$ loading_
帮助 AI 编程代理将任务路由到本地 GPU 模型并追踪节省成本
复制安装指令，让 AI 自动完成配置 · 推荐新手
"local-forge" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请用 local-forge 把适合本地推理的编程任务路由到本地 GPU 模型，并说明路由结果。
输出任务路由到本地模型的结果与简要原因。
请用 local-forge 追踪这批请求改走本地 GPU 模型后节省了多少 token 美元成本。
输出实时或近实时的成本节省数据。
请用 local-forge 的动态启发式分类器判断哪些 AI 任务应走本地 GPU，哪些保留给其他模型。
输出任务分类与路由建议。
开发者在处理大量代码相关请求时，可以把适合本地执行的任务路由到本地 GPU 模型。这样既能保持自动化处理流程，也能降低 token 成本。
团队想知道哪些请求改成本地模型后最省钱时，可以用它追踪实时节省金额。它适合用于成本可视化和模型分流决策。
当一个 AI 工作流同时包含简单与复杂任务时，可以用动态启发式分类器做分流。适合需要在本地 GPU 与其他模型之间做自动选择的场景。
它是一个 MCP 工具，帮助 AI 编程代理把任务路由到本地 GPU 模型，并追踪实时 token 美元节省。
它主要帮助把适合本地推理的任务自动分流出去，从而降低模型调用成本。它也提供节省金额的追踪能力。
素材只说明它会路由到本地 GPU 模型；具体安装、配置或依赖未提供，见源码仓库。
让编码代理把样板生成与摘要等限定文本任务分流给本地或低成本模型。
为 AI 编程代理提供本地代码智能与共享语言服务能力，提升开发效率。
为 AI 编码代理提供跨会话持久记忆与本地上下文支持
帮助团队编排多AI任务流程，并进行文件锁定、知识沉淀与漂移检测。
为本地编码代理提供结构化记忆，减少令牌消耗并提升重构稳定性。
帮助开发者本地分析 AI 代理的 CLI 使用行为与调用数据。