Запуск и тонкая настройка LLM на Apple Silicon с помощью MLX. Используйте при локальной работе с моделями на Mac, преобразовании моделей Hugging Face в формат MLX, точной настройке с помощью LoRA/QLoRA на Apple Silicon или обслуживании моделей через HTTP API.
Быстро установите AI-навык mlx в вашу среду разработки через командную строку
Источник: 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.
Запуск и тонкая настройка LLM на Apple Silicon с помощью MLX. Используйте при локальной работе с моделями на Mac, преобразовании моделей Hugging Face в формат MLX, точной настройке с помощью LoRA/QLoRA на Apple Silicon или обслуживании моделей через HTTP API. Источник: itsmostafa/llm-engineering-skills.
Стабильные поля и команды для ссылок в AI/поиске.
npx skills add https://github.com/itsmostafa/llm-engineering-skills --skill mlxЗапуск и тонкая настройка LLM на Apple Silicon с помощью MLX. Используйте при локальной работе с моделями на Mac, преобразовании моделей Hugging Face в формат MLX, точной настройке с помощью LoRA/QLoRA на Apple Silicon или обслуживании моделей через HTTP API. Источник: itsmostafa/llm-engineering-skills.
Откройте терминал или инструмент командной строки (Terminal, iTerm, Windows Terminal и т.д.) Скопируйте и выполните эту команду: npx skills add https://github.com/itsmostafa/llm-engineering-skills --skill mlx После установки навык будет автоматически настроен в вашей AI-среде разработки и готов к использованию в Claude Code, Cursor или OpenClaw
https://github.com/itsmostafa/llm-engineering-skills