品
1	Ollama	942.2万	+4.3%	43% 直接流量	Free, Freemium, Paid	对比 Ollama
2	Open WebUI	80.45万	-2.8%	37% 直接流量	免费增值	对比 Open WebUI
3	local.ai	6014	+8.6%	39% 直接流量	免费	对比 local.ai
4	Jan	29.19万	-9.6%	36% 直接流量	免费	对比 Jan
5	DeepSeek	3.73亿	+4.3%	78% 直接流量	免费增值	对比 DeepSeek
6	AnythingLLM	51.23万	+12.9%	39% 直接流量	免费增值	对比 AnythingLLM