### 为什么要在本地部署翻译引擎？ 理解空间占用和安装逻辑之前，先弄清楚一套译文是怎么生成的。JoesanTrans 采用逐层尝试的五道过滤机制：本地缓存 → 离线词典 → 记忆库 → 离线模型 → AI。系统会严格按顺序依次询问这四层，越早命中结果越快，也越能帮你守住云端字符额度。前四层的所有计算都在你的个人电脑里跑，完全不联网、不消耗任何外部服务配额。只有当本地资源穷尽且确实需要高阶语义推理时，文字才会被发往服务端调用 AI。为了方便你复盘，每条输出结果旁边都会清晰标注它到底来自哪一层，让你对每一次命中的速度和代价一目了然。
正因为这套架构，离线词典能够专注覆盖七十二个语言方向，里面塞满了粤语及简繁地区的特有词汇；记忆库则专门沉淀你手动调整过的译法。这里绝不会自动抓取所谓“优质译文”去干扰你的判断，改一次之后，相同句式下次就会直接复用你的版本。当你把这几块基础组件逐步填满后，日常大量重复或固定领域的翻译请求就能被稳稳挡在门外，彻底摆脱对不稳定网络的依赖。无论你是使用 macOS 还是 Windows 系统，也不管你切换成十种语言中的哪一种界面排版，这套本地优先的底层逻辑始终一致。
### 该怎么选：单方向模型还是全向通用版？ 面对不同的工作流强度，你需要决定具体下载哪些数据包。目前官方仅提供两种规格的离线模型：单方向模型实际大小落在 37 到 79 兆之间，针对特定语种对做了底层参数适配；覆盖全部方向的通用模型大约在 497 兆，一个压缩包就能打通多语种交叉处理的链路。两者均支持按需下载，安装包不会静默拖拽无关文件到你的硬盘里。
选择的唯一标准是你的双语组合频率。如果你的任务长期聚焦于某两个语种，比如只跑中英或中日，单独拉取对应方向的单方向模型是性价比最高的策略，每次微调或替换都很轻盈。如果你经常在三四门语言间来回切，或者手头同时握着多语种对照合同，那么一次性挂载通用的四百九十七兆大模型会省去不少折腾。安装操作极其直白：打开应用内的模型管理面板，勾选目标语种，点击立即下载。程序会自动分配路径并完成解压，过程中无需管理员提权或修改环境变量。
### 空间规划与额度配合 离线模型的安装体积非常透明且可控。以最常见的实用配置为例，挂上两三个高频方向仅占用一百多兆；即便你把市面上几十个语言方向全数入库，总增量通常也就在几吉字节上下，主流笔记本或台式机的主分区都能毫无压力地承载。所有数据包都是按需拉取的，你不需要提前清理冗余文件，缺什么下什么即可。
这里的关键在于理解容量与订阅档位的关系。免费用户享有全部离线能力的免费使用权，无任何下载次数限制。这意味着你可以毫无顾虑地把词典、记忆库和本地神经模型铺满，用纯粹的算力堆叠出四道铜墙铁壁。只有当本地引擎实在无法给出可用答案，最终滑落到第五层 AI 时，才会触发每日字符额度的正常扣减。如果你升级为 VIP，除了彻底放开离线模型的不限数量限制外，记忆库与术语表的条目上限也会被取消，文档翻译和截图识别均可不限次数运行。考虑到客户端设计上刻意不保存任何 API 密钥，AI 推理完全由服务端兜底，你的本地语料库和校对记录永远不会因为密钥泄露或服务器同步而外传。
合理规划这些本地组件，能让你的翻译产出进入稳定的快车道。前期投入几百兆物理空间换取高频句式的毫秒级响应，后期随着手动纠错次数的累积，记忆库里的私有范式会越来越贴合你的行业黑话与行文习惯。整个配置链路没有复杂的命令行提示，图形化引导已将所有开关收敛至统一设置页，花几分钟理清自己的主力方向并执行下载，剩下的就交给逐层回退的逻辑去自动运转。