首页 文章 精选 留言 我的

精选列表

搜索[minimax],共694篇文章
优秀的个人博客,低调大师

这款开源扫描器能一键扫描:装了多少大模型,DeepSeek、GLM、Minimax等等

> **本地塞了十几个大模型,自己都忘了装了啥?硬盘快撑爆了才发现还有个DeepSeek-67B在角落里吃灰?这款刚炸出来的开源工具,一个命令就能把你的电脑扫个底朝天——所有本地部署的大模型、运行框架、甚至占用空间,一目了然。** ![](https://developer.qcloudimg.com/http-save/yehe-11919542/5545628e9f199a57def0a5ea00aa04f0.png) ## **一、这玩意干啥的?** 帮你的电脑做一次“AI资产盘点”。 过去一年,本地大模型框架呈爆发式增长。从Ollama到LM Studio,从llama.cpp到GPT4All——开发者动不动就在自己电脑上塞进十几款模型做测试。模型搞了一大堆,版本乱七八糟,连自己都搞不清本地到底装着什么。 而市面上专门做本地AI资产梳理的工具,此前几乎是空白。 直到这款名为 **AingDesk** 的开源项目出现。它不仅能快速检测出电脑上安装的大模型清单,还会进一步告诉你:有哪些模型正处于运行状态,绑定了哪些端口,占用了多少显存和硬盘空间,甚至能看到某个模型最后一次被使用是什么时候。 GitHub 开源地址:`https://github.com/aingdesk/AingDesk`。 ![](https://developer.qcloudimg.com/http-save/yehe-11919542/9467cbcc60488de619e0d7ebd845dfc3.jpg) ## **二、怎么装上?** 三步上车,零门槛。 **Step 1:满足最低配置** - Windows / Linux:CPU Intel i5 或 AMD Ryzen 5 以上,8GB 内存,10GB 以上可用硬盘空间。推荐配 NVIDIA 独立显卡。 - macOS(Apple Silicon):M1 或更高芯片,内存 8GB 以上。 **Step 2:下载安装包** 直接访问项目 Release 页面或官网,选择对应系统版本下载。官方提供了一键安装包及 Docker 部署两种方式。 ![](https://developer.qcloudimg.com/http-save/yehe-11919542/4b7ec7cff5f92ea05c0316ebf607b914.png) **Step 3:启动扫描** 安装完成后启动 AingDesk,它会在启动过程中自动扫描系统中活跃的 AI 模型服务。打开主界面就能看到一份完整的“本地AI资产清单”。 ![](https://developer.qcloudimg.com/http-save/yehe-11919542/e4c2d045c5c8637d9fc9b12ec6a4fe92.png) ## **三、解决痛点?** 几个硬核功能,直接解决本地AI环境混乱的痛点。 ### **1. 一键盘点模型** AingDesk 会自动识别所有当前活跃运行的本地AI模型服务。在 v1.0.7 版本中,开发团队重点改进了模型识别机制——解决了通过命令手动安装的某些模型无法被识别的问题,以及服务停止后需要重启才能刷新列表的尴尬。装了啥、在不在跑、占多少资源,一目了然。 ### **2. 零门槛部署百款模型** 检测完硬件之后,AingDesk 还会根据电脑配置自动推荐适配版本。DeepSeek、Llama、Qwen 等上百款主流模型,全程可视化进度条下载安装,告别黑黢黢的命令行操作。 ### **3. 自带联网搜索** 独家集成百度、搜狗、360 三大搜索引擎。勾选“联网搜索”后向模型提问,回复不再局限于训练数据的截止日期,能实时调用搜索结果作为上下文。 ### **4. 本地知识库系统** 支持 PDF、TXT、Markdown 等格式文档一键导入,通过语义标签自动分类。上传一套产品手册后,AI 能精准定位到“第32页的售后服务条款”,检索速度相当可观。 ### **5. 跨设备共享黑科技** 在自己电脑上部署完一个大模型后,生成专属分享链接发出去。对方即便用手机 4G 网络,也能流畅调用你自己电脑上的 AI 算力,不再需要每个成员都重复部署一遍。 ![](https://developer.qcloudimg.com/http-save/yehe-11919542/89ebcd271e3c7052b9089d26b4c8258a.png) ### **与同类工具的差异** |维度|AingDesk|llmfit|llm-checker|Ollama 原生| | --- | --- | --- | --- | --- | |交互方式|图形界面|终端TUI|纯命令行|命令行| |检测范围|已安装模型+服务运行状态|硬件适配+模型推荐|硬件扫描+模型推荐|仅管理Ollama生态| |模型部署|一键图形化部署|支持从界面下载|不支持|ollama pull| |联网搜索|内置搜索引擎|无|无|无| |知识库管理|支持本地文档RAG|无|无|无| |团队共享|一键生成分享链接|无|无|需自建WebUI| AingDesk 的定位更像是一个“本地AI家庭医生”——先把问题查出来,再给解决方案。它不仅能告诉你“你的电脑适合跑什么模型”,还能帮你真正把模型用起来。 ![](https://developer.qcloudimg.com/http-save/yehe-11919542/8d4e776cdc0f9a6cd6540fab0b14d928.jpg) ## **四、怎么玩起来?** 说说日常高频使用场景和操作思路。 ### **场景一:清理模型“库存”** 打开 AingDesk 主界面,先看看本地冒出了哪些模型。很多开发者装完模型就忘了删,一台机器上三四款模型是常态。主界面会清晰展示每个模型的名称、参数规模、占用空间和运行状态——哪些在用、哪些吃灰、哪些早已过时,一目了然。 ### **场景二:快速部署目标模型** 确认完本地缺少的模型后,直接在界面里搜索模型名称(如 DeepSeek、Qwen、GLM),系统会根据当前硬件情况推荐最合适的参数版本。点击安装,进度条跑完即可对话,全程不需要手动敲 `ollama pull`。 ### **场景三:搭建私有知识库** 比如手上有几百页公司产品手册,导入 AingDesk 生成 RAG 知识库后,在提问时勾选“知识库检索”,模型回答会直接引用文档原文,避免了通用模型“不懂公司内部产品”的尬聊局面。 ### **场景四:团队协作免重复部署** 测试部门需要用营销部门的模型跑一条提示词?营销同事在自己的 AingDesk 中生成分享链接,测试同事直接通过链接调用本地算力,省去重新下载几百GB模型文件的时间。 ![](https://developer.qcloudimg.com/http-save/yehe-11919542/90880f4d6265a9faa23c0a24c4f1bcb2.png) ## **结尾** AingDesk 火起来的原因并不复杂:每个人本地模型越来越多,但能帮用户真正“管住”这些模型的工具少之又少。它用一个图形界面,把模型发现、模型部署、知识库搭建、联网搜索、团队共享这一整套流程串联了起来。 > 当你发现“自己在本地塞了七八个模型却几乎忘了它们的存在”时,也许需要的不是再装一个新模型——而是一个能帮你把旧模型翻出来、榨干最后一点价值的好管家。 #AI工具 #AingDesk #本地大模型 #模型管理 #开源 #效率工具 #DeepSeek #GLM #AI盘点 #2026工具推荐

资源下载

更多资源
优质分享App

优质分享App

近一个月的开发和优化,本站点的第一个app全新上线。该app采用极致压缩,本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

用户登录
用户注册
修改密码
忘记密码