效率需要联网clawhub未标认证来源可访问clear审计提醒

hardware-llm-optimizer-v2（hardware LLM 优化器 V2）

Agent Skill

hardware-llm-optimizer-v2 用于辅助前端页面、组件、样式和交互逻辑开发，适合在 OpenClaw 中需要维护前端项目、生成组件或检查界面实现时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。

总安装

2,230

周安装

GitHub Stars

公开资料未说明

下载量

729

OpenClaw

安装说明

本站只整理中文说明和来源信息，不托管安装包，也不代用户安装。

GitHub

来源数

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手，先确认命令和权限，再让它执行。

请帮我安装这个 Agent Skill：hardware-llm-optimizer-v2（hardware LLM 优化器 V2）
来源仓库：https://github.com/smseow001/hardware-llm-optimizer-v2
安装命令：
openclaw skills install hardware-llm-optimizer-v2
安装前请先检查当前环境是否支持对应 CLI，并向我确认将要执行的命令、安装目录、联网范围和文件读写权限；确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill；本站只展示命令，不托管安装包，也不自动执行。

ClawHubOpenClaw

openclaw skills install hardware-llm-optimizer-v2

简介

AI硬件LLM推荐工具 - 基于llmfit内核。自动检测CPU/GPU/RAM/VRAM → 智能推荐最适合的大模型 + 量化方案 + 速度估算。支持100+模型库，内置TUI界面和硬件模拟。

SKILL.md

name: hardware-llm-optimizer
version: 2.0.0
description: AI硬件LLM推荐工具 - 基于llmfit内核。自动检测CPU/GPU/RAM/VRAM → 智能推荐最适合的大模型 + 量化方案 + 速度估算。支持100+模型库，内置TUI界面和硬件模拟。
keywords: [hardware,llm,ai,nvidia,gpu,optimization,quantization,llmfit,ollama]

Hardware LLM Optimizer v2.0

基于 llmfit 的智能硬件LLM推荐工具

安装状态

llmfit 已安装在: /usr/local/bin/llmfit

快速使用

当用户问"能跑什么大模型"、"推荐LLM"、"硬件检测"时使用：

1. 查看推荐模型

llmfit recommend

2. 查看所有推荐（JSON格式，便于解析）

llmfit recommend --json

3. 按用途筛选

llmfit recommend --use-case coding
llmfit recommend --use-case chat
llmfit recommend --use-case general
llmfit recommend --use-case embedding

4. 硬件模拟（模拟不同配置）

# 模拟 16GB 显存
llmfit recommend --memory 16G

# 模拟 32GB 显存 + 64GB RAM
llmfit recommend --memory 32G --ram 64G

5. 交互式TUI（需要终端）

llmfit

输出字段说明

字段	含义
`name`	模型名称
`parameter_count`	参数量
`best_quant`	推荐量化方案
`score`	综合评分（越高越好）
`estimated_tps`	预估速度（tok/s）
`memory_required_gb`	所需显存
`run_mode`	运行模式（GPU/CPU/MoE）
`fit_level`	匹配度（Perfect/Good/Marginal）

量化方案参考

量化	质量	速度	适用场景
FP16	最高	最慢	大显存GPU
Q8_0	很高	较快	中等显存
Q6_K	高	快	6-8GB显存
Q4_K_M	中高	最快	4-6GB显存
Q2_K	中	最快	<4GB显存

本地运行命令

安装Ollama模型

ollama run <model-name>

使用llama.cpp

# 下载GGUF后
./llama.cpp -m <model.gguf> --rompt <prompt>

最低配置参考（来自llmfit）

显存	推荐模型	量化
2GB	Phi-3-mini, Gemma-2B	Q4
4GB	Llama3-8B, Qwen-7B	Q4
6GB	Llama2-13B, Mistral-7B	Q4/Q6
8GB	Llama2-13B, Yi-9B	Q5/Q6
12GB	Llama2-34B	Q4
16GB	Llama2-34B, Qwen-72B	Q4
24GB+	70B大模型	Q4/Q8

安装llmfit（如需）

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

优势对比

功能	v1.0	v2.0 (llmfit)
模型库	手动查表	100+自动匹配
量化推荐	简单估算	智能最优
速度估算	❌	✅
下载源	❌	✅ GGUF
硬件模拟	❌	✅
TUI界面	❌	✅
多GPU	❌	✅
MoE支持	❌	✅

*Powered by llmfit | Updated: 2026-04-17*

适合场景

OpenClaw 用户查找和安装 Skill 时

用户想查找某类 Agent Skill 时

需要根据任务场景推荐可安装能力包时

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明，方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用；具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

82.67%

按下载量换算603

安全审计

VirusTotal

可疑

ClawScan

可疑

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API；具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息，不托管安装包，不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果，不能写成本站确认安全。当前只有一个来源，正式发布前建议补源仓库或其他目录站核验。

来源信息

GitHub 仓库

github.com

/smseow001/hardware-llm-optimizer-v2

SKILL.md 来源

clawhub.ai

/smseow001/hardware-llm-optimizer-v2

继续浏览同类 Skills

更多效率 Skills（21,003）返回 Skills 目录

上一个 Skill

hardware-llm-optimizer（hardware LLM 优化器）

hardware-llm-optimizer 用于辅助部署、云资源、容器和基础设施运维，适合在 OpenClaw 中需要检查配置、整理部署步骤或排查环境问题时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。

下一个 Skill

hardware-prd-structurize（硬件产品结构化）

hardware-prd-structurize 用于补充效率相关能力，适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。