本研究提出了一种创新的范式，将移动边缘计算与基础模型集成，以增强用户设备上的本地任务性能。通过创新的仿真器-适配器架构，将基础模型分成两个协同模块，节省计算资源并提高适应性和任务优化效率。引入精细调整的资源分配机制满足分散式环境需求。采用混合多智能体强化学习策略，并通过仿真和验证展示了方法的实用性、鲁棒性、效率和可扩展性。该研究为基础模型部署和平衡计算效率与任务能力提供了新视角。