🚀 我做了一个小工具：LLMFetch

一个面向本地大模型用户的终端工具，目标很简单：

打开终端，就能快速知道这台机器适合跑什么模型。

GitHub：https://github.com/T-Zevin/llmfetch

---

LLMFetch 有点像：

• fastfetch：展示你的系统、芯片、内存、屏幕、运行环境
• htop：在终端里交互式浏览、搜索、筛选模型
• 本地 LLM 排行榜：按速度、内存、上下文、适配度、许可证等指标排序

---

截图

---

目前支持

• macOS / Linux / Windows
• Apple Silicon / x86_64 / arm64
• MLX / Ollama / LM Studio / llama.cpp / vLLM 检测
• 10000 条模型 registry
• 交互式 TUI
• 快照模式
• JSON 输出
• Homebrew 安装

---

安装

macOS 用户可以直接：

brew install T-Zevin/tap/llmfetch

如果 GitHub HTTPS clone 被 reset，可以用 SSH：

brew tap T-Zevin/tap git@github.com:T-Zevin/homebrew-tap.git
brew install T-Zevin/tap/llmfetch

macOS / Linux 也可以一行安装：

curl -fsSL https://raw.githubusercontent.com/T-Zevin/llmfetch/main/install.sh | sh

---

使用

llmfetch

快照模式：

llmfetch --snapshot

JSON 输出：

llmfetch --json

查看 logo catalog：

llmfetch --logos

---

为什么做它

现在本地模型越来越多，但选择模型经常很混乱：

• 这个模型适合我的机器吗？
• 应该用 MLX、Ollama 还是 llama.cpp？
• 内存够不够？
• 速度大概多少？
• 哪些模型更适合 coding / reasoning / vision？

LLMFetch 想把这些信息收进一个终端界面里。

---

GitHub：https://github.com/T-Zevin/llmfetch

欢迎试用、提 issue、给建议。