🧠 一、Pinokio 是什么？

Pinokio 是一个 开源的 AI 应用浏览器（AI Browser），旨在让用户像安装普通软件一样轻松运行本地 AI 模型和应用，无需命令行、无需复杂配置。

✅ 核心理念：“一键安装 + 自动管理 + 图形界面” = 让本地 AI 像手机 App 一样简单

它由前 Google 工程师创建，目标是成为 “AI 时代的操作系统” —— 用户通过 Pinokio 安装、启动、管理和共享各种 AI 应用（如 ComfyUI、Ollama、Llama.cpp、Stable Diffusion WebUI 等）。

---

🌟 二、核心特性

1. 图形化 AI 应用商店

• 内置 AI 应用市场（类似 App Store），可一键安装热门 AI 工具：
  • ✅ ComfyUI
  • ✅ Ollama（本地大语言模型）
  • ✅ LM Studio
  • ✅ Stable Diffusion WebUI (AUTOMATIC1111)
  • ✅ AnythingLLM、Jan、GPT4All、Whisper 等
• 所有应用自动处理依赖（Python、Node.js、Git、CUDA 等）

2. 全自动环境管理

• 自动检测并安装所需运行时（如 Python 3.10、PyTorch、FFmpeg）
• 自动下载模型（支持 Hugging Face、GitHub Releases）
• 自动配置端口、路径、GPU 加速（CUDA/Metal）

3. 跨平台支持

• 支持 Windows / macOS / Linux
• 在 Apple Silicon（M1/M2/M3）上原生优化
• 无需手动设置 PATH 或虚拟环境

4. 脚本驱动（Scriptable）

• 每个应用通过 pinokio.js 脚本定义安装/启动逻辑
• 开发者可提交自己的 AI 应用到社区库
• 支持自定义参数、模型选择、更新策略

5. 离线优先 & 隐私安全

• 所有 AI 模型和数据默认保存在本地
• 不强制联网（除首次下载外）
• 无云服务依赖，适合敏感场景

6. 轻量级 Electron 应用

• 基于 Electron + Node.js 构建
• 启动快、资源占用低（相比 Docker 方案）

---

📦 三、典型使用场景

用户类型	使用方式
普通用户	打开 Pinokio → 搜索 “ComfyUI” → 点击安装 → 启动 → 开始生成图片
开发者	编写 pinokio.js 脚本 → 发布到 GitHub → 社区用户一键安装你的 AI 工具
研究者	快速切换不同模型（如 SDXL vs Flux vs Z Image）而无需重配环境

---

🔧 四、安装与使用

1. 下载安装

• 官网：https://pinokio.computer
• GitHub Releases：https://github.com/pinokiocomputer/pinokio/releases
• 支持 .exe（Windows）、.dmg（macOS）、.AppImage（Linux）

2. 基本操作流程

1. 打开 Pinokio
2. 浏览或搜索 AI 应用（如 “comfyui”）
3. 点击 Install → 自动下载代码 + 模型 + 依赖
4. 安装完成后点击 Run → 自动启动 Web UI（通常在 http://localhost:8188）
5. 关闭后可随时从 Pinokio 重新启动

💡 首次运行会自动安装 Python 和 Git（如果系统没有）

---

🧩 五、与 ComfyUI 的关系

• Pinokio 不是 ComfyUI 的替代品，而是它的 “安装器 + 启动器 + 管理器”
• 通过 Pinokio 安装 ComfyUI：
  • 无需 git clone
  • 无需 pip install
  • 无需手动放模型文件
  • 自动集成常用插件（如 ComfyUI Manager）
• 特别适合不熟悉命令行的新手用户

---

🌐 六、开源与社区

• 许可证：MIT（完全免费开源）
• 源码结构：
  • apps/：内置应用脚本库（JSON + JS）
  • engine/：核心运行引擎
  • ui/：Electron 前端界面
• 社区贡献：欢迎提交新的 AI 应用脚本（PR 到 apps/ 目录）

---

⚠️ 七、注意事项

• 某些大型模型（如 SDXL、Flux）仍需大量磁盘空间（10–50GB）
• 首次安装可能较慢（需下载依赖和模型）
• 高级用户若需深度定制（如修改 ComfyUI 源码），仍建议手动部署

---

✅ 总结一句话：

Pinokio 是让普通用户也能轻松运行本地 AI 应用的“傻瓜式管家”，把复杂的环境配置、依赖管理和模型下载全部自动化，真正实现“点一下就跑起来”。

---

如果你正在寻找一种不用敲命令、不用配环境、就能玩转 ComfyUI / Ollama / LLM / SD 的方式，Pinokio 是目前最友好的选择之一。

---

新手友好 + 实用性强的 5 个推荐应用（适合刚接触 Pinokio 的你）

✅ 所有应用都支持 一键安装 + 自动配置 + 图形界面启动

应用名称	用途	为什么推荐
1. ComfyUI	可视化文生图/图生图工作流（比 WebUI 更强大灵活）	支持 SDXL、Flux、Z Image 等主流模型；可做高清修复、局部重绘、视频生成等高级操作
2. Ollama	本地运行大语言模型（如 Llama 3.2、Qwen、Gemma、Phi-3）	输入自然语言即可对话、写代码、总结文档；完全离线、隐私安全
3. LM Studio	类似 Ollama，但带图形聊天界面	更适合普通用户，像 ChatGPT 桌面版，支持中文模型（如 Qwen、DeepSeek）
4. AnythingLLM	构建个人知识库 + 私有 ChatGPT	上传 PDF/Word/TXT，AI 自动回答你的问题（适合学生、研究者）
5. Whisper Desktop	语音转文字（支持中英文）	录音/视频自动转字幕，准确率高，完全本地运行

💡 建议安装顺序：先装 ComfyUI（玩图像） + Ollama 或 LM Studio（玩文本），体验最直观！

---

“Pinokio 脚本部署模型”是什么意思？—— 举个真实例子

场景：

你想在本地运行 阿里巴巴的 Z Image 模型（中文优化、免费、效果好），但它需要：

• 下载 ComfyUI
• 安装 Python 和 PyTorch
• 下载 Z Image 的 .safetensors 模型文件（约 6GB）
• 放到正确目录（models/checkpoints/）
• 启动 ComfyUI 并加载模型

👉 手动操作：至少要敲 10 条命令，还可能出错。

---

用 Pinokio 怎么做？

Pinokio 社区已经有人写好了一个 自动化脚本，叫 z-image。

这个脚本（pinokio.js）里写了：

// 伪代码示意（实际是 JS + JSON）
{
  name: "Z Image",
  description: "阿里通义实验室开源的中文文生图模型",
  install: [
    "git clone https://github.com/comfyanonymous/ComfyUI",
    "download model from huggingface.co/ZhipuAI/Z-Image → models/checkpoints/",
    "pip install -r requirements.txt"
  ],
  run: "python main.py --listen"
}

你在 Pinokio 里只需三步：

1. 打开 Pinokio → 点顶部 Discover（发现）
2. 搜索 z image → 找到官方或社区版本
3. 点击 Install → 等待自动完成（下载代码 + 模型 + 依赖）
4. 安装完点 Run → 自动打开浏览器 http://localhost:8188
5. 在 ComfyUI 里选择 “Z Image” 模型 → 输入中文提示词 → 生成图片！

✅ 整个过程 无需命令行、无需找模型链接、无需配环境 —— 这就是“用 Pinokio 脚本部署模型”的含义。

---

进阶理解：什么是 “Pinokio 脚本”？

• 每个 AI 应用在 Pinokio 中都是一个 独立文件夹 + pinokio.js 脚本
• 脚本定义了：
  • 从哪里下载代码（GitHub）
  • 需要哪些依赖（Python 包、系统库）
  • 模型下载地址（Hugging Face / Google Drive）
  • 如何启动（运行什么命令）
  • 是否支持 GPU、Mac M 系列芯片等
• 用户点击“Install”，Pinokio 就按脚本一步步执行，全自动完成部署

🌐 类似 Steam 安装游戏：你不用管游戏引擎、贴图、DLL 文件在哪，点“安装”就行。

修改下载源

要让 Pinokio 下载模型更快（尤其在中国大陆），你可以通过 修改其底层下载逻辑或配置环境变量 来实现。下面提供 最有效、最安全、可长期使用 的几种方法，按推荐顺序排列：

---

✅ 推荐方案 1：全局设置 HF_ENDPOINT（最简单高效）

这是 90% 场景下最有效的办法，无需改代码。

操作步骤：

1. 设置系统环境变量

   • Windows：
     • 按 Win + R → 输入 sysdm.cpl → 高级 → 环境变量
     • 在“用户变量”中点击“新建”：
       • 变量名：HF_ENDPOINT
       • 变量值：https://hf-mirror.com
   • macOS / Linux：

   echo 'export HF_ENDPOINT=https://hf-mirror.com' >> ~/.zshrc
   source ~/.zshrc
   

   （如果你用 bash，替换为 ~/.bashrc）

2. 重启 Pinokio
   确保新环境变量生效。

效果：

• 所有通过 huggingface_hub、git clone https://huggingface.co/... 的请求
  → 自动重定向到 hf-mirror.com（国内高速 CDN）
• 实测下载速度从 几 KB/s 提升到 10~50 MB/s

✅ 适用于 ComfyUI 模型、LoRA、VAE、Checkpoint 等绝大多数 Hugging Face 模型。

---

✅ 推荐方案 2：在 Pinokio 脚本中手动替换下载链接

如果你知道某个模型在 ModelScope（魔搭） 或 hf-mirror 有镜像，直接改脚本。

示例：

原脚本（慢）：

run("wget https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned.safetensors")

改为（快）：

// 方法 A：用 hf-mirror（推荐）
run("wget https://hf-mirror.com/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned.safetensors")

// 方法 B：用 ModelScope（仅限支持的模型）
run("wget https://modelscope.cn/models/runwayml/stable-diffusion-v1-5/resolve/master/v1-5-pruned.safetensors")

🔍 如何找 ModelScope 链接？
访问 https://modelscope.cn/models，搜索模型名。

---

🧪 验证是否生效

在 Pinokio 脚本中加一行测试：

run("curl -I https://huggingface.co/stabilityai/sd-vae-ft-mse-original/resolve/main/vae-ft-mse-840000-ema-pruned.safetensors")

如果返回的 Location 或实际下载地址变成 hf-mirror.com，说明成功！

---

终极建议（中国大陆用户）

场景	推荐做法
通用加速	✅ 设置 HF_ENDPOINT=https://hf-mirror.com（必做！）
Qwen / 通义千问模型	直接从 ModelScope 下载
大模型（>5GB）	用 aria2c + hf-mirror.com
避免重复下载	脚本开头加 if (!exists(...)) { ... }

---

🔗 有用资源

• HF 镜像站：https://hf-mirror.com
• ModelScope：https://modelscope.cn
• aria2 下载：https://aria2.github.io/