Agent Skill · 效率

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。

hardware-llm-optimizer 是效率类 Agent Skill，可用宿主为 OpenClaw，通过ClawHub获取，权限为只读；许可证为 MIT-0，第三方扫描已通过，按安装量在效率类的 21,003 个 Skill 里排第 16,727。

总安装 2,791周安装 114GitHub Stars 公开资料未说明下载 894核验 2026-05-01

效率只读 ClawHub未标认证来源可访问许可证明确审计通过 OpenClaw

安装说明

本站只整理中文说明，不托管安装包，也不代用户安装。

GitHub

许可证: MIT-0
版本: 1.1.0

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（hardware LLM 优化器）
来源仓库：https://github.com/smseow001/hardware-llm-optimizer
安装命令：
openclaw skills install hardware-llm-optimizer
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

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成，减少手工复制粘贴。

用于根据 PC 硬件（CPU/GPU/RAM/VRAM）自动推荐适合的 LLM 模型与量化方案。适合在 OpenClaw 中优化本地大模型部署，平衡性能与资源消耗。提供从 3B 到 70B 模型的选型建议，并附带部署工具和机器人配置指引。安装前应确认硬件检测脚本的准确性，避免因误判导致推荐偏差。

使用时需注意量化可能带来的精度损失，建议结合实际任务验证效果。

上手步骤

4 步

1
确认自己的宿主工具
公开资料标注支持 OpenClaw；先确认自己用的是其中之一，再按对应工具的 Skills 目录放置。
2
拿到安装命令
可以直接复制的命令是 openclaw skills install hardware-llm-optimizer；命令里的占位符换成自己的路径或密钥再执行。
3
安装后重启宿主
命令执行完要完全退出宿主工具再打开，让新装的 Skill 被重新扫描到，否则列表里可能看不到。
4
按最小权限试用
它标注为只读，先用只读任务试一次，确认行为符合预期再扩大使用范围。

常见问题

6 条

hardware-llm-optimizer 怎么安装？

在终端执行 openclaw skills install hardware-llm-optimizer。装完完全退出宿主工具再打开，让它重新扫描本地 Skill。

hardware-llm-optimizer 支持哪些 AI 工具？

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录，一般也能手动放进去，但要自己确认触发方式是否一致。

hardware-llm-optimizer 需要什么权限？

权限级别是只读。该 Skill 主要提供规则、说明或参考内容，本身偏只读；真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

hardware-llm-optimizer 是免费的吗？

来源标注的许可证是 MIT-0。本站不代收任何费用，也不托管安装包；能否商用、要不要署名，以许可证原文为准。

hardware-llm-optimizer 用的人多吗？

公开数据是累计安装 2,791 次，近一周安装 114 次，下载 894 次。这些数字来自第三方目录统计，只能当作热度参考，不代表质量或安全性。

hardware-llm-optimizer 安全吗？

第三方扫描结果为通过，但这只覆盖已知的静态检查项，不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

专注 OpenClaw 一种宿主，触发方式和使用习惯不用来回切换。
许可证明确为 MIT-0，商用和分发边界好判断。
第三方扫描已通过，常见的高风险行为没有命中。
标注为只读权限，试用阶段不容易误改本地文件。

先想清楚的地方

第三方目录整理，版本更新和行为细节以来源仓库为准。

适不适合你

更适合

已经在用 OpenClaw，想直接扩展它能力的人。
需要处理效率类任务、又不想每次都手写提示词的人。
需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类

Skill	总安装	GitHub 星	权限	许可证	扫描
github GitHub 代码协作 · OpenClaw	7,632,918	545	需要联网	MIT-0	通过
nano-pdf Nano PDF 文档 · OpenClaw	4,249,476	231	需要联网	MIT-0	通过
auto-updater 自动更新程序 · OpenClaw	2,964,063	386	操作浏览器	MIT-0	通过
video-frames 视频帧 · OpenClaw	2,621,304	112	需要联网	MIT-0	通过
gemini Gemini 助手 · OpenClaw	2,547,396	48	需要联网	MIT-0	有提醒
hardware-llm-optimizer hardware LLM 优化器 · 本页	2,791	—	只读	MIT-0	通过

按安装量取同分类前几名；数字来自第三方目录统计，只作热度参考，不代表质量结论。

SKILL.md 原文

name: hardware-llm-optimizer
version: 1.1.0
description: Auto-detect PC hardware (CPU/GPU/RAM/VRAM) -> Determine max LLM parameters -> Recommend models (3B/7B/8B/13B/34B/70B) + quantization + deployment tools + bottleneck analysis. Chinese interface.

Hardware LLM Optimizer

Detects PC hardware configuration and recommends which large language models can run.

Features

Auto-detect: CPU, RAM, GPU (NVIDIA/AMD), VRAM
Calculate: Maximum runnable model size
Quantization: FP16 / 8bit / 4bit / 2bit recommendation
Model Suggestion: Llama 2/3, Qwen, Mistral, Phi, Gemma, Yi, etc.
Bottleneck Analysis: System constraint diagnosis
Deployment Tools: Ollama, Llama.cpp, vLLM, Chatbox
Optimization Tips: Low VRAM solutions
Minimum Config Table: 3B/7B/13B/34B/70B requirements

Usage

When user asks about running LLMs on their computer:

检测电脑配置
大模型推荐
能跑什么模型
硬件检测
LLM优化

Quick Run

python3 skills/hardware-llm-optimizer/detect.py

Requirements

Python 3.8+
psutil: pip install psutil
nvidia-smi (optional, for NVIDIA GPU detection)

Minimum Config Reference

Model	Min VRAM	Rec VRAM	Quantization
3B	2GB	4GB	Q4
7B	6GB	8GB	Q4/Q8
13B	10GB	16GB	Q4/Q8
34B	20GB	32GB	Q4
70B	40GB	80GB	Q4

Chinese Interface

This skill outputs in Chinese for user convenience.

平台分布

OpenClaw

98.68%

按下载量换算882

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容，本身偏只读；真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

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。目前只有一个公开来源，建议同时核对源仓库。

继续浏览同类 Skills

更多效率 Skills（21,003）返回 Skills 目录

上一个 Skill

haqq-content-workbench（Haqq 内容工作台）

m7madash/haqq-content-workbench

用于辅助文档、README、Markdown、说明文和内容稿件的整理与改写。它适合让 Agent 提炼结构、补齐章节、统一术语、检查链接或把零散材料整理成可读文档。使用时应保留项目已有事实、命令和路径，不要把未确认的信息写成确定结论；涉及对外文案时，还需要控制语气，避免过度营销或夸大能力。

下一个 Skill

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

smseow001/hardware-llm-optimizer-v2

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。