一种用于在极简硬件集群上运行并路由微软高效 Phi 模型系列的本地 AI skill。
安装与下载
1. ClawHub CLI
从源直接安装技能的最快方式。
npx clawhub@latest install phi-phi4
2. 手动安装
将技能文件夹复制到以下位置之一
~/.openclaw/skills/ <project>/skills/ 优先级：工作区 > 本地 > 内置
3. 提示词安装
将此提示词复制到 OpenClaw 即可自动安装。
请帮我使用 Clawhub 安装 phi-phi4。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
更倾向于下载？
获取包含原生技能文件的ZIP压缩包。
什么是 Phi 4 Microsoft 小型模型？
Phi 4 skill 通过 Openclaw Skills 生态系统将微软最先进的小型语言模型 (SLMs) 带入您的本地环境。这些模型旨在提供媲美大型 LLMs 的推理、数学和编码能力，同时保持极小的内存占用。这使得它们非常适合在 MacBook Air 或 Mac Mini 等消费级硬件上本地运行 AI 的开发者，无需依赖昂贵的云端 API。
通过利用 ollama-herd 主干，此 skill 允许您在设备集群中分发 Phi 模型。无论您是使用 14B Phi-4 进行复杂推理，还是使用超快的 3.8B Phi-4-mini 进行基础摘要，您都能在 macOS、Linux 和 Windows 上获得低延迟、私密且具成本效益的 AI 性能。
Phi 4 Microsoft 小型模型 应用场景
- 在内存低至 8GB 的硬件上运行复杂的推理和数学任务。
- 部署用于本地开发和测试的私有、兼容 OpenAI 的 API。
- 将 AI 推理卸载到低功耗设备集群以提高总吞吐量。
- 在数据不离开网络的情况下实现快速的本地文本摘要和单元测试生成。
Phi 4 Microsoft 小型模型 工作原理
- 用户启动 skill，它充当 ollama-herd 编排层的桥梁。
- 在端口 11435 上启动中央路由器 (herd) 以管理传入请求。
- 各个设备作为节点 (herd-node) 加入并注册其可用的硬件资源。
- 当发出对 Phi 模型的请求时，路由器会根据可用 RAM 和延迟识别集群中性能最匹配的设备。
- 所选的 Phi 模型处理提示词并通过兼容 OpenAI 的端点返回结果。
Phi 4 Microsoft 小型模型 配置指南
要开始使用这些 Openclaw Skills，请确保已安装 python3 和 pip。使用以下命令安装集群管理器并启动路由服务：
pip install ollama-herd
# 启动中央路由器
herd
# 在本地网络中的每台设备上运行此命令
herd-node
注意：所有模型下载都需要用户明确确认，以确保带宽和存储空间得到有计划的管理。
Phi 4 Microsoft 小型模型 数据架构与分类体系
该 skill 在专门的集群管理器目录中管理其运行数据和日志。以下是主要的数据结构：
| 路径 | 用途 |
|---|---|
~\/.fleet-manager\/latency.db |
存储集群节点之间的网络延迟指标。 |
~\/.fleet-manager\/logs\/herd.jsonl |
模型请求、性能和系统事件的结构化日志。 |
http:\/\/localhost:11435\/v1 |
用于模型交互的兼容 OpenAI 的 API 基础 URL。 |
所有模型文件均通过底层的 Ollama 服务进行管理，确保与您的主要系统文件隔离。
Phi 4 Microsoft 小型模型 高级特性
- 多智能体支持，可同时将特定任务路由到不同版本的 Phi。
- 通过端口 11435 的网页仪表盘进行实时集群健康监控。
- 基于所连接硬件的特定 RAM 和 GPU 规格进行自动模型推荐。
- 支持在同一集群基础设施内进行图像生成 (z-image-turbo) 和语音转文字 (qwen3-asr)。
SKILL.md
加载中
Openclaw 相关技能
Mistral Codestral 车队管理器
使用统一的、兼容 OpenAI 的 API，在您的本地硬件群集上运行并路由全套 Mistral AI 模型。
精选*
