用途：通过 llama.cpp 在本地运行 LLM 任务，复用 Ollama 已拉取的 GGUF 模型（文本与嵌入无需重新下载），全程在本机运行，无 API 密钥、无网络、无按 token 费用。适合隐私敏感（脱敏 PII、个人笔记、健康数据）、离线、大批量低风险（分类打标数百条）或快速一次性任务（摘要、翻译）。需要强推理、长上下文、精细代码或高准确度时应改用前沿模型，因为本地模型较小（0.6–4B）。
主要能力：入口为 scripts/lm，用绝对路径调用，如 ~/ai_projects/claude-skills/local-models/scripts/lm。命令包括 lm models 列出本地模型；lm ask [MODEL] "PROMPT" 单次提示（默认 qwen2.5:3b）；lm chat [MODEL] 交互式 REPL；文本预设 summarize、tldr、keywords、anonymize、proofread、translate、classify、extract，可接受文件路径、内联文本或 stdin；视觉命令 describe-image、tag-image、vision；嵌入 lm embed；以及 lm serve qwen2.5:3b 8080 启动 OpenAI 兼容服务。输出干净，仅返回答案。
使用方式：Ollama 将权重存为 ~/.ollama/models/blobs/ 下无扩展名的 GGUF blob，scripts/ollama_blob.py 读取清单把友好名（如 qwen2.5:3b）解析为权重路径，llama.cpp 直接加载，无需转换或重复下载。默认模型：文本预设 qwen2.5:3b（LM_TEXT_MODEL），分类/抽取 qwen2.5:3b（LM_REASON_MODEL，温度 0），嵌入 jeffh/intfloat-multilingual-e5-large:f16（LM_EMBED_MODEL）。环境变量还有 LM_NTOK、LM_VISION_HF、LM_DEBUG=1。可在 ask/chat/embed/serve 首参显式指定模型。
限制与注意：Ollama 的 gemma3 GGUF 无法在原生 llama.cpp 加载，会报 key not found in model: gemma3.attention.layer_norm_rms_epsilon，应改用 qwen* 模型或通过 -hf 拉取社区 gemma3 GGUF。qwen3:4b 会输出 thinking…</think> 推理块，会污染预设输出，故预设默认 qwen2.5:3b。视觉无 Ollama blob 可复用，使用 llama-mtmd-cli -hf ggml-org/Qwen2.5-VL-3B-Instruct-GGUF，首次会下载模型与投影器（约 2–3 GB）到 ~/.cache/llama.cpp，之后离线运行，首次调用前应提醒用户。每次单次调用都会重新加载模型（小模型需数秒），大量顺序调用建议先用 lm serve 启动服务并请求 http://localhost:8080/v1/chat/completions。要求：安装 llama.cpp（brew install llama.cpp），Ollama 至少拉取一个模型，python3 用于解析器，无需 API 密钥。