FrugalSloth：浏览器本地深度学习训练平台，零后端零数据外泄

FrugalSloth是一款完全在浏览器中运行的深度学习训练与推理引擎，无需任何后端服务器，用户数据永不离开本地设备。它支持MLP从头训练、Transformer微调和ONNX导出，解决了传统AI开发中的数据隐私风险与云端训练成本问题，为隐私敏感场景提供完整的边缘AI解决方案。

FrugalSloth由PacifAIst团队开发，核心理念是"你的数据、你的权重、你的硬件"。该项目瞄准三大痛点：中小企业和个人开发者难以承担云端GPU租赁费用、医疗金融等敏感领域数据无法上传公共云、离线环境下的模型训练需求增长。通过将深度学习能力封装在浏览器中，用户可在本地完成从数据导入到模型部署的全流程。

技术栈方面，FrugalSloth采用TensorFlow.js配合WebGL后端实现GPU加速的矩阵运算；集成ONNX Runtime Web支持Transformer模型的推理与微调；用IndexedDB存储模型权重，Web Workers后台处理推理确保UI流畅。架构完全静态化，仅需解压ZIP文件打开index.html即可运行，无需后端依赖，可部署到Cloudflare Pages、GitHub Pages等静态托管服务。

1. MLP训练：可视化配置网络层数、激活函数等超参数，实时显示损失曲线与准确率，支持早停和检查点保存；2. Transformer微调：导入ONNX格式预训练模型（如BERT），本地微调分类头；3. 数据导入：支持CSV（首行表头、目标列最后）、JSON（对象数组）、JSONL（每行一个对象）；4. 模型导出：JSON Weights（重新加载/JS集成）、ONNX（跨环境部署）、Engine JS（嵌入HTML）。

FrugalSloth的最大亮点是隐私保护：所有计算在浏览器本地完成，训练数据、模型权重和推理结果永不离开设备，适合医疗患者数据分析、金融交易记录建模等敏感场景。此外，支持离线运行，首次加载后无需网络连接，进一步降低数据泄露风险。

快速体验：下载frugalsloth-v0.3.3-web.zip，解压后打开index.html；开发者：通过Electron打包生成Windows/macOS/Linux桌面应用；开发模式：需Node.js环境，执行npm install和npm run dev启动本地服务器；桌面版：Electron封装，支持文件拖拽导入、系统托盘驻留。

为获得最佳性能，建议使用Chrome或Edge浏览器，并确保WebGL 2.0已启用。可通过系统日志控制台查看backend信息验证GPU加速是否成功，若显示cpu后端，建议重启浏览器或尝试Edge浏览器。

版本演进：v0.1.0起步，v0.2.0 UI重构+双主题，v0.3.0模型版本控制+自动命名，v0.3.3空状态提示+Electron桌面应用；开源协议为GNU Affero通用公共许可证。未来展望：在边缘计算、隐私计算、离线AI教育领域发挥作用；WebGPU普及将进一步提升性能边界。