llmfit

数百种模型与提供商，一条命令即可找出你的硬件能运行哪些模型。

一款终端工具，根据你系统的 RAM、CPU 和 GPU 为 LLM 模型匹配合适的规格。自动检测硬件，从质量、速度、适配度和上下文四个维度为每个模型打分，告诉你哪些模型能在你的机器上流畅运行。

内置交互式 TUI（默认）和经典 CLI 模式。支持多 GPU 配置、MoE（混合专家）架构、动态量化选择、速度估算，以及本地运行时提供商（Ollama、llama.cpp、MLX、Docker Model Runner、LM Studio）。

新功能：硬件模拟 — 在 TUI 中按 S 模拟不同硬件。覆盖 RAM、VRAM 和 CPU 核心数，无需离开应用即可查看哪些模型适合目标硬件。

姐妹项目：

• sympozium — 在 Kubernetes 中管理 Agent。
• llmserve — 一个简单的 TUI，用于服务本地 LLM 模型。选择模型、选择后端、开始服务。
• llama-panel — 用于管理本地 llama-server 实例的原生 macOS 应用。

安装

Windows

scoop install llmfit

如果尚未安装 Scoop，请参阅 Scoop 安装指南。

macOS / Linux

Homebrew

brew install llmfit

MacPorts

port install llmfit

快速安装

curl -fsSL https://llmfit.axjns.dev/install.sh | sh

从 GitHub 下载最新发布的二进制文件并安装到 /usr/local/bin（如果没有 sudo 则安装到 ~/.local/bin）。

安装到 ~/.local/bin（无需 sudo）：

curl -fsSL https://llmfit.axjns.dev/install.sh | sh -s -- --local

Docker / Podman

docker run ghcr.io/alexsjones/llmfit

此命令会输出 llmfit recommend 的 JSON 结果，可以用 jq 进一步查询。

podman run ghcr.io/alexsjones/llmfit recommend --use-case coding | jq '.models[].name'

从源码构建

git clone https://github.com/AlexsJones/llmfit.git
cd llmfit
cargo build --release
# 二进制文件位于 target/release/llmfit

使用方法

TUI（默认）

llmfit

启动交互式终端 UI。系统配置（CPU、RAM、GPU 名称、VRAM、后端）显示在顶部。模型按综合评分排序，以可滚动的表格列出。每行显示模型的评分、预估 tok/s、最佳量化方案、运行模式、内存占用和用途分类。

类 Vim 模式

TUI 使用类 Vim 模式，当前模式显示在左下角状态栏。当前模式决定哪些按键生效。

Normal 模式

默认模式。可浏览、搜索、过滤和打开各种视图。上表中的所有按键均在此模式下有效。

Visual 模式 (v)

选择连续的多个模型进行批量对比。按 v 在当前行设置锚点，然后用 j/k 或方向键扩展选区。选中的行会高亮显示。

多模型对比视图以表格形式显示，行为属性（评分、tok/s、适配度、内存%、参数量、模式、上下文、量化等），列为模型。最优值会高亮显示。如果选中的模型超出屏幕宽度，可用 h/l 或方向键水平滚动。

Select 模式 (V)

按列过滤。按 V（shift-v）进入 Select 模式，然后用 h/l 或方向键在列标题间移动。当前列会高亮显示。按 Enter 或 Space 激活该列对应的过滤器：

在 Select 模式下仍可用 j/k、方向键、Ctrl-U、Ctrl-D、PageUp、PageDown、Home 和 End 浏览行，以便在应用过滤器时查看效果。按 Esc 返回 Normal 模式。

TUI Plan 模式 (p)

Plan 模式与常规适配分析相反：不是问"我的硬件能跑什么？"，而是估算"这个模型配置需要什么硬件？"。

在选中的行上按 p，然后：

Plan 模式显示以下估算：

• 最低和推荐的 VRAM/RAM/CPU 核心数
• 可行的运行路径（GPU、CPU 卸载、纯 CPU）
• 达到更好适配目标所需的升级差距

硬件模拟 (S)

在 TUI 中按 S 打开硬件模拟弹窗。覆盖 RAM、VRAM 和 CPU 核心数，查看哪些模型适合不同的目标硬件。所有模型评分、适配等级和速度估算会根据模拟配置即时重新计算。

模拟激活时，系统栏和状态栏会显示 SIM 标识。整个模型表格会反映模拟硬件，直到你重置。

主题

按 t 可在 10 种内置颜色主题间切换。选择会自动保存到 ~/.config/llmfit/theme，下次启动时恢复。

Web 仪表盘

当你以非 JSON 模式运行 llmfit 时，会自动在后台启动 Web 仪表盘，默认监听 0.0.0.0:8787。可在同一网络中的任意浏览器打开：

http://<你的机器IP>:8787

你也可以通过环境变量覆盖主机或端口：

LLMFIT_DASHBOARD_HOST=0.0.0.0 LLMFIT_DASHBOARD_PORT=9000 llmfit

如需禁用自动启动仪表盘，添加 --no-dashboard：

llmfit --no-dashboard

CLI 模式

使用 --cli 或任何子命令获取经典表格输出：

# 按适配度排序的所有模型表格
llmfit --cli

# 仅显示完美适配的模型，前 5 个
llmfit fit --perfect -n 5

# 显示检测到的系统配置
llmfit system

# 列出数据库中所有模型
llmfit list

# 按名称、提供商或参数量搜索
llmfit search "llama 8b"

# 单个模型的详细信息
llmfit info "Mistral-7B"

# 前 5 个推荐（JSON 格式，供 agent/脚本使用）
llmfit recommend --json --limit 5

# 按用途过滤推荐
llmfit recommend --json --use-case coding --limit 3

# 强制指定运行时（在 Apple Silicon 上绕过自动 MLX 选择）
llmfit recommend --force-runtime llamacpp
llmfit recommend --force-runtime llamacpp --use-case coding --limit 3

# 为特定模型配置规划所需硬件
llmfit plan "Qwen/Qwen3-4B-MLX-4bit" --context 8192
llmfit plan "Qwen/Qwen3-4B-MLX-4bit" --context 8192 --quant mlx-4bit
llmfit plan "Qwen/Qwen3-4B-MLX-4bit" --context 8192 --target-tps 25 --json

# 作为节点级 REST API 运行（供集群调度器/聚合器使用）
llmfit serve --host 0.0.0.0 --port 8787

REST API (llmfit serve)

llmfit serve 启动一个 HTTP API，提供与 TUI/CLI 相同的适配/评分数据，包括过滤和节点级最优模型选择。

# 健康检查
curl http://localhost:8787/health

# 节点硬件信息
curl http://localhost:8787/api/v1/system

# 带过滤的完整适配列表
curl "http://localhost:8787/api/v1/models?min_fit=marginal&runtime=llamacpp&sort=score&limit=20"

# 关键调度端点：该节点的最佳可运行模型
curl "http://localhost:8787/api/v1/models/top?limit=5&min_fit=good&use_case=coding"

# 按模型名称/提供商搜索
curl "http://localhost:8787/api/v1/models/Mistral?runtime=any"

models/models/top 支持的查询参数：

• limit（或 n）：返回的最大行数
• perfect：true|false（为 true 时强制仅显示完美适配）
• min_fit：perfect|good|marginal|too_tight
• runtime：any|mlx|llamacpp
• use_case：general|coding|reasoning|chat|multimodal|embedding
• provider：提供商文本过滤（子字符串匹配）
• search：跨名称/提供商/参数量/用途的全文过滤
• sort：score|tps|params|mem|ctx|date|use_case
• include_too_tight：包含不可运行的行（/top 默认 false，/models 默认 true）
• max_context：每次请求的上下文长度上限，用于内存估算
• force_runtime：mlx|llamacpp|vllm — 在分析过程中覆盖自动运行时选择

本地验证 API 行为：

# 自动启动服务器并运行端点/模式/过滤断言
python3 scripts/test_api.py --spawn

# 或测试已运行的服务器
python3 scripts/test_api.py --base-url http://127.0.0.1:8787

硬件覆盖

在某些系统上硬件自动检测可能失败（例如 nvidia-smi 故障、虚拟机、直通配置），或者你可能想针对不同的目标硬件评估模型适配。使用 --memory、--ram 和 --cpu-cores 覆盖检测到的值：

# 覆盖 GPU VRAM
llmfit --memory=32G

# 覆盖系统 RAM
llmfit --ram=128G

# 覆盖 CPU 核心数
llmfit --cpu-cores=16

# 组合覆盖以模拟目标硬件
llmfit --memory=24G --ram=64G --cpu-cores=8 fit
llmfit --memory=24G --ram=64G system --json

# 适用于所有模式：TUI、CLI 和子命令
llmfit --memory=24G --cli
llmfit --memory=24G fit --perfect -n 5
llmfit --ram=64G recommend --json

--memory 和 --ram 支持的后缀：G/GB/GiB（千兆字节）、M/MB/MiB（兆字节）、T/TB/TiB（太字节）。不区分大小写。如果未检测到 GPU，--memory 会创建一个虚拟 GPU 条目，以便按 GPU 推理对模型评分。在统一内存系统（Apple Silicon）上，--ram 同时更新 VRAM；使用 --memory 可独立覆盖 VRAM。

上下文长度上限

使用 --max-context 限制用于内存估算的上下文长度（不改变每个模型标称的最大上下文）：

# 按 4K 上下文估算内存适配
llmfit --max-context 4096 --cli

# 适用于子命令
llmfit --max-context 8192 fit --perfect -n 5
llmfit --max-context 16384 recommend --json --limit 5

如果未设置 --max-context，llmfit 会在可用时使用 OLLAMA_CONTEXT_LENGTH。

JSON 输出

在任何子命令后添加 --json 获取机器可读输出：

llmfit --json system     # 硬件信息（JSON）
llmfit --json fit -n 10  # 前 10 个适配结果（JSON）
llmfit recommend --json  # 前 5 个推荐（recommend 默认输出 JSON）
llmfit plan "Qwen/Qwen2.5-Coder-0.5B-Instruct" --context 8192 --json

plan 的 JSON 输出包含以下稳定字段：

• 请求参数（context、quantization、target_tps）
• 估算的最低/推荐硬件
• 每条路径的可行性（gpu、cpu_offload、cpu_only）
• 升级差距

工作原理

1. 硬件检测 -- 通过 sysinfo 读取总计/可用 RAM，统计 CPU 核心数，并探测 GPU：

   • NVIDIA -- 通过 nvidia-smi 支持多 GPU。聚合所有检测到的 GPU 的 VRAM。如果报告失败，则根据 GPU 型号名称估算 VRAM。
   • AMD -- 通过 rocm-smi 检测。
   • Intel Arc -- 独立显卡通过 sysfs 检测 VRAM，集成显卡通过 lspci 检测。
   • Apple Silicon -- 通过 system_profiler 检测统一内存。VRAM = 系统 RAM。
   • Ascend -- 通过 npu-smi 检测。
   • 后端检测 -- 自动识别加速后端（CUDA、Metal、ROCm、SYCL、CPU ARM、CPU x86、Ascend）用于速度估算。

2. 模型数据库 -- 数百个模型来源于 HuggingFace API，存储在 data/hf_models.json 中并在编译时嵌入。内存需求根据量化层级（Q8_0 到 Q2_K）的参数量计算。VRAM 是 GPU 推理的主要约束；系统 RAM 是纯 CPU 执行的后备方案。

   MoE 支持 -- 自动检测混合专家架构（Mixtral、DeepSeek-V2/V3）的模型。每个 token 只有部分专家处于活跃状态，因此实际 VRAM 需求远低于总参数量的暗示。例如，Mixtral 8x7B 总参数量为 46.7B，但每个 token 仅激活约 12.9B，通过专家卸载将 VRAM 需求从 23.9 GB 降至约 6.6 GB。

3. 动态量化 -- llmfit 不假设固定量化，而是尝试适配你硬件的最高质量量化。它从 Q8_0（最高质量）到 Q2_K（最高压缩）逐级尝试，选择能装入可用内存的最高质量等级。如果在完整上下文下无法装入，则尝试半上下文。

4. 多维评分 -- 每个模型按四个维度评分（每个 0-100）：

   维度	衡量内容
   质量	参数量、模型系列声誉、量化惩罚、任务对齐度
   速度	基于后端、参数量和量化的预估 tokens/sec
   适配度	内存利用效率（最佳区间：可用内存的 50-80%）
   上下文	上下文窗口能力与用途目标的对比

   各维度通过加权合成为综合评分。权重因用途类别而异（通用、编程、推理、对话、多模态、嵌入）。例如，对话类更侧重速度（0.35），推理类更侧重质量（0.55）。模型按综合评分排序，不可运行的模型（Too Tight）始终排在最后。

5. 速度估算 -- LLM 推理中的 token 生成受内存带宽限制：每个 token 需要从 VRAM 完整读取一次模型权重。当识别出 GPU 型号时，llmfit 使用其实际内存带宽来估算吞吐量：

   公式：(bandwidth_GB_s / model_size_GB) × efficiency_factor

   效率因子（0.55）考虑了内核开销、KV 缓存读取和内存控制器效应。该方法已通过 llama.cpp 的公开基准测试验证（Apple Silicon、NVIDIA T4）及实际测量数据。

   带宽查找表涵盖约 80 种 GPU，覆盖 NVIDIA（消费级 + 数据中心级）、AMD（RDNA + CDNA）和 Apple Silicon 系列。

   对于未识别的 GPU，llmfit 使用按后端的速度常量作为回退：

   后端	速度常量
   CUDA	220
   Metal	160
   ROCm	180
   SYCL	100
   CPU (ARM)	90
   CPU (x86)	70
   NPU (Ascend)	390

   回退公式：K / params_b × quant_speed_multiplier，对 CPU 卸载（0.5x）、纯 CPU（0.3x）和 MoE 专家切换（0.8x）施加惩罚。

6. 适配分析 -- 评估每个模型的内存兼容性：

   运行模式：

   • GPU -- 模型完全装入 VRAM。推理速度快。
   • MoE -- 混合专家 + 专家卸载。活跃专家在 VRAM 中，非活跃专家在 RAM 中。
   • CPU+GPU -- VRAM 不足，溢出到系统 RAM 并使用部分 GPU 卸载。
   • CPU -- 无 GPU。模型完全加载到系统 RAM 中。

   适配等级：

   • Perfect（完美） -- GPU 上满足推荐内存。需要 GPU 加速。
   • Good（良好） -- 有余量地装入。MoE 卸载或 CPU+GPU 模式的最佳等级。
   • Marginal（勉强） -- 装入紧张，或纯 CPU 运行（纯 CPU 始终封顶在此等级）。
   • Too Tight（过紧） -- VRAM 和系统 RAM 均不足。

模型数据库

模型列表由 scripts/scrape_hf_models.py 生成，这是一个独立的 Python 脚本（仅使用标准库，无需 pip 依赖），通过 HuggingFace REST API 查询。数百个模型和提供商，包括 Meta Llama、Mistral、Qwen、Google Gemma、Microsoft Phi、DeepSeek、IBM Granite、Allen Institute OLMo、xAI Grok、Cohere、BigCode、01.ai、Upstage、TII Falcon、HuggingFace、Zhipu GLM、Moonshot Kimi、Baidu ERNIE 等。爬虫通过模型配置（num_local_experts、num_experts_per_tok）和已知架构映射自动检测 MoE 架构。

模型类别涵盖通用、编程（CodeLlama、StarCoder2、WizardCoder、Qwen2.5-Coder、Qwen3-Coder）、推理（DeepSeek-R1、Orca-2）、多模态/视觉（Llama 3.2 Vision、Llama 4 Scout/Maverick、Qwen2.5-VL）、对话、企业级（IBM Granite）和嵌入（nomic-embed、bge）。

完整列表请参阅 MODELS.md。

模型数据库在编译时嵌入，因此最终用户通过升级 llmfit 本身来获取更新（brew upgrade llmfit、scoop update llmfit 或下载更新的发布版本）。以下命令适用于从源码刷新数据库的贡献者：

刷新模型数据库：

# 自动更新（推荐）
make update-models

# 或直接运行脚本
./scripts/update_models.sh

# 或手动执行
python3 scripts/scrape_hf_models.py
cargo build --release

爬虫将结果写入 data/hf_models.json，通过 include_str! 在编译时嵌入二进制文件。自动更新脚本会备份现有数据、验证 JSON 输出并重新构建二进制文件。

默认情况下，爬虫会使用来自 unsloth 和 bartowski 等提供商的已知 GGUF 下载源来丰富模型信息。结果缓存在 data/gguf_sources_cache.json 中（7 天 TTL），以避免重复 API 调用。使用 --no-gguf-sources 可跳过丰富步骤以加快爬取速度。

项目结构

src/
  main.rs         -- CLI 参数解析、入口、TUI 启动
  hardware.rs     -- 系统 RAM/CPU/GPU 检测（多 GPU、后端识别）
  models.rs       -- 模型数据库、量化层级、动态量化选择
  fit.rs          -- 多维评分（Q/S/F/C）、速度估算、MoE 卸载
  providers.rs    -- 运行时提供商集成（Ollama、llama.cpp、MLX、Docker Model Runner、LM Studio）、安装检测、拉取/下载
  display.rs      -- 经典 CLI 表格渲染 + JSON 输出
  tui_app.rs      -- TUI 应用状态、过滤器、导航
  tui_ui.rs       -- TUI 渲染（ratatui）
  tui_events.rs   -- TUI 键盘事件处理（crossterm）
data/
  hf_models.json  -- 模型数据库（206 个模型）
skills/
  llmfit-advisor/ -- 用于硬件感知模型推荐的 OpenClaw 技能
scripts/
  scrape_hf_models.py        -- HuggingFace API 爬虫
  update_models.sh            -- 自动化数据库更新脚本
  install-openclaw-skill.sh   -- 安装 OpenClaw 技能
Makefile           -- 构建和维护命令

发布到 crates.io

Cargo.toml 已包含所需的元数据（描述、许可证、仓库地址）。发布步骤：

# 先进行试运行以发现问题
cargo publish --dry-run

# 正式发布（需要 crates.io API token）
cargo login
cargo publish

发布前请确认：

• Cargo.toml 中的版本号正确（每次发布时递增）。
• 仓库根目录存在 LICENSE 文件。如果缺失请创建：

# MIT 许可证：
curl -sL https://opensource.org/license/MIT -o LICENSE
# 或自行编写。Cargo.toml 声明 license = "MIT"。

• data/hf_models.json 已提交。它在编译时嵌入，必须存在于发布的 crate 中。

发布更新：

# 递增版本号
# 编辑 Cargo.toml: version = "0.2.0"
cargo publish

依赖

运行时提供商集成

llmfit 支持多个本地运行时提供商：

• Ollama（基于守护进程/API 的拉取）
• llama.cpp（从 Hugging Face 直接下载 GGUF + 本地缓存检测）
• MLX（Apple Silicon / mlx-community 模型缓存 + 可选服务器）— MLX 下载映射到 HuggingFace 上的 mlx-community/* 仓库，而非原始模型发布者
• Docker Model Runner（Docker Desktop 内置的模型服务）
• LM Studio（本地模型服务器，支持 REST API 模型管理和下载）

当某个模型有多个兼容的提供商可用时，在 TUI 中按 d 会打开提供商选择弹窗。

Ollama 集成

llmfit 与 Ollama 集成，可检测你已安装的模型并直接从 TUI 下载新模型。

要求

• Ollama 必须已安装且正在运行（ollama serve 或 Ollama 桌面应用）
• llmfit 连接到 http://localhost:11434（Ollama 默认 API 端口）
• 无需配置 -- 如果 Ollama 正在运行，llmfit 会自动检测到它

远程 Ollama 实例

要连接到在其他机器或端口上运行的 Ollama，设置 OLLAMA_HOST 环境变量：

# 连接到指定 IP 和端口的 Ollama
OLLAMA_HOST="http://192.168.1.100:11434" llmfit

# 通过主机名连接
OLLAMA_HOST="http://ollama-server:666" llmfit

# 适用于所有 TUI 和 CLI 命令
OLLAMA_HOST="http://192.168.1.100:11434" llmfit --cli
OLLAMA_HOST="http://192.168.1.100:11434" llmfit fit --perfect -n 5

适用场景：

• 在一台机器上运行 llmfit，而 Ollama 在另一台机器上提供服务（例如 GPU 服务器 + 笔记本客户端）
• 连接到在 Docker 容器中以自定义端口运行的 Ollama
• 使用反向代理或负载均衡器后面的 Ollama

工作原理

启动时，llmfit 查询 GET /api/tags 列出已安装的 Ollama 模型。每个已安装的模型在 TUI 的 Inst 列显示绿色 ✓。系统栏显示 Ollama: ✓ (N installed)。

在模型上按 d 时，llmfit 向 Ollama 发送 POST /api/pull 来下载模型。该行会高亮显示并带有动画进度指示器，实时显示下载进度。下载完成后，模型可立即在 Ollama 中使用。

如果 Ollama 未运行，Ollama 相关操作会被跳过；TUI 仍然支持其他可用的提供商（如 llama.cpp）。

llama.cpp 集成

llmfit 与 llama.cpp 集成，在 TUI 和 CLI 中均可作为运行时/下载提供商使用。

要求：

• llama-cli 或 llama-server 在 PATH 中可用（用于运行时检测）
• 需要网络访问 Hugging Face 以下载 GGUF 文件

工作原理：

• llmfit 将 HF 模型映射到已知的 GGUF 仓库（带有启发式回退）
• 将 GGUF 文件下载到本地 llama.cpp 模型缓存
• 当本地存在匹配的 GGUF 文件时标记模型为已安装

环境变量

如果 llama.cpp 安装在非标准位置，设置 LLAMA_CPP_PATH 以便 llmfit 无需将其加入 PATH 即可找���它。

Docker Model Runner 集成

llmfit 与 Docker Model Runner 集成，这是 Docker Desktop 内置的模型服务功能。

要求：

• Docker Desktop 已启用 Model Runner
• 默认端点：http://localhost:12434

工作原理：

• llmfit 查询 GET /engines 列出 Docker Model Runner 中可用的模型
• 使用 Ollama 风格的标签映射将模型与 HF 数据库匹配（Docker Model Runner 使用 ai/<tag> 命名）
• 在 TUI 中按 d 通过 docker model pull 拉取模型

远程 Docker Model Runner 实例

要连接到不同主机或端口的 Docker Model Runner，设置 DOCKER_MODEL_RUNNER_HOST 环境变量：

DOCKER_MODEL_RUNNER_HOST="http://192.168.1.100:12434" llmfit

LM Studio 集成

llmfit 与 LM Studio 集成，作为本地模型服务器，支持内置模型下载功能。

要求：

• LM Studio 必须运行且本地服务器已启用
• 默认端点：http://127.0.0.1:1234

工作原理：

• llmfit 查询 GET /v1/models 列出 LM Studio 中可用的模型
• 在 TUI 中按 d 通过 POST /api/v1/models/download 触发下载
• 通过轮询 GET /api/v1/models/download-status 跟踪下载进度
• LM Studio 直接接受 HuggingFace 模型名称，无需名称映射

远程 LM Studio 实例

要连接到不同主机或端口的 LM Studio，设置 LMSTUDIO_HOST 环境变量：

LMSTUDIO_HOST="http://192.168.1.100:1234" llmfit

模型名称映射

llmfit 的数据库使用 HuggingFace 模型名称（例如 Qwen/Qwen2.5-Coder-14B-Instruct），而 Ollama 使用自己的命名方案（例如 qwen2.5-coder:14b）。llmfit 维护了一个精确的映射表，确保安装检测和拉取操作解析到正确的模型。每个映射都是精确的 -- qwen2.5-coder:14b 映射到 Coder 模型，而不是基础的 qwen2.5:14b。

平台支持

• Linux -- 完全支持。通过 nvidia-smi（NVIDIA）、rocm-smi（AMD）、sysfs/lspci（Intel Arc）和 npu-smi（Ascend）进行 GPU 检测。
• macOS (Apple Silicon) -- 完全支持。通过 system_profiler 检测统一内存。VRAM = 系统 RAM（共享池）。模型通过 Metal GPU 加速运行。
• macOS (Intel) -- RAM 和 CPU 检测正常。如果 nvidia-smi 可用，可检测独立 GPU。
• Windows -- RAM 和 CPU 检测正常。如果安装了 nvidia-smi，可检测 NVIDIA GPU。
• Android / Termux / PRoot -- CPU 和 RAM 检测通常正常，但目前不支持 GPU 自动检测。Adreno 等移动 GPU 通常无法通过 llmfit 使用的桌面/服务器探测接口访问。

GPU 支持

如果自动检测失败或报告的值不正确，使用 --memory、--ram 或 --cpu-cores 覆盖（参见上方硬件覆盖）。

Android / Termux 说明

在 Termux + PRoot 等 Android 环境中，llmfit 通常无法通过标准 Linux 检测路径（nvidia-smi、rocm-smi、DRM/sysfs、lspci 等）检测到移动 GPU。在这些环境中，"未检测到 GPU"是当前实现的预期行为。

如果你仍希望在统一内存的手机或平板上获得 GPU 风格的推荐，可使用手动内存覆盖：

llmfit --memory=8G fit -n 20
llmfit recommend --json --memory=8G --limit 10

这仅是推荐/评分的变通方案；不提供真正的 Android GPU 运行时检测。

贡献

欢迎贡献，特别是添加新模型。

添加模型

1. 在 scripts/scrape_hf_models.py 的 TARGET_MODELS 列表中添加模型的 HuggingFace 仓库 ID（例如 meta-llama/Llama-3.1-8B）。
2. 如果模型有访问限制（需要 HuggingFace 身份验证才能访问元数据），在同一脚本的 FALLBACKS 列表中添加包含参数量和上下文长度的回退条目。
3. 运行自动更新脚本：
   shCopy

   make update-models
   # 或: ./scripts/update_models.sh
   

4. 验证更新后的模型列表：./target/release/llmfit list
5. 运行以下命令更新 MODELS.md：python3 << 'EOF' < scripts/...（参见提交历史中的生成脚本）
6. 提交 Pull Request。

参见 MODELS.md 查看当前列表，AGENTS.md 查看架构详情。

OpenClaw 集成

llmfit 作为 OpenClaw 技能提供，让 agent 能够推荐适合硬件的本地模型，并自动配置 Ollama/vLLM/LM Studio 提供商。

安装技能

# 从 llmfit 仓库
./scripts/install-openclaw-skill.sh

# 或手动安装
cp -r skills/llmfit-advisor ~/.openclaw/skills/

安装后，可以向 OpenClaw agent 提问：

• "我能运行哪些本地模型？"
• "为我的硬件推荐一个编程模型"
• "用最适合我 GPU 的模型配置 Ollama"

Agent 会在后台调用 llmfit recommend --json，解读结果，并提议用最优的模型选择配置你的 openclaw.json。

工作原理

该技能教会 OpenClaw agent：

1. 通过 llmfit --json system 检测你的硬件
2. 通过 llmfit recommend --json 获取排序后的推荐
3. 将 HuggingFace 模型名称映射到 Ollama/vLLM/LM Studio 标签
4. 配置 openclaw.json 中的 models.providers.ollama.models

参见 skills/llmfit-advisor/SKILL.md 查看完整技能定义。

替代方案

如果你在寻找不同的方案，可以看看 llm-checker -- 一个带有 Ollama 集成的 Node.js CLI 工具，可以直接拉取和基准测试模型。它采用更直接的方式，通过 Ollama 在你的硬件上实际运行模型，而不是从配置参数估算。如果你已安装 Ollama 并想测试真实性能，这是个不错的选择。注意它不支持 MoE（混合专家）架构 -- 所有模型都被视为密集模型，因此 Mixtral 或 DeepSeek-V3 等模型的内存估算将反映总参数量而非较小的活跃子集。

许可证

MIT

本文档由 @JasonYeYuhe 翻译并维护。如果您发现任何翻译问题或需要增加新特性说明，欢迎提交 Issue 或与我联系。