步骤：
1. 访问 https://lmstudio.ai/
2. 点击 "Download for Windows"
3. 运行下载的 .exe 安装包
4. 按照安装向导完成安装
5. 首次启动时会询问模型存储路径

# 可选：使用 winget 安装（如果可用）
winget install LMStudio.LMStudio

# 或使用 scoop
scoop install lm-studio

步骤：
1. 访问 https://lmstudio.ai/
2. 点击 "Download for Mac"
3. 打开下载的 .dmg 文件
4. 将 LM Studio 拖入 Applications 文件夹
5. 首次打开时，右键选择 "打开"（绕过 Gatekeeper）

# 可选：使用 Homebrew 安装
brew install --cask lm-studio

# 方法一：AppImage（推荐）
# 1. 从官网下载 .AppImage 文件
chmod +x LM-Studio-*.AppImage
./LM-Studio-*.AppImage

# 方法二：deb 包（Ubuntu/Debian）
sudo dpkg -i lm-studio-*.deb
sudo apt-get install -f  # 修复依赖

# 方法三：rpm 包（Fedora/RHEL）
sudo rpm -i lm-studio-*.rpm

# 方法四：AUR（Arch Linux）
yay -s lm-studio-bin

# NVIDIA GPU - 确认驱动安装
nvidia-smi
# 应显示驱动版本 535+ 和 CUDA 版本

# 如果使用 Flatpak 版本，需要权限
flatpak override --user --filesystem=home com.lmstudio.LMStudio

# 检查 Vulkan 支持（AMD / Intel GPU）
vulkaninfo | grep "GPU"

推荐路径：
├── Windows: D:\lm-studio-models（非系统盘）
├── macOS:   ~/lm-studio-models 或外接 SSD
└── Linux:   ~/lm-studio-models 或 /data/lm-studio-models

注意：
- 确保目标磁盘有足够空间（建议 50 GB+）
- SSD 会显著加快模型加载速度
- 路径中避免包含中文或特殊字符

Settings（设置）：
├── Model Storage Path: 设置模型下载路径
├── Hardware Info: 查看 GPU / CPU 信息
├── Server Settings: 配置 API 服务器默认参数
└── Appearance: 切换明暗主题

┌──────────────────────────────────────────────────────────┐
│  LM Studio                              [−] [□] [×]     │
├────────┬─────────────────────────────────────────────────┤
│        │                                                  │
│  🏠    │         当前活动区域                               │
│  首页   │                                                  │
│        │    ┌─────────────────────────────────────┐       │
│  💬    │    │                                     │       │
│  聊天   │    │     聊天界面 / 模型搜索 / 服务器      │       │
│        │    │                                     │       │
│  🔍    │    │                                     │       │
│  搜索   │    │                                     │       │
│        │    └─────────────────────────────────────┘       │
│  🖥️    │                                                  │
│  服务器  │                                                  │
│        │    ┌─────────────────────────────────────┐       │
│  ⚙️    │    │ 模型选择: [当前模型 ▾]  参数: [...]   │       │
│  设置   │    └─────────────────────────────────────┘       │
│        │                                                  │
├────────┴─────────────────────────────────────────────────┤
│  状态栏: GPU 状态 │ 内存使用 │ 服务器状态                    │
└──────────────────────────────────────────────────────────┘

操作步骤：
1. 点击左侧导航栏的 🔍 "搜索" 图标
2. 在搜索框中输入模型名称（如 "qwen2.5"）
3. 浏览搜索结果，选择合适的版本
4. 点击下载按钮开始下载

搜索语法：
├── 关键词搜索: qwen2.5
├── 指定参数量: qwen2.5-7b
├── 指定量化: qwen2.5 q4_k_m
├── 指定用途: qwen2.5-instruct
└── 组合搜索: qwen2.5-7b-instruct q4

筛选条件：
├── 文件格式: GGUF（LM Studio 仅支持 GGUF）
├── 参数量: 1B / 3B / 7B / 13B / 70B
└── 量化类型: Q4_K_M / Q5_K_M / Q8_0 等

示例：Qwen2.5-7B-Instruct-Q4_K_M.gguf

Qwen2.5     → 模型系列名称
7B          → 参数量（70 亿参数）
Instruct    → 经过指令微调，适合对话
Q4_K_M      → 量化级别（4-bit，K-quant，Medium）
.gguf       → 文件格式（GGML Universal Format）

Settings → Hardware Info

示例输出：
┌─────────────────────────────────────┐
│ Hardware Information                │
├─────────────────────────────────────┤
│ GPU: NVIDIA GeForce RTX 4070       │
│ VRAM: 12 GB                        │
│ CUDA: 12.4                         │
│ Driver: 551.86                     │
│ CPU: AMD Ryzen 7 7800X3D          │
│ RAM: 32 GB DDR5                    │
│ Metal: N/A (非 macOS)              │
└─────────────────────────────────────┘

参数说明：
├── n_gpu_layers = 0   → 完全使用 CPU
├── n_gpu_layers = 20  → 部分层使用 GPU（混合模式）
└── n_gpu_layers = 99  → 尽可能全部使用 GPU

选择建议：
├── VRAM 充足（≥ 模型大小）→ 设置为 99（全部 GPU）
├── VRAM 不足               → 设置为部分值（如模型一半层数）
└── 无独立显卡              → 设置为 0（纯 CPU）

# 确认 NVIDIA 驱动和 CUDA 版本
nvidia-smi

# 输出示例：
# +-----------------------------------------------------------------------------+
# | NVIDIA-SMI 551.86       Driver Version: 551.86       CUDA Version: 12.4     |
# |-------------------------------+----------------------+----------------------+
# | GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
# | Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
# |===============================+======================+======================|
# |   0  NVIDIA GeForce ...  Off  | 00000000:01:00.0  On |                  N/A |
# |  0%   35C    P8    10W / 200W |    512MiB / 12282MiB |      0%      Default |
# +-------------------------------+----------------------+----------------------+

macOS (M1/M2/M3/M4) 特点：
├── 统一内存架构：GPU 和 CPU 共享内存
├── Metal 加速：自动启用，无需额外配置
├── 内存优势：M1 Pro 16GB → 可用 ~14GB 给模型
└── 性能特点：内存带宽大，适合大模型推理

注意事项：
├── macOS 会自动管理 Metal 加速
├── 在 LM Studio 中无需手动设置 GPU layers
└── 统一内存意味着 RAM 和 VRAM 是同一个池

Linux (AMD ROCm)：
# 确认 ROCm 安装
rocminfo

# 设置环境变量（如果需要）
export HSA_OVERRIDE_GFX_VERSION=10.3.0  # 根据你的 GPU 调整

Windows (AMD)：
├── LM Studio 使用 Vulkan 后端支持 AMD GPU
├── 确保 Adrenalin 驱动为最新版本
└── 在 Settings 中确认 GPU 被识别

验证清单：
□ LM Studio 能正常启动
□ 能搜索到模型
□ 能下载模型（选择一个小模型，如 1-3B）
□ 能加载模型并在聊天界面对话
□ GPU 信息显示正确（如果有独立显卡）
□ 本地服务器能启动并响应请求

# 1. 在 LM Studio 中启动 Local Server（左侧 🖥️ 图标）
# 2. 选择一个已下载的模型
# 3. 点击 "Start Server"

# 测试 API 是否正常
curl http://localhost:1234/v1/models

# 预期输出：
# {
#   "data": [
#     {
#       "id": "qwen2.5-7b-instruct",
#       "object": "model",
#       ...
#     }
#   ]
# }

# 测试聊天补全
curl http://localhost:1234/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen2.5-7b-instruct",
    "messages": [
      {"role": "user", "content": "Hello, say hi in Chinese"}
    ]
  }'