Agent Skill · 效率

hardware-llm-optimizer-v2（hardware LLM 优化器 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。

hardware-llm-optimizer-v2 是效率类 Agent Skill，可用宿主为 OpenClaw，通过ClawHub获取，权限为需要联网；许可证为 MIT-0，第三方扫描有提醒项，按安装量在效率类的 21,003 个 Skill 里排第 18,851。

总安装 2,230周安装 92GitHub Stars 公开资料未说明下载 729核验 2026-05-01

效率需要联网 ClawHub未标认证来源可访问许可证明确审计提醒 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: 2.0.0

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-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

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。

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。

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-v2；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
它需要需要联网，先在测试目录或测试账号里跑，确认没问题再放到正式项目。

常见问题

6 条

hardware-llm-optimizer-v2 怎么安装？

在终端执行 openclaw skills install hardware-llm-optimizer-v2。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-v2 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-v2 需要什么权限？

权限级别是需要联网。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。

hardware-llm-optimizer-v2 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-v2 用的人多吗？

公开数据是累计安装 2,230 次，近一周安装 92 次，下载 729 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-v2 安全吗？

第三方扫描有提醒项，说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

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。

先想清楚的地方

第三方扫描存在提醒项或未通过项，需要人工逐条确认。
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。

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-v2 hardware LLM 优化器 V2 · 本页	2,230	—	需要联网	MIT-0	有提醒

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: 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*

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。来源安全扫描存在提醒或未通过项，安装前请自行复核。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

hardware-llm-optimizer（hardware LLM 优化器）

smseow001/hardware-llm-optimizer

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）

l1987i/hardware-prd-structurize

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。