ai-detector:Vibe Coding开源的AI工具,一键检测你的电脑能跑哪些AI大模型-夜雨聆风

ai-detector:Vibe Coding开源的AI工具,一键检测你的电脑能跑哪些AI大模型

👆关注趣谈AI，后台回复“源码”获取源码实战

作者简介：徐小夕，曾任职多家上市公司，多年架构经验，打造过上亿用户规模的产品，聚集于AI应用的实践落地。

最近推出了《架构师精选》专栏，会分享一线企业AI应用实践，并和大家拆解可视化搭建平台，AI产品，办公协同软件的源码实现。

最近一直在深耕 AI Agent 与大模型应用，比如 JitKnow AI 知识库、JitWord协同AI文档、Pxcharts超级表格，同时也持续在给大家分享 GitHub 上真正能落地、能解决实际问题的优质AI开源项目。

今天和大家分享一款我花了一天时间做的开源工具——ai-detector。

它是一款完全运行在浏览器端的免费硬件检测工具。能自动读取你电脑的内存、CPU、GPU 信息，智能匹配 21+ 主流开源 AI 大模型的兼容性，并给出本地运行速度预估，帮你在 5 秒内找到最适合自己电脑的 AI 模型。

无需安装、无需登录、无需上传任何数据，全程 100% 本地运行。

ps：最近小龙虾很火，但是又担心自己电脑配置不够的朋友，可以使用这款线上工具检测一下电脑适合哪些模型，告别AI恐惧啦～

老规矩，先上开源地址。

github：https://github.com/MrXujiang/ai-detector

演示地址：https://jitword.com/ai-detector

下面就和大家详细分享一下这款 AI Coding 出来的开源项目。

先上一个基础的功能演示

比如我想在我的电脑里部署一个本地AI模型，但是又担心我的电脑配置不够，那么直接运行这个项目（或者直接在线使用https://jitword.com/ai-detector）：

点击开始检测，不到5s，就会给出自己电脑的性能和适合运行哪些模型的详细报告：

分析的非常准确，可能是我电脑年久失修，只给出了28分。。。

ai-detector 还会为我们推荐基于当前电脑，适合运行的模型推荐：

不仅如此，它还会对目前主流的数十个开源模型，对当前电脑进行分析评测，分析出部署这些大模型的性能，风险等信息，如下：

对于比较吃电脑性能的模型，它会给我们全面的分析：

最后会基于我们的硬件配置，估算各模型生成速度（tokens/秒），并输出可视化的分析报表：

核心能力总结

下面和大家总结一下 ai-detector 的核心能力和亮点。

1. 硬件自动检测

系统内存

通过 navigator.deviceMemory 读取 RAM 大小
CPU 核心数

通过 navigator.hardwareConcurrency 读取逻辑核数
GPU 型号

通过 WebGL WEBGL_debug_renderer_info 扩展识别显卡
综合跑分

基于内存与 CPU 计算 0-100 综合评分，直观了解你的 AI 能力等级

2. 21+ 大模型兼容性分析

覆盖当前最主流的开源大模型系列，一键发现哪些能跑、哪些跑不动：

系列	代表模型	参数规模
🦙 Llama	TinyLlama、Llama 3.2、Llama 3.1	1.1B ~ 70B
🌐 Qwen	Qwen2.5 3B/7B/14B/32B/72B	3B ~ 72B
💎 Phi	Phi-3 Mini、Phi-3 Medium	3.8B ~ 14B
🌬️ Mistral	Mistral 7B	7B
🧠 DeepSeek	DeepSeek-R1、DeepSeek Coder	7B ~ 70B
👁️ 多模态	LLaVA 7B、MiniCPM-V 8B	7B ~ 8B
💫 Gemma	Gemma 2 2B	2B

3. 支持兼容性三级分类

😊 流畅运行内存充裕，可稳定高速推理
⚠️ 勉强运行：内存刚好满足，速度偏慢
❌ 内存不足：当前配置无法加载该模型

4. 运行速度排行

检测完成后自动生成可运行模型的速度排行榜，按 tokens/秒从高到低排列，帮你优先选出响应最快的模型。

5. 量化模式切换

Q4 量化

内存占用更低，普通设备首选
Q8 量化

精度更高，内存需求约为 Q4 的 2 倍
一键切换，实时刷新所有模型兼容状态

6. 个性化模型推荐

基于我们的硬件配置，自动从模型库中精选 最均衡、速度最快、能力最强 三款推荐，省去选择烦恼。

7. 一键复制检测报告

生成包含硬件配置、综合评分、可运行模型的文本报告，方便分享或咨询。

完整使用流程总结

为了让大家轻松上手使用，我总结了一下7步使用法，大家可以参考一下：

打开页面

→ 点击「开始硬件检测」按钮
等待扫描

（约 3~5 秒）→ 自动完成内存、CPU、GPU 检测
查看结果

→ 获得综合跑分与设备等级评价
浏览推荐

→ 查看「为你推荐」区块，获取最适合你的 3 款模型
筛选模型

→ 在「模型列表」中按兼容状态、类型筛选，支持关键词搜索
切换量化

→ 尝试切换 Q4 / Q8 量化，查看内存需求变化
复制报告

→ 一键复制检测结果，方便保存或分享

为什么要做这个开源项目

这里分析一张图，大家就知道了：

特性	AI -Detector	其他工具
需要安装	❌ 无需安装	✅ 通常需要
需要登录	❌ 无需注册	✅ 通常需要
数据上传	❌ 完全不上传	⚠️ 部分上传
模型覆盖	✅ 21+ 主流模型	⚠️ 覆盖有限
速度预估	✅ tokens/s 量化估算	⚠️ 通常无此功能
升级建议	✅ 智能提示内存升级方案	❌ 无
量化切换	✅ Q4 / Q8 实时切换	❌ 无
开源免费	✅ MIT 协议	⚠️ 多数收费

主要是为了让任何没有技术基础的人，也能轻松拥有专业级AI模型选型能力，告别AI焦虑。

目前已开源，大家可以免费使用：

github：https://github.com/MrXujiang/ai-detector

演示地址：https://jitword.com/ai-detector

多唠叨一嘴

最近我们上线的AI知识库产品 JitKnow，也在持续迭代中，正在招募100位产品品鉴官，和我们一起共建这款AI知识库。

官网地址：https://know.jitword.com

感兴趣可以入会：

下面是我的产品号，会定期分享我们的AI产品创业进展：

精选架构专栏

我的架构专栏计划写60期，会从源码级技术方案到产品商业化设计，再到商业化运营，包含了我近8年的技术研发和AI实践，也希望和更多优秀的人一起交流，学习，成长。

先暂时聊这么多，后续会持续分享AI创业开源笔记，欢迎留言交流～