自架 AI 工具組指南：能取代多筆 AI 訂閱嗎？Ollama、Nine Router、Headroom、Dify、OpenHands 的分工與代價
自架 AI 工具組是把模型執行、備援路由、內容壓縮、應用建構與程式開發 agent，都改由開源工具在自己的機器或伺服器上完成的做法。它有機會讓你重新安排訂閱費花在哪裡，但不會讓帳單歸零：費用會轉成硬體、維護時間與用量判斷。以下依 Fireship 頻道影片的內容，逐一說明五個工具各守哪一段。
翻開這個月的信用卡帳單，訂閱項目一條一條排下來：寫程式的編輯器、一個聊天模型的高階方案、另一個聊天模型的高階方案，再來是某個你兩年前註冊、之後就沒再想過的 API 金鑰。
單看每一筆都不算誇張。可是把它們加在一起，你會停下來問自己一句話：這些東西，是不是有一部分其實可以自己來？
Fireship 頻道在 2026 年 9 月 7 日發布的影片，就是從這個念頭出發。講者先算了自己的帳：Cursor 每月 20 美元，Claude Max、GPT Pro、Gemini Ultra 各 100 美元，合計 320 美元，這也是影片標題裡「$320/mo」的來源。這些都是講者自述的個人支出，不代表一般用戶的實際花費。他另外還提到逐字稿寫成「11 Labs」的服務（疑為 ElevenLabs，語音辨識拼寫待核對）、DeepSeek 與一批被遺忘的 API 金鑰，並未列出金額。接著他介紹五個他說可以自架的開源工具。
這篇文章不是把影片再講一遍，而是把五個工具放回一條線上，看它們各自守在哪一段，以及帳單真正縮小的條件是什麼。
Ollama 是什麼？自架工具組的第一段：模型自己跑
依講者的說法，任何 AI 工具組都得先有模型。他形容 Ollama 像是「大型語言模型的 Docker」：提供命令列介面與 API，讓你在自己的機器上下載並執行模型，特別適合嘗試各種開放權重模型。
講者強調的好處有兩個：提示內容不會離開你的機器，而且推論本身沒有按次計費。（本文補充：這只限純本機推論；一旦透過備援分層轉送雲端模型，內容就會送到該供應商。）他也自己點出限制：多數人手上的硬體跑不動接近最先進水準的模型，小模型幾乎哪裡都能跑，但要跑前沿規模的模型，得有近乎一座小型資料中心的設備。
換句話說，第一段解決的是私密性與單次成本，卻把問題轉成硬體門檻。
Nine Router 做什麼？第二段：一個入口接所有模型的備援分層
既然本機跑不動大模型，就得有辦法在本機與雲端模型之間切換。逐字稿中稱這個工具為 Nine Router（因為逐字稿是語音辨識產物，此名稱的正式拼寫尚待對照官方專案頁確認）。
依講者描述，它坐在你的 AI 工具與多家模型供應商之間，提供一個本機端點與 OpenAI 相容的代理，你只要把工具都指向 localhost，就不必分別管理多把金鑰。他最看重的是備援分層：他舉例說，第一層可放你本來就在付費的訂閱（例如 Claude Max），第二層可放按量計費、價格較低的 OpenAI 模型當後備，第三層放免費來源，例如中國的模型與 Vertex 試用額度。第一層用完，就自動往下一層走。講者還說它會記錄用量，並壓縮工具輸出以減少 token 消耗，但影片沒有給出任何具體節省比例。
Headroom 是什麼？第三段：先把要送出去的內容瘦身
如果你每天消耗的 token 已經很大（講者說的是「每天數十億」等級），講者推薦逐字稿中稱為 Headroom 的工具（名稱待核對），把它定位成 AI agent 的「上下文壓縮層」。它位於你的應用與模型供應商之間，在工具輸出、日誌與其他冗長內容送進模型之前先壓縮，因為送進去的部分會被算成計費的輸入 token。
講者特別提到一個設計：壓縮是可逆的。送給模型的壓縮版本，原始內容會快取在本機，模型需要時仍可取回。他用一個很誇張的玩笑來形容 agent 讀取過多無用內容的情況，那是笑點，不是數據，本文不引用。
Dify 與 OpenHands 分別負責什麼？從基礎設施走到應用
前三個是基礎設施。接下來，講者談的是拿它們來做什麼。
Dify（逐字稿多處寫成 Diffy，名稱待核對）是視覺化的建構工具，在畫布上拖曳節點，而不是把所有邏輯都寫進提示裡。講者說明它的流程：應用送出資料，視覺化工作流從資料庫取回符合條件的項目，再由大型語言模型解釋結果，整條工作流最後會以 API 形式對外提供，前端只需呼叫它。影片中的示範應用是虛構的玩笑專案，與實際產品無關。
逐字稿中稱為 OpenHands（名稱待核對）的工具，講者說它是開源的自主程式開發 agent。講者稱它在 SWE-bench verified（以真實 GitHub issue 為題的評測）上表現名列前茅，這是講者說法，未經獨立查證。用法是把工作寫成 GitHub issue，交給它在背景處理；因為跑在你自己的伺服器上，可以接 OpenAI 或 Anthropic 的模型，也可以接前面用 Ollama 裝好的本機模型。
自架之後訂閱費真的會消失嗎？只是換了地方付
到這裡，五個工具串起來看起來很漂亮：Ollama 提供本機模型、Nine Router 管入口與備援、Headroom 壓縮輸入、Dify 建應用、OpenHands 做開發。
但影片標題說的是「取代」，而帳單的邏輯是這樣的：那 320 美元不是被消滅，而是被拆開，分給了幾種不同的成本。
第一種是硬體或主機，講者自己也說多數人的硬體跑不動前沿模型，而他舉例的備援分層，也把既有訂閱與按量計費的雲端模型列為可用的層級。以下第二、三種是本文的推論，不是講者說法：第二種是維護時間，五個工具要自己安裝、串接、更新，出問題也得自己處理。第三種是判斷成本：什麼用途走哪一層、哪一層用了多少，仍要你自己決定和解讀（講者提到 Nine Router 會記錄用量，但影片沒有說明如何判讀）。
還有一件事要放在旁邊註記：影片中所有關於效果與節省的說法，包含講者「更便宜也更有生產力」的判斷，都是他個人的經驗，影片並未提供可核對的前後對照數據。所以正確的讀法不是「320 美元變成 0」，而是「有一組工具，讓你有機會重新安排錢花在哪裡」。
另外，這支影片含 Hostinger 贊助，講者在影片中提到可用其 VPS 部署上述專案。本文不推薦該服務，也不轉述任何優惠碼；自架的位置可以是你自己的機器、雲端主機或公司內部伺服器，選擇因人而異。
回到那張帳單
回頭看開場那張帳單，值得改變的不一定是訂閱的數量，而是你能不能回答三個問題：哪些用途一定要用前沿模型？哪些用本機的小模型就夠？每一層實際用了多少？
（此段為本文的建議，非講者說法。）如果三個問題你都答得出來，自架工具組是一個可以試的選項；如果答不出來，先把用量看清楚，比先裝五個工具更重要。下次帳單來的時候，你要看到的，最好是自己有意安排過的結果，而不是被動累積的數字。
常見問題（FAQ）
Q1：這五個工具真的能取代每月 AI 訂閱嗎？
影片講者表示他取消了自己的訂閱並改用這組自架工具，但這是他個人的說法，影片沒有提供可核對的前後成本比較。而且他舉例的備援分層也把既有訂閱（例如 Claude Max）與按量計費模型列為可用層級，所以較穩妥的讀法是重新分配，而不是全部歸零。
Q2：Ollama 在本機能跑多大的模型？
講者說小模型幾乎能在任何機器上執行，但接近前沿水準的模型需要相當於小型資料中心的硬體。具體需要多少記憶體或顯示卡，影片沒有說明，請依你想跑的模型官方需求評估。
Q3：Nine Router 是這個工具的正式名稱嗎？
不一定。本文來源是語音辨識產生的逐字稿，稱它為 Nine Router，可能有拼寫誤差。使用前請先用其功能描述（本機 OpenAI 相容代理、備援分層、用量追蹤）在官方來源搜尋確認。
Q4：Headroom 壓縮內容，會不會讓模型漏看重要資訊？
講者說明壓縮是可逆的，原始內容會快取在本機，模型需要時可再取回。實際效果與節省幅度，影片沒有提供數據，建議自行以真實工作量測試。
Q5：影片中的 Hostinger 需要一起用嗎？
不需要。Hostinger 是影片贊助商，講者是以它為例說明部署位置。本文不推薦、也不轉述其優惠。你可以選擇任何自己信任的主機環境。
資料來源聲明
本文核心事實整理自 Fireship 頻道（The Code Report）於 2026-09-07 發布的影片《5 open source tools that replaced my $320/mo AI stack...》。影片為英文，本文依語意重新組織為繁體中文，非逐字翻譯；逐字稿為語音辨識產物，工具名稱與部分用詞可能有誤，已在文中標註待核對。月費數字、工具功能、SWE-bench 表現均為講者說法，未經獨立查證。影片含 Hostinger 贊助。影片中的玩笑與誇飾（例如酒類銷售、游泳池用水量、虛構的配對應用）不作為事實引用。本文未加入影片沒有提到的價格、效能或節省比例。
延伸閱讀
想先看看有哪些模型可以選
如果你打算把幾家模型接在同一個工具組裡，可以先到 AI Token King 查看目前帳戶可用的模型清單與各自的定價資訊，再決定哪些工作交給雲端、哪些留在本機。前往 AI Token King
留言