用 LLM 让 Emacs 自带的 EWW 网页浏览器“重获新生”，这个话题在 Emacs 用户群里已经讨论了很久。EWW（Emacs Web Wowser）的默认体验大家心里有数：网页被渲染成纯文本，标题、链接、正文混在一起，长文章阅读效率很低。但换个角度想，EWW 把网页变成文本这件事，恰好是 LLM 最擅长的输入格式。让模型帮你提炼要点、回答问题、整理笔记，EWW 就能从“一个能看网页的文本浏览器”升级成“一个会读网页的文本工作台”。
这个方案的核心优势有四条。第一，本地运行，用 Ollama 这类推理服务，网页内容默认不出本机，隐私风险可控；第二，改造成本低，不需要换 Emacs、不需要装 Chromium，靠一段 Elisp 函数就能整合；第三，支持批量任务，多个 URL 可以排队摘要，适合阅读清单和信息整理；第四，结果直接进入 Emacs buffer，方便转成 org-mode 笔记，和已有的知识管理工作流衔接。
硬件门槛也不用担心。7B 级别量化模型用 CPU 也能跑，只是速度慢一些；有 NVIDIA GPU 或 Apple Silicon 会流畅很多。如果完全不想在本机跑模型，也可以把调用层换成任意 OpenAI 兼容的服务，但那样就需要评估页面内容交给第三方服务的合规性，本文默认用本地模型演示。
这篇文章会带你完整走一遍：环境准备、模型服务安装、Emacs 配置、核心 Elisp 函数编写、五种功能测试、接口调用和批量任务脚本，最后给出常见问题和排查清单。适合的读者是 Emacs 日常用户、用 org-mode 管理阅读资料的人，以及想在自己工具链里接一个轻量 LLM 接口的
