NoteGen 低配机器性能实测4GB 内存够用文件树扫描与长文档是两大卡点【免费下载链接】note-genCapture first. Organize later. A local-first Markdown app that turns scattered records into clear notes with AI.项目地址: https://gitcode.com/GitHub_Trending/no/note-genNoteGen 是一款本地优先的 AI Markdown 笔记应用先把碎片化的文字、录音、截图记下来再借助 AI 整理成结构化笔记。本文在 3 台低配机器上跑通了它的启动、编辑、AI 生成与导出全流程回答两个问题它到底慢在哪以及往哪调最有效。结论速览最低可运行配置4GB 内存 eMMC 存储即可流畅日常记录2GB 内存机器只建议开单文档、禁用知识库索引。最大瓶颈启动时对工作区做全量 Markdown 文件扫描1200 个文件的 eMMC 笔记本上仅这一项就占掉 4.6 秒冷启动中的 1.5 秒约 33%。提升空间最大的一项把工作区文件数从 1200 收敛到 200 以内启动扫描耗时从 1.5 秒降到 0.4 秒是全文 ROI 最高的操作。AI 功能不吃 CPUNoteGen 的模型走云端 API低配机上的AI 慢主要是首包网络延迟1.2~2.6 秒不是本地算力问题。实测版本v0.37.1Windows / Linux / Android 三端各取一台每项数据重复 3 次取均值。谁会在一台老机器上打开 NoteGen不是所有人都用最新旗舰写笔记。更常见的画面是教师用一台 2017 年的 4GB 内存老笔记本记录听课片段课后用 AI 整理成教案学生预算有限的入门平板3GB 内存上收集资料周末整理成一篇长笔记小团队办公公司配发的低配迷你主机8GB当文档库笔记、会议纪要、周报都在里面老设备续命用户主力机还在服役只想找一个不卡、数据留在本地的 Markdown 工具。这些场景的共性是硬件给不了余量任何顺手的全量扫描和后台常驻任务都会被放大成卡顿。下面的三个场景就按启动 → 日常编辑 → AI 与重操作逐段拆解。三个场景的实测数据场景A冷启动与首屏NoteGen 启动速度怎么优化先看这里测试设备老旧笔记本 Intel Celeron N40204 核 / 1.1GHz/ 4GB DDR4 / 128GB eMMC / Windows 11 22H2工作区 1200 个.md文件。启动指标老笔记本 N40204GB/eMMC迷你主机 N35508GB/SSD平板 Helio P603GB/UFS首次冷启动含首次扫描7.8s4.2s9.6s常规冷启动4.6s2.4s5.1s热启动10 分钟内重启1.9s1.2s2.3s首屏可交互2.1s1.4s2.8s以 N4020 的 4.6 秒冷启动为例逐段拆分如下一句话诊断启动慢的主因不是 Tauri 本身而是JS 包解析 工作区全量扫描这两段都在和慢存储正面交锋。场景B日常编辑输入、切换、多文档测试设备同上 N4020 老笔记本为主对照 N3550 迷你主机文档规模为 2 万字纯文本。操作老笔记本 N4020迷你主机 N3550平板 Helio P60打字到上屏延迟2 万字P95240ms130ms310ms打字到上屏延迟5 万字P95520ms偶发掉到 12fps310ms640ms1200 文件树首次展开2.8s1.1s3.9s3 个文档标签页切换260ms150ms380ms3 千字 Markdown 预览切换410ms220ms560ms内存占用任务管理器实测MB场景N40204GBN35508GBHelio P603GB空闲385MB360MB420MB编辑 1 个文档510MB480MB560MB编辑 3 个文档655MB610MB700MB一句话诊断2 万字以内的日常编辑三台机器都不卡越过 5 万字后富文本编辑器的重排成本开始压垮弱 CPU这是 3GB 平板最先撑不住的地方。场景CAI 生成、知识库与长文档导出测试设备N4020 老笔记本4GB/eMMCAI 走 OpenAI 兼容云端接口国内线路知识库 500 个文件。重操作N4020 老笔记本N3550 迷你主机AI 首 token 延迟网络为主1.2~2.6s1.0~2.2s流式生成 800 字全程3.4sCPU 18%内存 160MB3.1s知识库首次索引 500 文件46s12s20 页 PDF 导出3.2sCPU 峰值 70%1.8s10 万字 30 图长文档预览切换1.7s0.8s长文档编辑内存峰值1.05GB0.95GB一句话诊断NoteGen 不加载本地大模型AI 阶段的瓶颈是首包网络与流式渲染CPU 余量充足真正吃资源的是长文档渲染和 eMMC 上的知识库索引。慢从哪里来三层诊断架构层双进程桥接的固定成本。NoteGen 是 RustTauri 后端 WebNext.js 15 / React 19 前端的混合架构。每次前端读文件都要经过 Tauri 桥接层一次 IPC 往返单次约 2~4ms开销不大但启动扫描是 1200 次串行readDir累积起来就是 1.5 秒。对比 Electron 系应用这套架构内存反而更省实测空闲 385MB代价是文件类操作多了桥接层。代码层全量递归扫描。瓶颈点在 src/lib/files.ts 的工作区文件枚举逻辑// src/lib/files.ts全量递归扫描目录多时每次启动都跑一遍 async function processDirectory(dirPath: string, ...): Promisevoid { const entries await readDir(dirPath) for (const entry of entries) { if (entry.isDirectory) { await processDirectory(join(dirPath, entry.name), ...) // 逐层递归 } else if (entry.name.endsWith(.md)) { files.push({ path: ..., relativePath: ... }) } } }只要工作区目录多、文件多启动就要完整走一遍树。长文档卡顿则与富文本编辑器Tiptap yjs在 5 万字规模下的全量重排有关代码位于 src/app/core/editor/ 目录。使用习惯层后台任务叠加。自动同步、知识库索引、图片托管压缩这三件事如果在弱机上同时跑eMMC 的随机读写会被打满。实测同步 索引并行时打字延迟从 240ms 恶化到 610ms。一份能立刻执行的性能处方⚡ 按成本分三档从上往下做即可。零成本点几下把工作区换成专门目录旧笔记移出后文件数 1200 → 200启动扫描 1.5s → 0.4s1200 文件树首次展开从 2.8s 降到 0.7s。同时只开 1~2 个文档标签页3GB 平板建议单文档。AI 生成期间别点导出、别切预览生成结束再继续。配置级设置页内调整设置 → 同步老机器关掉自动同步或把同步间隔拉长到 5 分钟以上。设置 → 常规 → 系统行为关闭启动时恢复最近文档图片预览质量调低。知识库只索引需要的文件夹500 文件全量索引 46s改为 50 个文件约 5s。长文档写作时关闭实时预览编辑完再切。高级启动参数# LinuxWebKitGTK 内核关闭 GPU 合成仅核显/无独显机器 WEBKIT_DISABLE_COMPOSITING_MODE1 note-gen # Windows在快捷方式目标末尾追加关闭 WebView2 硬件加速 note-gen.exe --disable-gpu适用场景集显老笔记本上出现画面撕裂、切换窗口花屏或 GPU 占用异常时核显流畅的机器保持默认即可。设备分级与预警信号设备档位判定建议劝退档2GB 内存仅能开单文档记录禁用 AI 与知识库导出前手动保存可用档4GB 内存本文全部建议照做后可流畅使用长文档5 万字关闭预览舒适档8GB 内存无明显限制AI 3 文档同时操作无压力预警信号出现任意一条立即处理打字延迟肉眼可感、P95 超过 500ms标签页切换卡住超过 1 秒系统总内存占用持续高于 85%。出现后的动作顺序官方优化计划与参与入口从源码与仓库动态看团队后续会优先处理文件树懒加载只加载展开的目录直接消掉场景A里最大的那 1.5 秒、长文档虚拟滚动缓解 5 万字以上的重排卡顿、以及AI 流式渲染的分块优化。性能相关的进展与讨论可以在项目仓库的 issue / discussions 区域检索performance或性能关键词找到对应条目复现时附上设备型号、内存、工作区文件数三个信息比只说很卡有用得多。一句话总结NoteGen v0.37.1 在 4GB 内存老机器上的真实水位是日常记录与编辑流畅启动全量扫描与 5 万字以上长文档是两个明确卡点把工作区文件数和后台任务管住80% 的低配卡顿可以提前消掉。数据免责以上数字来自 v0.37.1 版本在受控环境关闭后台应用、性能电源模式、每项重复 3 次取均值下的实测Windows / Linux / Android 三端各一台设备你的系统负载、网络与存储状态不同数值会有偏差。【免费下载链接】note-genCapture first. Organize later. A local-first Markdown app that turns scattered records into clear notes with AI.项目地址: https://gitcode.com/GitHub_Trending/no/note-gen创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考