先看结论

只聊天：LM Studio（Windows）或 Ollama（Linux）。

要 Web 界面：Open WebUI。

要知识库问答：AnythingLLM 最轻量，Dify 最全面。

要自动化流程：n8n。

全都要：Ollama 做后端 + Open WebUI 聊天 + AnythingLLM 知识库。

安装难度

LM Studio 下载安装包，双击装。Ollama 一行命令。AnythingLLM 一条 Docker 命令。Open WebUI 一个 compose 文件。n8n 同上。Dify 最麻烦，要拉整个仓库改 .env 再 docker compose up，依赖服务也多。

资源占用

不算模型的话，Ollama 空闲时 ~100MB，LM Studio ~300MB，AnythingLLM ~300MB，Open WebUI ~400MB，n8n ~500MB，Dify 全家桶 ~2.5GB（Redis+PostgreSQL+Weaviate+Nginx+Sandbox 全算上）。

模型加载后的占用跟工具无关，只看模型大小。7B Q4_K_M 大约 4.7GB，所有工具都一样。

速度

统一用 Ollama 后端跑 qwen2.5:7b，同一个提示词：

Ollama CLI：5.0 t/s，首字 ~3s。Open WebUI：4.9 t/s。LM Studio：4.8 t/s。AnythingLLM：4.8 t/s。Dify：4.5 t/s。n8n：4.5 t/s。

差距不到 10%。瓶颈在 Ollama 和模型本身，前端带来的额外开销很小。

功能

聊天对话：都能，但 Open WebUI 体验最好，最像 ChatGPT。

知识库 RAG：AnythingLLM 开箱即用，上传文档就能问。Dify 最强大但配置复杂。Ollama 和 LM Studio 没有内置 RAG。Open WebUI 有基本的文档上传功能。n8n 可以编排但得自己搭。

多用户：Ollama 和 LM Studio 不支持。Open WebUI、Dify、AnythingLLM、n8n 都支持。

API：Ollama 的 OpenAI 兼容接口最通用。LM Studio 也有。Dify 能发布 API。n8n 有 Webhook。

工作流：Dify 和 n8n 是主力。其他的没有。

模型翻译测试

同样用 qwen2.5 系列，不同大小对比：

7B：翻译质量最好，用词准确，语序自然。速度 ~5 t/s。3B：翻译质量接近 7B，个别专有名词翻得不准。速度 ~12 t/s。1.5B：能翻，偶尔翻错意思，”自动车辆”这种直译。速度 ~20 t/s。

代码任务：qwen2.5-coder:7b 写的快速排序带注释、边界处理。qwen2.5:7b 通用版也正确但简洁。3B 版本能写基本逻辑但边界情况没处理。

内存建议

8G 机器：Ollama + qwen2.5:3b 或 1.5b。别装 GUI。

16G 机器：Ollama + Open WebUI + AnythingLLM，跑 7B 模型没问题。

32G 机器：全家桶 + Dify + n8n，14B 模型也能跑。