LLM Checker 快速开始5条命令搞定本地LLM模型选型【免费下载链接】llm-checkerAdvanced CLI tool that scans your hardware and tells you exactly which LLM or sLLM models you can run locally, with full Ollama integration.项目地址: https://gitcode.com/gh_mirrors/ll/llm-checkerLLM Checker是一款智能命令行工具它会扫描你的硬件CPU、GPU、内存在数秒内告诉你本地到底能跑哪些大语言模型并深度集成 Ollama。新手只需跟着走完下面 5 条命令即可完成从安装到跑通本地 LLM 的完整选型流程全程无需理解 VRAM、量化等复杂概念。为什么你需要一个本地 LLM 选型工具本地跑大模型时最常见的坑是下载了一个模型结果内存不够直接崩掉。LLM Checker 的做法是硬件感知自动识别 Apple Silicon、NVIDIA CUDA、AMD ROCm、Intel Arc 甚至纯 CPU 环境四维评分对每个候选模型按质量Quality、速度Speed、适配度Fit、上下文Context打分排序开箱即用内置 200 Ollama 模型目录支持 Hugging Face、GPT4All 共 33k 模型工件评分引擎的实现位于 scoring-engine.js硬件扫描逻辑在 detector.js想深入了解可以看 技术参考文档。命令 1一键安装 LLM Checker要求 Node.js 18其余零依赖纯 JavaScript 实现npm install -g llm-checker安装完成后再跑一次ollama serve启动本地 Ollama 服务即可没有 Ollama 也能先做硬件检测。命令 2hw-detect 检测你的硬件llm-checker hw-detect这条命令会输出一张硬件体检报告CPU 型号、内存带宽、GPU 显存与加速后端CUDA / ROCm / Metal 等。它是后续所有推荐的基础对应源码见 unified-detector.js。命令 3check 全面兼容性分析llm-checker check一条命令输出完整分析哪些已安装模型兼容、Ollama 模型库里哪些可以拉下来跑、每个模型的兼容分数。它会自动检测 Ollama 是否在线核心逻辑在 check.js。 如果 Ollama 状态显示 Not running执行ollama serve启动后重试即可。命令 4recommend 按使用场景获取推荐llm-checker recommend --category coding按场景coding、reasoning、multimodal等给出排名靠前的模型清单并附上推荐的拉取命令。不确定该选哪个场景时先不加--category直接运行会展示全品类 Top 推荐。命令 5ai-run 自动选模型并实测运行llm-checker ai-run --category coding --prompt Write a hello world in Python这是压轴命令自动从你的推荐列表里选出最适配的模型通过 Ollama 运行 prompt并在模型输出旁边直接标注实测 tokens/sec 速度让你直观对比不同模型的真实本地性能。进阶定期用 sync 刷新模型目录模型库更新很快建议每隔一段时间刷新一次本地目录llm-checker sync之后recommend、check都会使用最新的 Ollama 元数据。接下来读什么资料说明使用指南全部命令的详细用法进阶用法校准路由、策略文件、多 GPU 部署更新日志版本功能追踪完整 README项目总览与 MCP 服务器集成记住这个最短路径hw-detect→check→recommend→ai-run5 条命令从这台电脑能跑什么大模型到真的跑起来只需两分钟。【免费下载链接】llm-checkerAdvanced CLI tool that scans your hardware and tells you exactly which LLM or sLLM models you can run locally, with full Ollama integration.项目地址: https://gitcode.com/gh_mirrors/ll/llm-checker创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
