llmfit 教學：下載前先算，你的電腦適合跑哪個本地模型？
llmfit 教學帶你在下載本地大模型前，先掃描 CPU、GPU 與記憶體，判讀量化、tok/s 和適配分數。以 M4 Pro 24GB 的 Qwen3 MoE 與 32B 密集模型案例，說明預估和實測的差別，再用 plan 固定上下文、透過 Ollama 驗證速度與載入方式，找到合適模型，減少下載後才發現太慢的試錯。
ollama
Ornith 1.5 35B 值得用嗎？自我改進、實測與本地部署解析
Ornith 1.5 35B-A3B 值得部署嗎？拆解自我改進訓練與 MoE 活躍參數的差別，整理官方程式評分、Qwen3.8 27B 對照案例、雙 GB10 的 NVFP4 加速結果，並說明 Q4 記憶體需求、長上下文與工具呼叫的測試順序。從生成速度到任務完成率，幫你判斷這顆本地模型是否適合自己的 AI 代理工作流。
LibreChat 是什麼？Docker 安裝、多模型整合與 Ollama 串接教學
LibreChat 不只是 ChatGPT 開源介面。本文整理 Docker 安裝、設定檔分工、內網 Ollama 串接、Agents、MCP、安全設定與常見錯誤排除。
CrewAI 是什麼？多 Agent 與 RAG 框架完整解析
CrewAI 是什麼？從 Agent、Task、Crew、Process 到 Flow，完整拆解多 Agent 框架，並以提示詞優化案例說明如何串接 RAG、pgvector、Claude 與 Ollama，附最新安裝命令、成本控制與架構建議。
2026 本地大模型推理框架怎麼選？vLLM、SGLang、llama.cpp、MLX、Ollama 比較
2026 本地大模型推理框架怎麼選？本文比較 vLLM、SGLang、llama.cpp、MLX、Ollama 的核心優勢、適合場景與混合部署策略，幫你少踩硬體與維運成本的坑。
OpenWork 是什麼？OpenCode 桌面工作台與本地 Agent 入門
OpenWork 把 opencode 的 AI Agent 能力包成桌面工作台，支援 session、skills、plugins、MCP、權限與本地/遠端 worker。這篇整理 OpenCode + OpenWork 的分工、Ollama 連線、token 成本與 Windows 常見坑。
Ornith 1.0 是什麼？開源 AI 編程模型開始學會自己拆任務
Ornith 1.0 把開源程式模型的重點從會寫一段程式推向會先拆任務、搭工作流程，再解決問題。這篇整理它的模型版本、benchmark、Ollama/Hugging Face 部署方式，以及放進本地 AI 開發工作流時要注意的限制。