llmfit 向内置目录贡献模型完整六步 PR 流程指南【免费下载链接】llmfitHundreds of models providers. One command to find what runs on your hardware.项目地址: https://gitcode.com/GitHub_Trending/ll/llmfitllmfit 是一款终端 LLM 模型适配工具内置数百个模型与提供商目录一条命令即可告诉你哪些模型能在你的硬件上流畅运行。本文将带你走完整条向 llmfit 内置目录贡献模型的 PR 流程从环境准备、修改模型清单、一键重新生成数据库到本地验证与提交拉取请求Pull Request共 6 个步骤帮助新手快速完成第一次模型贡献。为什么向 llmfit 内置目录贡献模型llmfit 在推荐模型时依赖一份内置的模型数据库编译时嵌入的 llmfit-core/data/hf_models.json。你希望被推荐的模型不在其中向内置目录贡献模型就是最直接的方式覆盖所有用户模型合并后随下一个版本发布所有用户无需任何配置即可在推荐列表中看到它评分完整内置模型会参与内存适配、速度、质量、上下文四个维度的自动评分贡献门槛低核心操作只是修改一个 Python 脚本里的模型清单再运行一条更新命令。项目方明确欢迎模型贡献详见 CONTRIBUTING.md。先分清本地自定义 vs 内置目录两种添加模型方式llmfit 支持两条路线先确认你的目标路线是否需要重新编译是否影响其他用户适用场景本地自定义模型custom_models.json❌ 否❌ 否自己先用起来立刻验证效果贡献到内置目录提交 PR✅ 是✅ 是让所有人都能发现并使用该模型本地方式只需在 llmfit 数据目录Linux 为~/.local/share/llmfit/custom_models.json放一个 JSON 数组即可无需任何构建步骤完整字段说明见 llmfit-core/data/schema.json 和 docs/custom-models.md。下面重点讲解内置目录贡献的完整 PR 流程。完整 PR 流程六步把新模型加入内置目录第一步准备开发环境贡献需要三样工具Rust 稳定版工具链用于重建二进制、Python 3仅用标准库无需 pip 依赖、Git。git clone https://gitcode.com/GitHub_Trending/ll/llmfit cd llmfit make build构建完成后二进制位于target/release/llmfit。第二步把模型加入 HuggingFace 模型清单打开 scripts/scrape_hf_models.py将模型的 HuggingFace 仓库 ID 添加到TARGET_MODELS列表中例如TARGET_MODELS [ Qwen/Qwen3.5-0.8B, your-org/Your-New-Model-8B, # 新增你的模型 ] 小技巧先确认模型在 HuggingFace 上可公开访问且仓库 ID 写成组织名/仓库名格式。第三步为受限模型补充兜底数据如果模型是 gated需要 HuggingFace 登录才能读取元数据在同一个脚本的FALLBACKS字典中补一条兜底记录至少包含参数量和上下文长度保证离线也能生成准确的内存估算。第四步一键重新生成模型数据库运行 Makefile 中定义好的更新命令等价于 scripts/update_models.shmake update-models该脚本会自动完成备份旧数据 → 运行爬虫抓取模型元数据 → 校验生成的 JSON 合法性 → 重新编译 release 二进制。失败时会自动恢复备份不用担心弄坏现有数据。第五步本地验证新模型重新构建后用list和fit命令确认新模型已进入目录、评分正常./target/release/llmfit list在 TUI 中打开后你可以在模型列表中直接查看该模型的适配评分还能用硬件模拟功能调整内存、显存、核心数参数快速预览它在不同配置机器上的表现第六步提交前检查与提交 PR提交前依次执行三项检查这是避免 CI 反复失败的关键cargo fmt # 格式化代码多数 CI 失败源于此 make clippy # 静态检查 make test # 运行全部测试然后 Fork 仓库、从main分支创建特性分支提交改动并发起 PR。建议一个 PR 只做一件事一次只加一个模型评审更快PR 描述写清动机说明为什么加这个模型、数据来源若模型带有新元数据字段记得同步更新 llmfit-core/data/schema.json。PR 提交后会发生什么CI 自动检查格式、静态检查、测试套件依次运行维护者评审确认模型数据准确、符合目录规范后合并到main随版本发布模型进入下一版发布所有用户的推荐列表即时可见并带上实测校准后的评分数据。下面是一个社区贡献 PR 的典型页面右侧 CI 检查全部通过、无冲突等待合并——你的贡献也会是这个样子常见问题 FAQ问想先本地试用必须等 PR 合并和发版吗不用。用custom_models.json本地覆盖同名模型或新增条目即可立即生效详见 docs/custom-models.md。问模型条目最少要提供哪些字段name、provider、parameter_count、min_ram_gb、recommended_ram_gb、min_vram_gb、quantization、context_length为推荐字段is_moe、num_hidden_layers等可选字段能显著提升速度估算精度完整定义见 llmfit-core/data/schema.json。问CI 为什么总是失败绝大多数是忘记运行cargo fmt。推送前先格式化能避开大部分问题。问模型列表文档 MODELS.md 需要我手动改吗需要随 PR 一起更新保持目录文档与实际数据一致。小结向 llmfit 内置目录贡献模型的完整 PR 流程可以浓缩为一句话改清单 → 跑make update-models→ 本地llmfit list验证 →cargo fmt后提 PR。整个过程通常半小时以内即可完成而你的贡献会让每一位 llmfit 用户的推荐列表更完整。延伸阅读贡献规范CONTRIBUTING.md自定义模型指南docs/custom-models.md模型抓取脚本scripts/scrape_hf_models.py项目结构与开发docs/development.md【免费下载链接】llmfitHundreds of models providers. One command to find what runs on your hardware.项目地址: https://gitcode.com/GitHub_Trending/ll/llmfit创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考