企业官网建设流程全解析

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-checker

LLM 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 2：hw-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 3：check 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 4：recommend 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 5：ai-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

记住这个最短路径：hw-detect→check→recommend→ai-run，5 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