自动检测电脑可以跑什么大模型，自动启动 Coding Agent

Huggingface 这个最新插件真是太合我心了

它简介是这么说的：

HF-agent 是一个 HF CLI 插件，它使用 llmfit 检测用户的硬件并推荐他们可以实际运行的模型，然后使用最合适的模型启动本地 llama. cpp 服务器并使用 Pi 启动编码代理。从 “我的机器可以运行什么？” 变成一个命令在本地运行 Coding Agent

比较有意思的是，他这里面提到了三个工具，每一个我都有介绍：

• llmfit：电脑能跑多大模型，一键测算+本地部署
• llama.cpp：内网部署llama.cpp，运行量化大模型，so easy，还有最近的一片实测，单卡 4090 + llama.cpp 轻松跑 Claude-Opus-4.6蒸馏版Qwen3.5 27B，46 Token每秒！
• Pi：与 Claude Code、OpenCode 有完全不同设计哲学的 Agent 工具——pi

而 HF-agent 把他们完美揉合——模型、推理服务、Agent 串起来了

安装很简单

curl -LsSf https://hf.co/cli/install.sh | bash
hf extensions install hf-agents

用法

hf agents fit recommend -n 5      # 适合本机的 5 个模型
hf agents fit system              # 显示硬件
hf agents fit search "qwen"       # 搜索模型
hf agents fit recommend --use-case coding --min-fit good

我在家只用来写文档的丐版 MacBook Air 试了一下

hf agents fit system

输出如下：

=== System Specifications ===
CPU: Apple M2 (8 cores)
Total RAM: 8.00 GB
Available RAM: 1.50 GB
Backend: Metal
GPU: Apple M2 (unified memory, 8.00 GB shared, Metal)

能跑什么呢？

hf agents fit recommend --use-case coding --min-fit good -n 5 --json

当前这台机器，比较靠前的推荐包括：

• bigcode/starcoder2-7b
• Qwen/Qwen2.5-Coder-3B-Instruct
• Qwen/Qwen2.5-Coder-3B

3B 级别。。。。

我看了下源代码，发现这个工具还有个骚操作：

在 Apple Silicon 场景下，hf-agents 脚本注释明确提到 llmfit 更偏向给出 MLX 结果；

我在这台 M2 8GB 机器上的实测里，coding 推荐结果前几项也确实是 MLX。

由于 hf-agents 接的是 llama.cpp + GGUF，脚本里专门把 mlx-8bit、mlx-4bit、mlx-3bit 映射成 Q8_0、Q4_K_M、Q3_K_M 这样的 GGUF 量化名。

检测完毕就可以一键启动 Pi 了：hf agents run pi

十分建议大家尝试一下 Pi 这个 Coding Agent

如果不想本地模型驱动，你也可以试试Ollama ，原生命令增加了对 Pi 的支持，一键启动并免配置使用 Kimi-K2.5 云端模型

绝对有完全不同的使用体验