01 / 先判断它适不适合你
llmfit 根据 CPU、内存、GPU 和显存信息，给出模型适配与性能估算。适合已经有电脑、想缩小本地大模型候选范围的人。它不是模型本体，也不是显卡购买保证；不能仅凭推荐分数决定采购。本文依据 2026-09-11 核对的官方 README 和 v1.1.15 发布信息整理，没有安装运行或测速。
02 / 安装前记录环境
先记下操作系统、CPU 架构、可用内存和显卡型号。优先在实际运行模型的主机上检查；容器或虚拟机看到的硬件可能受隔离配置影响。首次试用只读取本机信息，不启动网络服务，不下载模型，不提交基准数据。
03 / 选择一条官方安装路线
Windows：如果已安装 Scoop，在终端执行 scoop install llmfit。macOS 或 Linux：已安装 Homebrew 时执行 brew install AlexsJones/llmfit/llmfit。两种包管理器都没有时，可到官方 Releases 选择与系统和架构匹配的二进制文件。不要把 macOS、Linux、Windows 的安装步骤混用；安装器或包管理器自身的设置以其官方说明为准。
04 / 从硬件核对开始
安装后在终端执行 llmfit，进入交互界面。先对照界面顶部硬件信息与实际配置，不要立刻依据模型排名下载。官方文档说明可用 h 查看帮助、方向键选择、/ 搜索，Esc 返回。若命令找不到，检查安装是否完成和终端 PATH；重开终端后仍无效，应回到所用安装路线排查。
05 / 输出可比对的推荐结果
执行 llmfit recommend 查看推荐；需要给脚本处理时执行 llmfit recommend --json。比较模型时同时考虑量化格式、上下文需求与剩余内存，不要只看参数规模。对某个候选进一步查询可使用 llmfit info "模型名称"，名称应复制自实际列表，不凭空猜测。本站未运行这些命令，描述来自官方说明。
06 / 推荐值不等于实测值
推荐列表中的速度可能是估算，基准结果还受后端、驱动、量化、上下文和当前负载影响。选定少量候选后，再阅读官方基准指南决定是否下载、运行和测量；下载前检查磁盘空间及模型自身许可证。工具的 MIT 许可不意味着所有模型都可以任意商用。
07 / 两个容易忽略的边界
硬件检测异常时可参考 llmfit doctor，但对外提交输出前先检查其中的设备信息。不要直接使用带 --share 的基准命令，因为分享是额外的数据上传行为。官方还有 Web/API 服务模式，初次使用不需要开放公网端口；需要部署时另外配置认证、网络访问与防火墙。
08 / 一次试用怎样算完成
完成标准是：安装来源可追溯；识别到的硬件与主机一致；能够读懂一份推荐结果；知道哪些数值是估算；留下所用版本、环境和待验证候选。不要把打开界面当作所有模型都能运行。本资料版为 2026-09-11，不含第三方程序、模型权重或安装包。后续资料进入同一长期文件夹的日期子目录，主分享不因版本更新而重建。