ต้นแบบ · รุ่นทดลอง: มีทุก server ในทะเบียนทางการ อัปเดตทุก 30 นาที เข้าสู่ระบบด้วย Google เพื่อเขียนรีวิวได้แล้วต้นแบบ · อัปเดตทุก 30 นาที
PopNx MCPที่รวม MCP สำหรับคนใช้ AI · วิธีติดตั้งภาษาไทยทุกตัว

ใช้ทำอะไรได้

llmfit เป็นเครื่องมือที่ช่วยค้นหาโมเดลภาษาและผู้ให้บริการจำนวนมาก และบอกได้ด้วยคำสั่งเดียวว่าโมเดลใดสามารถทำงานบนฮาร์ดแวร์ของคุณได้

แปลอัตโนมัติจากคำอธิบายของผู้ทำ · ทีมยังไม่ได้ตรวจ

  • ต่อแบบ ไฟล์คำสั่งให้ AI อ่าน
  • บัญชีหรือคีย์ ไม่พบคีย์ใน README และ SKILL.md
  • หมวด อื่น ๆ
คำอธิบายต้นฉบับจากผู้ทำ (อังกฤษ)
Hundreds of models & providers. One command to find what runs on your hardware.
สำหรับผู้ทำ: ติดป้ายใน README

ถ้าคุณเป็นผู้ทำตัวนี้ คัดลอกโค้ดนี้ไปวางใน README ได้เลย ป้ายลิงก์กลับมาที่หน้านี้

[![แนะนำบน PopNx MCP](https://mcp.popnx.com/badge/skill/alexsjones-llmfit.svg?lang=th)](https://mcp.popnx.com/th/skills/alexsjones-llmfit)

Skill ที่ทำงานคล้ายกัน

หมวดงานเดียวกัน เรียงแบบเดียวกับหน้ารายการ Skill

เทียบกับตัวที่คล้ายกัน
ตัวนี้
llmfit
claude-videoVideoCaptionerclaude-cookbookspatent-disclosure-skill
ผู้ทำAlexsJonesbradautomatesWEIFENG2333anthropicshandsomestWei
จำนวน Skill11141
ดาว GitHub39,06421,16816,57054,83213,600
แก้โค้ดล่าสุด18 พ.ย. 256925 ก.ย. 256912 ก.ย. 256917 พ.ย. 256918 พ.ย. 2569
สัญญาอนุญาตMITMITGPL-3.0MITMIT

ชุดคำสั่ง (Skill) 1 ชุดจาก AlexsJones ให้ AI อ่านแล้วทำงานตามวิธีนี้ · ไม่ใช่ MCP server

Skill ต่างจาก MCP ยังไง

MCP = มือ

ต่อ AI เข้ากับบริการหรือข้อมูลข้างนอก เช่น อ่าน Notion หรือสร้างใบแจ้งหนี้ ต้องมีโปรแกรมหรือ server ทำงานอยู่

Skill = คู่มือ

ไฟล์ข้อความที่สอน AI ว่างานนี้ทำยังไง ไม่ต่อบริการใด

บางตัวคล้ายกัน: Skill บางตัวมีสคริปต์เรียกเครื่องมือ และ MCP บางตัวส่งแค่ความรู้ ให้ดูที่งานที่อยากทำเป็นหลัก

ใช้กับแอปไหน

ผู้ทำไม่ได้ระบุ · Skill แบบ SKILL.md ใช้ได้กับแอปที่รองรับ Agent Skills เช่น Claude Code, Codex และ Cursor

ติดตั้ง

ปลอดภัยไหม

  • ใครทำ

    บัญชี GitHub AlexsJones (บุคคล) เปิดมา 14 ปี

  • คนใช้และการดูแล

    ★ 39,064 ดาว · แก้โค้ดล่าสุด 18 พ.ย. 2569

  • มีสคริปต์ไหม

    ไม่มี เป็นไฟล์ข้อความล้วน AI อ่านแล้วทำตาม

  • ใช้อินเทอร์เน็ตไหม

    ไม่มีสคริปต์ จึงไม่เรียกอินเทอร์เน็ตเอง

  • แก้ค่าตั้งทั้งเครื่องไหม

    ไม่พบ hook หรือการเขียนค่าตั้งของเครื่อง

ตรวจอัตโนมัติจากไฟล์ใน repo ที่ commit 700cfc8 (อ่านไฟล์อย่างเดียว ไม่ได้รัน) ไม่ใช่การรับรองความปลอดภัย อ่านแล้วตัดสินใจเอง

ขั้นแรก: คุณใช้ AI ตัวไหน

เลือกแอปที่ใช้ แล้วหน้านี้จะแสดงเฉพาะวิธีติดตั้งของแอปนั้น

ทางที่ 1อัปโหลดเข้า claude.ai (เว็บและแอป)

  • ไฟล์ตรงกับบน GitHub ทุกไบต์ ที่ commit 700cfc8 · ดูบน GitHub ↗

  • เป็นไฟล์ข้อความล้วน ไม่มีโปรแกรม

  • อัปโหลดแล้วทำงานในระบบของ Claude ไม่ได้รันบนคอมของคุณ ไม่ต้องแตกไฟล์

ดูข้างในก่อนดาวน์โหลด

ไฟล์ทั้งหมด 2 ไฟล์ · 8 KB

  • SKILL.md7 KB
  • LICENSE1 KB
  1. ดาวน์โหลด llmfit-advisor.zip

    8 KB · 2 ไฟล์ · ใบอนุญาต MIT (ใส่ไฟล์ใบอนุญาตไว้ในโฟลเดอร์แล้ว)

    ดาวน์โหลด llmfit-advisor.zip

  2. เปิดหน้า Skills ใน claude.ai แล้วอัปโหลด

    +Create skillUpload a skillเลือกไฟล์ llmfit-advisor.zip

    เปิด claude.ai/customize/skills ↗

  3. ไม่เห็นปุ่ม Upload: เปิดสิทธิ์สร้างไฟล์ก่อน

    SettingsCapabilitiesCode execution and file creation

    ต้องเปิด Code execution and file creation ก่อน (เมนูรุ่นใหม่เรียก Create and edit files) · แผนส่วนตัวที่ Settings → Capabilities · Team/Enterprise ผู้ดูแลเปิดที่ Organization settings → Plugins & skills · ใช้ได้ทุกแผนรวมแผนฟรี

อัปโหลดครั้งเดียว ใช้ได้ทั้ง claude.ai และ Claude Desktop รวมถึง Claude Code รุ่นใหม่ที่ล็อกอินด้วยบัญชี Claude (ล็อกอินด้วยคีย์ API ไม่ซิงก์)

Cowork และ session บนคลาวด์ใช้ Skill ที่เปิดในบัญชี claude.ai ไม่อ่าน ~/.claude/skills ในเครื่อง (งานตั้งเวลาของ Claude Desktop ที่รันในเครื่องยังอ่านได้)

ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: support.claude.com, support.claude.com, code.claude.com

ทางที่ 1ให้ Claude Code ติดตั้งให้

คัดลอกประโยคนี้ไปวางในแชตของ Claude Code

ติดตั้งไว้ที่ไหน
ช่วยติดตั้ง Skill ชื่อ llmfit-advisor จาก https://github.com/alexsjones/llmfit โฟลเดอร์ skills/llmfit-advisor (commit 700cfc8) ให้ใช้ได้ทุกโปรเจกต์ของฉัน โดยวางไว้ที่ ~/.claude/skills/llmfit-advisor อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอก path เต็มที่จะติดตั้ง รอฉันตกลงก่อน
ช่วยติดตั้ง Skill ชื่อ llmfit-advisor จาก https://github.com/alexsjones/llmfit โฟลเดอร์ skills/llmfit-advisor (commit 700cfc8) ลงโปรเจกต์ที่แชตนี้เปิดอยู่ (ที่ .claude/skills/llmfit-advisor) อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอกชื่อโปรเจกต์และ path เต็มที่จะติดตั้ง รอฉันตกลงก่อน

เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ

AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น

เปิด Claude Code ใหม่ แล้วพิมพ์ /llmfit-advisor หรือสั่งงานที่ตรงเรื่อง Claude จะเลือกใช้เอง

ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: code.claude.com

สำหรับคนที่ใช้ Terminal

Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้

  1. เปิด Terminal

    Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน

  2. คัดลอกโฟลเดอร์ skill ไปไว้ที่ ~/.claude/skills

    คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md

    git clone --depth 1 https://github.com/alexsjones/llmfit.git /tmp/popnx-skill-alexsjones-llmfit-700cfc8 && mkdir -p ~/.claude/skills && cp -R '/tmp/popnx-skill-alexsjones-llmfit-700cfc8/skills/llmfit-advisor' ~/.claude/skills/llmfit-advisor
  3. เปิด Claude Code ใหม่ แล้วพิมพ์ /llmfit-advisor หรือสั่งงานที่ตรงเรื่อง Claude จะเลือกใช้เอง

Skill ที่ติดตั้งเองใช้ได้ในแอป ChatGPT บนคอม, Codex CLI และส่วนขยาย Codex ใน IDE · ChatGPT บนเว็บและมือถือใช้ Skill ที่ติดตั้งเองไม่ได้ ใช้ได้เฉพาะ Skill ที่มากับปลั๊กอินในไดเรกทอรี

แอป ChatGPT บนคอม

แอป ChatGPT บนคอมมี Codex อยู่ในตัว Codex อ่าน Skill จากโฟลเดอร์ ~/.agents/skills

ทางที่ 1ให้ ChatGPT ติดตั้งให้

เปิด Codex ในแอป ChatGPT บนคอม แล้ววางประโยคนี้ในแชต

ติดตั้งไว้ที่ไหน
ช่วยติดตั้ง Skill ชื่อ llmfit-advisor จาก https://github.com/alexsjones/llmfit โฟลเดอร์ skills/llmfit-advisor (commit 700cfc8) ให้ใช้ได้ทุกโปรเจกต์ของฉัน โดยวางไว้ที่ ~/.agents/skills/llmfit-advisor อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอก path เต็มที่จะติดตั้ง รอฉันตกลงก่อน
ช่วยติดตั้ง Skill ชื่อ llmfit-advisor จาก https://github.com/alexsjones/llmfit โฟลเดอร์ skills/llmfit-advisor (commit 700cfc8) ลงโปรเจกต์ที่แชตนี้เปิดอยู่ (ที่ .agents/skills/llmfit-advisor) อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอกชื่อโปรเจกต์และ path เต็มที่จะติดตั้ง รอฉันตกลงก่อน

AI จะบอก path ให้ดูก่อนติดตั้งเสมอ

AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น

ทางที่ 2วางโฟลเดอร์เอง

วางโฟลเดอร์ llmfit-advisor ไว้ที่ ~/.agents/skills/llmfit-advisor

~ คือโฟลเดอร์บ้านของคุณ ($HOME)

ไม่ใช้ Terminal: ดาวน์โหลดไฟล์ ZIP แตกไฟล์ แล้วย้ายโฟลเดอร์ llmfit-advisor ไปไว้ที่ ~/.agents/skills

ดาวน์โหลด llmfit-advisor.zip

สำหรับคนที่ใช้ Terminal

Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้

  1. เปิด Terminal

    Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน

  2. คัดลอกโฟลเดอร์ skill ไปไว้ที่ ~/.agents/skills

    คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md

    git clone --depth 1 https://github.com/alexsjones/llmfit.git /tmp/popnx-skill-alexsjones-llmfit-700cfc8 && mkdir -p ~/.agents/skills && cp -R '/tmp/popnx-skill-alexsjones-llmfit-700cfc8/skills/llmfit-advisor' ~/.agents/skills/llmfit-advisor

หลังติดตั้ง

  • แอป ChatGPT บนคอม: เปิด Skills ในแถบข้างเพื่อดูว่า Skill ขึ้นแล้ว
  • เรียกใช้: ใน ChatGPT พิมพ์ @ แล้วเลือก Skill · ใน Codex CLI หรือส่วนขยายใน IDE พิมพ์ /skills หรือพิมพ์ $ แล้วตามด้วยชื่อ Skill
  • Codex เห็น Skill ที่ติดตั้งใหม่เอง ถ้ายังไม่ขึ้นให้ปิดแล้วเปิด Codex ใหม่

ตรวจกับเอกสารทางการล่าสุด 15 พ.ย. 2569 · แหล่ง: learn.chatgpt.com

ChatGPT บนเว็บและมือถือ

ใช้ Skill ที่ติดตั้งเองไม่ได้ ใช้ได้เฉพาะ Skill ที่มากับปลั๊กอินในไดเรกทอรี

อยากใช้ Skill นี้กับ ChatGPT ให้ใช้แอป ChatGPT บนคอมตามวิธีด้านบน

ตรวจกับเอกสารทางการล่าสุด 15 พ.ย. 2569 · แหล่ง: learn.chatgpt.com

ทางที่ 1ให้ Codex ติดตั้งให้

คัดลอกประโยคนี้ไปวางในแชตของ Codex · ใช้ได้ทั้ง Codex ในแอป ChatGPT บนคอม, Codex CLI และส่วนขยายใน IDE

ติดตั้งไว้ที่ไหน
ช่วยติดตั้ง Skill ชื่อ llmfit-advisor จาก https://github.com/alexsjones/llmfit โฟลเดอร์ skills/llmfit-advisor (commit 700cfc8) ให้ใช้ได้ทุกโปรเจกต์ของฉัน โดยวางไว้ที่ ~/.agents/skills/llmfit-advisor อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอก path เต็มที่จะติดตั้ง รอฉันตกลงก่อน
ช่วยติดตั้ง Skill ชื่อ llmfit-advisor จาก https://github.com/alexsjones/llmfit โฟลเดอร์ skills/llmfit-advisor (commit 700cfc8) ลงโปรเจกต์ที่แชตนี้เปิดอยู่ (ที่ .agents/skills/llmfit-advisor) อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอกชื่อโปรเจกต์และ path เต็มที่จะติดตั้ง รอฉันตกลงก่อน

เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ

AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น

Codex เห็น Skill ที่ติดตั้งใหม่เอง ถ้ายังไม่ขึ้นให้ปิดแล้วเปิด Codex ใหม่ · เรียกใช้: ใน ChatGPT พิมพ์ @ แล้วเลือก Skill · ใน Codex CLI หรือส่วนขยายใน IDE พิมพ์ /skills หรือพิมพ์ $ แล้วตามด้วยชื่อ Skill

ตรวจกับเอกสารทางการล่าสุด 15 พ.ย. 2569 · แหล่ง: learn.chatgpt.com

สำหรับคนที่ใช้ Terminal

Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้

  1. เปิด Terminal

    Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน

  2. คัดลอกโฟลเดอร์ skill ไปไว้ที่ ~/.agents/skills

    คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md

    git clone --depth 1 https://github.com/alexsjones/llmfit.git /tmp/popnx-skill-alexsjones-llmfit-700cfc8 && mkdir -p ~/.agents/skills && cp -R '/tmp/popnx-skill-alexsjones-llmfit-700cfc8/skills/llmfit-advisor' ~/.agents/skills/llmfit-advisor
  3. เปิด Codex ใหม่ แล้วสั่งงานที่ตรงเรื่อง Codex จะเห็น skill นี้ในรายการ

ทางที่ 1ให้ Cursor ติดตั้งให้

คัดลอกประโยคนี้ไปวางในแชตของ Cursor

ติดตั้งไว้ที่ไหน
ช่วยติดตั้ง Skill ชื่อ llmfit-advisor จาก https://github.com/alexsjones/llmfit โฟลเดอร์ skills/llmfit-advisor (commit 700cfc8) ให้ใช้ได้ทุกโปรเจกต์ของฉัน โดยวางไว้ที่ ~/.cursor/skills/llmfit-advisor อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอก path เต็มที่จะติดตั้ง รอฉันตกลงก่อน
ช่วยติดตั้ง Skill ชื่อ llmfit-advisor จาก https://github.com/alexsjones/llmfit โฟลเดอร์ skills/llmfit-advisor (commit 700cfc8) ลงโปรเจกต์ที่แชตนี้เปิดอยู่ (ที่ .cursor/skills/llmfit-advisor) อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอกชื่อโปรเจกต์และ path เต็มที่จะติดตั้ง รอฉันตกลงก่อน

เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ

AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น

ใน Agent chat ของ Cursor พิมพ์ / แล้วเลือก llmfit-advisor

ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: cursor.com

สำหรับคนที่ใช้ Terminal

Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้

  1. เปิด Terminal

    Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน

  2. คัดลอกโฟลเดอร์ skill ไปไว้ที่ ~/.cursor/skills

    คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md

    git clone --depth 1 https://github.com/alexsjones/llmfit.git /tmp/popnx-skill-alexsjones-llmfit-700cfc8 && mkdir -p ~/.cursor/skills && cp -R '/tmp/popnx-skill-alexsjones-llmfit-700cfc8/skills/llmfit-advisor' ~/.cursor/skills/llmfit-advisor
  3. ใน Agent chat ของ Cursor พิมพ์ / แล้วเลือก llmfit-advisor

ทางที่ 1ให้ AI ติดตั้งให้

สำหรับแอปอื่นที่อ่าน Skill ได้ ประโยคนี้มี path ของ Claude Code, Codex และ Cursor ให้ AI เลือกตามแอปที่ใช้ · คัดลอกประโยคนี้ไปวางในแชตของแอป

ติดตั้งไว้ที่ไหน
ช่วยติดตั้ง Skill ชื่อ llmfit-advisor จาก https://github.com/alexsjones/llmfit โฟลเดอร์ skills/llmfit-advisor (commit 700cfc8) ให้ใช้ได้ทุกโปรเจกต์ของฉัน โดยวางไว้ที่ ~/.claude/skills/llmfit-advisor (ถ้าเป็น Codex ใช้ ~/.agents/skills/llmfit-advisor ถ้าเป็น Cursor ใช้ ~/.cursor/skills/llmfit-advisor) อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอก path เต็มที่จะติดตั้ง รอฉันตกลงก่อน
ช่วยติดตั้ง Skill ชื่อ llmfit-advisor จาก https://github.com/alexsjones/llmfit โฟลเดอร์ skills/llmfit-advisor (commit 700cfc8) ลงโปรเจกต์ที่แชตนี้เปิดอยู่ (ที่ .claude/skills/llmfit-advisor ถ้าเป็น Codex ใช้ .agents/skills/llmfit-advisor ถ้าเป็น Cursor ใช้ .cursor/skills/llmfit-advisor) อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอกชื่อโปรเจกต์และ path เต็มที่จะติดตั้ง รอฉันตกลงก่อน

เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ

AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น

ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: code.claude.com, learn.chatgpt.com, cursor.com

สำหรับคนที่ใช้ Terminal

แอปอื่นที่รองรับ Agent Skills (เช่น Gemini CLI, GitHub Copilot) เก็บ skill ในโฟลเดอร์ต่างกัน ดูคู่มือของแอปนั้น แล้วคัดลอกโฟลเดอร์ที่มี SKILL.md ไปวาง

ดูบน GitHub ↗

ตรวจโฟลเดอร์ skill กับคู่มือทางการของ Claude Code, Codex และ Cursor เมื่อ 11 พ.ย. 2569

✓ ตรวจคำสั่งแล้ว 16 พ.ย. 2569

ดูไฟล์ต้นฉบับ SKILL.md

ข้อความต่อไปนี้มาจาก repo ของผู้ทำ ไม่ใช่คำสั่งของ PopNx MCP

6,975 ตัวอักษร · เปิดไฟล์เต็มบน GitHub

---
name: llmfit-advisor
description: Detect local hardware (RAM, CPU, GPU/VRAM) and recommend the best-fit local LLM models with optimal quantization, speed estimates, and fit scoring.
metadata:
  {
    "openclaw":
      {
        "emoji": "🧠",
        "requires": { "bins": ["llmfit"] },
        "install":
          [
            {
              "id": "brew",
              "kind": "brew",
              "formula": "llmfit",
              "bins": ["llmfit"],
              "label": "Install llmfit (brew)",
            },
            {
              "id": "cargo",
              "kind": "node",
              "bins": ["llmfit"],
              "label": "Install llmfit (cargo install llmfit)",
            },
          ],
      },
  }
---

# llmfit-advisor

Hardware-aware local LLM advisor. Detects your system specs (RAM, CPU, GPU/VRAM) and recommends models that actually fit, with optimal quantization and speed estimates.

## When to use (trigger phrases)

Use this skill immediately when the user asks any of:

- "what local models can I run?"
- "which LLMs fit my hardware?"
- "recommend a local model"
- "what's the best model for my GPU?"
- "can I run Llama 70B locally?"
- "configure local models"
- "set up Ollama models"
- "what models fit my VRAM?"
- "help me pick a local model for coding"

Also use this skill when:

- The user wants to configure `models.providers.ollama` or `models.providers.lmstudio`
- The user mentions running models locally and you need to know what fits
- A model recommendation is needed and the user has local inference capability (Ollama, vLLM, LM Studio)

## Quick start

### Detect hardware

```bash
llmfit --json system
```

Returns JSON with CPU, RAM, GPU name, VRAM, multi-GPU info, and whether memory is unified (Apple Silicon).

### Get top recommendations

```bash
llmfit recommend --json --limit 5
```

Returns the top 5 models ranked by a composite score (quality, speed, fit, context) with optimal quantization for the detected hardware.

### Filter by use case

```bash
llmfit recommend --json --use-case coding --limit 3
llmfit recommend --json --use-case reasoning --limit 3
llmfit recommend --json --use-case chat --limit 3
```

Valid use cases: `general`, `coding`, `reasoning`, `chat`, `multimodal`, `embedding`.

### Filter by minimum fit level

```bash
llmfit recommend --json --min-fit good --limit 10
```

Valid fit levels (best to worst): `perfect`, `good`, `marginal`.

## Understanding the output

### System JSON

```json
{
  "system": {
    "cpu_name": "Apple M2 Max",
    "cpu_cores": 12,
    "total_ram_gb": 32.0,
    "available_ram_gb": 24.5,
    "has_gpu": true,
    "gpu_name": "Apple M2 Max",
    "gpu_vram_gb": 32.0,
    "gpu_count": 1,
    "backend": "Metal",
    "unified_memory": true
  }
}
```

### Recommendation JSON

Each model in the `models` array includes:

| Field | Meaning |
|---|---|
| `name` | HuggingFace model ID (e.g. `meta-llama/Llama-3.1-8B-Instruct`) |
| `provider` | Model provider (Meta, Alibaba, Google, etc.) |
| `params_b` | Parameter count in billions |
| `score` | Composite score 0–100 (higher is better) |
| `score_components` | Breakdown: `quality`, `speed`, `fit`, `context` (each 0–100) |
| `fit_level` | `Perfect`, `Good`, `Marginal`, or `TooTight` |
| `run_mode` | `GPU`, `CPU+GPU Offload`, or `CPU` |
| `category` | Model category (e.g. `Reasoning`, `Coding`, `Chat`, `Embedding`) |
| `is_moe` | Whether the model uses Mixture of Experts architecture |
| `parameter_count` | Human-readable param count string (e.g. `"7.6B"`) |
| `notes` | Array of human-readable notes about the recommendation |
| `best_quant` | Optimal quantization for the hardware (e.g. `Q5_K_M`, `Q4_K_M`) |
| `estimated_tps` | Estimated tokens per second |
| `memory_required_gb` | VRAM/RAM needed at this quantization |
| `memory_available_gb` | Available VRAM/RAM detected |
| `utilization_pct` | How much of available memory the model uses |
| `use_case` | What the model is designed for |
| `context_length` | Maximum context window |

### Fit levels explained

- **Perfect**: Model fits comfortably with room to spare. Ideal choice.
- **Good**: Model fits but uses most available memory. Will work well.
- **Marginal**: Model barely fits. May work but expect slower performance or reduced context.
- **TooTight**: Model does not fit. Do not recommend.

### Run modes explained

- **GPU**: Full GPU inference. Fastest. Model weights loaded entirely into VRAM.
- **CPU+GPU Offload**: Some layers on GPU, rest in system RAM. Slower than pure GPU.
- **CPU**: All inference on CPU using system RAM. Slowest but works without GPU.

## Configuring OpenClaw with results

After getting recommendations, configure the user's local model provider.

### For Ollama

Map the HuggingFace model name to its Ollama tag. Common mappings:

| llmfit name | Ollama tag |
|---|---|
| `meta-llama/Llama-3.1-8B-Instruct` | `llama3.1:8b` |
| `meta-llama/Llama-3.3-70B-Instruct` | `llama3.3:70b` |
| `Qwen/Qwen2.5-Coder-7B-Instruct` | `qwen2.5-coder:7b` |
| `Qwen/Qwen2.5-72B-Instruct` | `qwen2.5:72b` |
| `deepseek-ai/DeepSeek-Coder-V2-Lite-Instruct` | `deepseek-coder-v2:16b` |
| `deepseek-ai/DeepSeek-R1-Distill-Qwen-32B` | `deepseek-r1:32b` |
| `google/gemma-2-9b-it` | `gemma2:9b` |
| `mistralai/Mistral-7B-Instruct-v0.3` | `mistral:7b` |
| `microsoft/Phi-3-mini-4k-instruct` | `phi3:mini` |
| `microsoft/Phi-4-mini-instruct` | `phi4-mini` |

Then update `openclaw.json`:

```json
{
  "models": {
    "providers": {
      "ollama": {
        "models": ["ollama/<ollama-tag>"]
      }
    }
  }
}
```

And optionally set as default:

```json
{
  "agents": {
    "defaults": {
      "model": {
        "primary": "ollama/<ollama-tag>"
      }
    }
  }
}
```

### For vLLM / LM Studio

Use the HuggingFace model name directly as the model identifier with the appropriate provider prefix (`vllm/` or `lmstudio/`).

## Workflow example

When a user asks "what local models can I run?":

1. Run `llmfit --json system` to show hardware summary
2. Run `llmfit recommend --json --limit 5` to get top picks
3. Present the recommendations with scores and fit levels
4. If the user wants to configure one, map it to the appropriate Ollama/vLLM/LM Studio tag
5. Offer to update `openclaw.json` with the chosen model

When a user asks for a specific use case like "recommend a coding model":

1. Run `llmfit recommend --json --use-case coding --limit 3`
2. Present the coding-specific recommendations
3. Offer to pull via Ollama and configure

## Notes

- llmfit detects NVIDIA GPUs (via nvidia-smi), AMD GPUs (via rocm-smi), and Apple Silicon (unified memory).
- Multi-GPU setups aggregate VRAM across cards automatically.
- The `best_quant` field tells you the optimal quantization — higher quant (Q6_K, Q8_0) means better quality if VRAM allows.
- Speed estimates (`estimated_tps`) are approximate and vary by hardware and quantization.
- Models with `fit_level: "TooTight"` should never be recommended to users.

พูดคุย

ถาม แชร์เคล็ดลับ หรือแจ้งว่าใช้ไม่ได้ เรียงตามที่คนกดว่ามีประโยชน์

ยังไม่มีใครโพสต์ ถามหรือแชร์เป็นคนแรกได้เลย

ข้อความในส่วนนี้เขียนโดยผู้ใช้ ไม่ใช่ทีม PopNx

เข้าสู่ระบบเพื่อโพสต์

ข้อมูลจาก GitHub

ดาว GitHub
39,064
ผู้ทำ
AlexsJones
license
MIT
แก้โค้ดล่าสุด
18 พ.ย. 2569
ไฟล์ SKILL.md ใน repo (นับรวมสำเนาภาษาอื่นและแม่แบบ)
1
topic
gguf, llm, localai, mlx, skill, unsloth