$ loading_
将 Claude Code 连接到本地 llama.cpp，便于低成本测试与运行本地大模型。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"llama-mcp-server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请通过 llama-mcp-server 调用本地 llama.cpp 模型，对这段 Python 代码进行代码审查，并指出潜在 bug 与优化建议。
返回一份代码审查结果，包含问题列表、原因说明和改进建议。
使用本地 llama.cpp 模型对下面 3 个提示词版本分别生成结果，并比较它们在准确性、长度和风格上的差异。
输出每个提示词的结果，以及一份横向对比分析，帮助选择最佳版本。
通过 llama-mcp-server 使用本地模型总结这份技术文档，并说明在离线环境下的可用性与限制。
生成文档摘要，并附上本地离线推理场景下的适用性说明。
将 Claude Code 与 Desktop 桥接到本地大模型，便于在 Apple 芯片上调用兼容后端。