Przejdź do treści
Biblioteka skilli
AI i agenci · Integracja z narzędziem

hf-cache-models

/hf-cache-models

Wypisuje, sprawdza i raportuje modele MLX-VLM z pamięci podręcznej, własne i załadowane, przez punkt końcowy odkrywania modeli serwera.

Repozytorium
mlx-vlm ↗
Licencja
MIT
Ostatnia zmiana repozytorium
27.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
2
Przestarzałość

Brak sygnałów. Repozytorium zmienione 27.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Wypisuje, sprawdza i raportuje modele MLX-VLM z pamięci podręcznej, własne i załadowane, przez punkt końcowy odkrywania modeli serwera.

Oryginalny opis (EN)

Use this skill when the user wants to list, inspect, or report cached, custom, or loaded MLX-VLM models through the server's model discovery endpoint.

Jak działa

  1. List Models
  2. Supported Model Rule
  3. Custom Model Directories
  4. Reporting
Sekcje z nagłówków SKILL.md, w oryginale · 57 linii, 278 słów
Podgląd SKILL.md
---
name: hf-cache-models
description: Use this skill when the user wants to list, inspect, or report cached, custom, or loaded MLX-VLM models through the server's model discovery endpoint.
---

# HF Cache Models

Query a running MLX-VLM server to list model candidates and their loaded status.
Use its configured URL and authentication; the examples assume the default local
address. See `Skill("mlx-vlm-skills:server-inference")` for server setup.

## List Models

```bash
curl http://127.0.0.1:8080/v1/models
```

The JSON response's `data` array contains model IDs and a `loaded` boolean.
Both `/models` and `/v1/models` include loaded models, the shared Hugging Face
cache, and configured custom directories by default.

## Supported Model Rule

The server checks discovered candidates with `mlx_vlm/server/model_discovery.py`:

- repo type is `model`
- readable model metadata exists in `config.json` or a pipeline `model_index.json`
- nonempty safetensors weights exist, including every shard referenced by any weight index
- all cached revisions are checked, preferring `main`; another revision is returned using its absolute snapshot path
- tokenizer metadata is not required

Discovery does not load weights, execute checkpoint Python, or prove generation
works. Architecture compatibility is checked when loading a model.

## Custom Model Directories

Each path can be a model folder or a parent containing model folders as immediate
children. Configure the server with repeated `--model-dir` options, or
`MLX_VLM_MODEL_PATHS` with paths separated by `os.pathsep` (`:` on macOS/Linux).

For directories scoped to one API request, use repeated `model_dir` query
parameters on `/models` or `/v1/models`. Paths are on the server's filesystem and
are added to its configured directories without persisting them:

```bash
curl --get http://127.0.0.1:8080/v1/models \
  --data-urlencode 'model_dir=/Volumes/Models' \
  --data-urlencode 'model_dir=/Users/me/my custom model'
```

## Reporting

When reporting the result, include:

- server URL and any custom directories requested
- number of model candidates
- exact model IDs
- which models have `loaded: true`

If this becomes part of a bug report, switch to `Skill("mlx-vlm-skills:reproducible-github-issues")`.

Wersje

W bazie nie ma innych skilli o nazwie hf-cache-models.

Migawka bazy z 13.11.2026 · wersja paczki fb4cfe81e607 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100mlx-vlm
    Uruchamia i dotrenowuje modele wizja-język lokalnie na Macach z Apple Silicon przez MLX: opis obrazów i wydobywanie z nich tekstu, przetwarzanie wsadowe, serwer zgodny z OpenAI i LoRA.
  • 100server-inference
    Uruchamia i debuguje serwer MLX-VLM do wnioskowania: endpointy zgodne z OpenAI, streaming, kontrole zdrowia i błędy żądań.
  • 100cli-inference
    Uruchamia i debuguje wnioskowanie MLX-VLM z linii poleceń przez uv run mlx_vlm.generate: wejścia obrazu, dźwięku i wideo, lokalne ścieżki modeli, identyfikatory Hugging Face i deterministyczne polecenia odtwarzające błędy.
  • 90choose-apple-model-runtime
    Porównuje i wybiera runtime modeli na Apple: Core AI, Core ML, MLX, MLX Swift, MLX LM, delegaty ExecuTorch lub Foundation Models, wraz z przekazaniem do implementacji.
  • 100local-model-orchestrator
    Skanuje, objaśnia, dobiera, instaluje i wywołuje lokalne modele AI w Ollama, cache Hugging Face, MLX Whisper, whisper.cpp i LM Studio, z naciskiem na modele zoptymalizowane pod Apple Silicon.
  • 100minicpm5-deploy-mlx
    Uruchamia MiniCPM5-1B lub MiniCPM5-2B natywnie na Apple Silicon w frameworku MLX, z użyciem mlx_lm, w tym mlx_lm.convert i mlx_lm.generate.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.