用途：在自有硬件上本地运行 Mistral AI 的开源大模型，覆盖前沿推理、通用任务与代码生成，并通过 fleet 路由器把每个 Mistral 请求分配到最合适的设备。
主要模型：Codestral（22B，Ollama 名 codestral，代码专用，支持 80 多种语言与 fill-in-the-middle）；Mistral Large（123B，mistral-large，前沿推理与多语言）；Mistral-Nemo（12B，mistral-nemo，高效通用）；Mistral-Small（22B，mistral-small，快速推理）；Mistral 7B（7B，mistral:7b，轻量）。
使用方式： 安装与启动： pip install ollama-herd herd herd-node 在每台设备运行 herd-node，Mistral 请求会自动路由。兼容 OpenAI 风格接口，示例连接： from openai import OpenAI mistral_fleet = OpenAI(base_url="http://localhost:11435/v1", api_key="not-needed") 调用时 model 填 codestral、mistral-large、mistral-nemo 等。也可用 curl 访问 http://localhost:11435 的 /v1/chat/completions 与 /api/chat。
硬件参考：mistral:7b 最低 8GB 内存；mistral-nemo 10GB；codestral 与 mistral-small 16GB；mistral-large 80GB。示例配置跨平台，任何内存相当的 Mac、Linux、Windows 设备均可，路由器支持全平台。
监控：通过 /api/ps 查看已加载模型，/fleet/status 查看集群概览，/dashboard/api/models 查看性能统计，仪表盘位于 http://localhost:11435/dashboard。
同端点还提供其他能力：其他 LLM（Llama 3.3、Qwen 3.5、DeepSeek-V3、Phi 4、Gemma 3）、图像生成 /api/generate-image、语音转写 /api/transcribe、嵌入 /api/embed。
限制：安装时不自动下载任何 Mistral 模型，所有拉取均需用户主动发起；模型体积从 4GB 到 70GB+，下载与删除均需显式确认；不得删除或修改 ~/.fleet-manager/ 中的文件。项目为 MIT 开源。官方文档、Agent Setup Guide 与 API Reference 的具体内容暂未提供。