一種用於在極簡硬體叢集上執行並路由微軟高效 Phi 模型系列的本地 AI skill。
安裝與下載
1. ClawHub CLI
從來源直接安裝技能的最快方式。
npx clawhub@latest install phi-phi4
2. 手動安裝
將技能資料夾複製到以下位置之一
~/.openclaw/skills/ <project>/skills/ 優先級：工作區 > 本地 > 內建
3. 提示詞安裝
將此提示詞複製到 OpenClaw 即可自動安裝。
請幫我使用 Clawhub 安裝 phi-phi4。如果尚未安裝 Clawhub，請先安裝（npm i -g clawhub）。
想要直接下載？
取得包含原生技能檔案的ZIP壓縮檔。
什麼是 Phi 4 Microsoft 小型模型？
Phi 4 skill 透過 Openclaw Skills 生態系統將微軟最先進的小型語言模型 (SLMs) 帶入您的本地環境。這些模型旨在提供媲美大型 LLMs 的推理、數學與編碼能力，同時保持極小的記憶體佔用。這使得它們非常適合在 MacBook Air 或 Mac Mini 等消費級硬體上本地執行 AI 的開發者，無需依賴昂貴的雲端 API。
透過利用 ollama-herd 主幹，此 skill 允許您在設備叢集中分發 Phi 模型。無論您是使用 14B Phi-4 進行複雜推理，還是使用超快的 3.8B Phi-4-mini 進行基礎摘要，您都能在 macOS、Linux 與 Windows 上獲得低延遲、私密且具成本效益的 AI 效能。
Phi 4 Microsoft 小型模型 應用場景
- 在記憶體低至 8GB 的硬體上執行複雜的推理與數學任務。
- 部署用於本地開發與測試的私有、相容 OpenAI 的 API。
- 將 AI 推理卸載到低功耗設備叢集以提高總吞吐量。
- 在資料不離開網路的情況下實現快速的本地文字摘要與單元測試產生。
Phi 4 Microsoft 小型模型 運作原理
- 使用者啟動 skill，它充當 ollama-herd 編排層的橋樑。
- 在埠號 11435 上啟動中央路由器 (herd) 以管理傳入請求。
- 各個設備作為節點 (herd-node) 加入並註冊其可用的硬體資源。
- 當發出對 Phi 模型的請求時，路由器會根據可用 RAM 與延遲識別叢集中效能最匹配的設備。
- 所選的 Phi 模型處理提示詞並透過相容 OpenAI 的端點回傳結果。
Phi 4 Microsoft 小型模型 設定指南
要開始使用這些 Openclaw Skills，請確保已安裝 python3 與 pip。使用以下指令安裝叢集管理器並啟動路由服務：
pip install ollama-herd
# 啟動中央路由器
herd
# 在本地網路中的每台設備上執行此指令
herd-node
注意：所有模型下載都需要使用者明確確認，以確保頻寬與儲存空間得到有計畫的管理。
Phi 4 Microsoft 小型模型 資料結構與分類體系
該 skill 在專門的叢集管理器目錄中管理其執行資料與日誌。以下是主要的資料結構：
| 路徑 | 用途 |
|---|---|
~\/.fleet-manager\/latency.db |
儲存叢集節點之間的網路延遲指標。 |
~\/.fleet-manager\/logs\/herd.jsonl |
模型請求、效能與系統事件的結構化日誌。 |
http:\/\/localhost:11435\/v1 |
用於模型互動的相容 OpenAI 的 API 基礎 URL。 |
所有模型檔案均透過底層的 Ollama 服務進行管理，確保與您的主要系統檔案隔離。
Phi 4 Microsoft 小型模型 進階特性
- 多智慧體支援，可同時將特定任務路由到不同版本的 Phi。
- 透過埠號 11435 的網頁儀表板進行即時叢集健康監控。
- 基於所連接硬體的特定 RAM 與 GPU 規格進行自動模型推薦。
- 支援在同一叢集基礎架構內進行圖像生成 (z-image-turbo) 與語音轉文字 (qwen3-asr)。
SKILL.md
加載中
Openclaw 相關技能
Mistral Codestral 車隊管理器
使用統一的、相容 OpenAI 的 API，在您的本地硬體叢集上執行並路由全套 Mistral AI 模型。
精選*
