تشغيل وضبط LLMs على Apple Silicon باستخدام MLX. يُستخدم عند العمل مع النماذج محليًا على Mac، أو تحويل نماذج Hugging Face إلى تنسيق MLX، أو الضبط الدقيق باستخدام LoRA/QLoRA على Apple Silicon، أو تقديم النماذج عبر HTTP API.
ثبّت مهارة الذكاء الاصطناعي mlx بسرعة في بيئة التطوير لديك عبر سطر الأوامر
المصدر: itsmostafa/llm-engineering-skills.
MLX-LM is a Python package for running large language models on Apple Silicon, leveraging the MLX framework for optimized performance with unified memory architecture.
| Memory | Separate CPU/GPU copies | Unified memory, no copies | | Optimization | Generic Metal backend | Apple Silicon native | | Model loading | Slower, more memory | Lazy loading, efficient | | Quantization | Limited support | Built-in 4/8-bit |
MLX arrays live in shared memory, accessible by both CPU and GPU without data transfer overhead.
تشغيل وضبط LLMs على Apple Silicon باستخدام MLX. يُستخدم عند العمل مع النماذج محليًا على Mac، أو تحويل نماذج Hugging Face إلى تنسيق MLX، أو الضبط الدقيق باستخدام LoRA/QLoRA على Apple Silicon، أو تقديم النماذج عبر HTTP API. المصدر: itsmostafa/llm-engineering-skills.
حقول وأوامر مستقرة للاقتباس في أنظمة الذكاء الاصطناعي والبحث.
npx skills add https://github.com/itsmostafa/llm-engineering-skills --skill mlxتشغيل وضبط LLMs على Apple Silicon باستخدام MLX. يُستخدم عند العمل مع النماذج محليًا على Mac، أو تحويل نماذج Hugging Face إلى تنسيق MLX، أو الضبط الدقيق باستخدام LoRA/QLoRA على Apple Silicon، أو تقديم النماذج عبر HTTP API. المصدر: itsmostafa/llm-engineering-skills.
افتح الطرفية أو أداة سطر الأوامر لديك مثل Terminal أو iTerm أو Windows Terminal انسخ ونفّذ هذا الأمر: npx skills add https://github.com/itsmostafa/llm-engineering-skills --skill mlx بعد التثبيت، سيتم إعداد المهارة تلقائيا في بيئة البرمجة بالذكاء الاصطناعي لديك وتصبح جاهزة للاستخدام في Claude Code أو Cursor أو OpenClaw
https://github.com/itsmostafa/llm-engineering-skills