夜雨聆风这段时间 OpenClaw 火得一塌糊涂。
几乎每个人都想上手部署，但使用过后，纷纷喊它是一只无情的 Token 吞金兽。
为了省钱，我们自然就把目光转向了不用花钱的本地部署大模型了。
然而，还未开始动手，那些大模型各种参数大小、各种微调量化版本，看得一头雾水。
根本不知道，自己的电脑能运行哪些模型，折腾半天部署后却发现跑不起来，心直接凉了。
无独有偶，今天在 GitHub 上发现了 llmfit 这个开源终端小工具，正好能解决这个痛点。
在终端里，只要运行一行命令，它就会自动扒出本机的 CPU、内存和显卡型号。
然后根据几百个主流模型的参数和压缩程度，列出一张很直观的排位表。
它不仅直接标明能不能跑，还会算出非常具体的运行指标。
比如它会预估显卡跑某个模型时，每秒到底能蹦出 10 个词还是 20 个词。
适合用来写代码、聊天还是做推理，都会在黑框终端里写得清清楚楚。
它甚至聪明到能看懂那些结构复杂的混合专家模型。
同时还知道这些模型在工作时其实只会用到一部分脑力，所以算出的显存需求会比原本小得多。
平时常用的各种本地大模型运行工具它都能兼容。
在这个极简的界面里，我们可以直接浏览所有推荐清单。
选中合适的，按个字母 d 就能一键下载，体验很顺滑。
想要使用这个小工具，非常简单。
如果你是用 macOS 系统，执行brew install llmfit 命令就能装好。
如果用的是 Windows 系统，则通过 scoop install llmfit 安装也一样轻松。
碰到那些没法自动识别显存的特殊设备。
我们还能手动输入参数，来强行指定显存容量。
比如敲一段代码告诉它显存有 24G，就能提前看看如果要升级显卡，到底能跑多大的模型。
不仅如此，作者也深知大家用 OpenClaw 跑云端模型有多烧钱。
所以他专门为 OpenClaw 写了一个专属的 Skill 技能包。
只要在终端敲一行命令，就能完成安装。
./scripts/install-openclaw-skill.sh装好以后，AI Agent 就能自己去调用它评估咱们的本地硬件。
接着自动帮我们把 Ollama 这些本地运行环境配置好。
过去玩开源模型全靠硬件硬扛，试错成本实在太高。
现在有了这套工具把关，我们在本地折腾 AI 的门槛算是又降下了一大截。
把算力精打细算，让硬件物尽其用。 这或许才是本地部署真正的乐趣所在。
GitHub 项目地址：https://github.com/AlexsJones/llmfit
今天的分享到此结束，感谢大家抽空阅读，我们下期再见，Respect！