@mohammedhammoud/pi-local-model-options
为Pi平台上的本地模型提供独立的配置选项。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：@mohammedhammoud/pi-local-model-options。 它的用途是：为Pi平台上的本地模型提供独立的配置选项。 完整的 Skill 内容见：https://321skill.com/skills/mohammedhammoud-pi-local-model-options/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“用我的‘Llama3-8B-Code’配置来生成这段Python代码。”，它会自动应用你为该模型预设的较低温度和更精确的提示设置，生成更符合预期的代码。或者，当你切换到“Mixtral-Story”模型时，它会自动加载你为该模型设置的高温度和更大Token数，以激发更多创意。
介绍
这个Skill解决了在Pi平台上使用多个本地模型时，无法为每个模型单独设置参数（如温度、最大生成长度等）的问题。它允许用户为不同的本地模型创建和保存专属的配置，实现更精细化的模型调用控制。
使用方式很简单，安装该Skill后，在Pi的界面中，当你选择使用本地模型时，会多出一个配置选项的入口。你可以在此为当前选中的模型设置并保存一组偏好参数，例如调整回复的创造性或长度。这些设置会与模型名称关联，下次调用同一模型时，配置会自动生效。
它非常适合那些经常在Pi中切换使用不同本地大模型（如Llama、Mistral等不同版本或微调版本）的开发者、研究人员或高级用户。如果你需要针对不同任务（如创意写作与代码生成）为同一模型设置不同参数，或者希望为不同性能的模型（如7B与70B参数模型）预设不同的生成长度以平衡速度与质量，这个Skill能显著提升你的工作效率。
建议在使用前，先明确你常用的几个本地模型及其典型任务场景，然后有针对性地进行配置。请注意，该Skill管理的是Pi客户端调用本地模型时的选项，其可用性和具体参数范围取决于Pi客户端本身及后端模型的能力，并非所有模型都支持所有选项。
核心特点
与Pi平台默认的全局模型设置不同，它实现了“按模型粒度”的配置管理，允许为每个本地模型保存独立的参数集，解决了多模型切换时需反复手动调整设置的痛点。
注意事项
仅适用于Pi平台内调用的本地模型，对云端API模型或其它AI客户端的模型无效。
常见问题
这个Skill支持哪些本地模型？
支持所有能在Pi平台中正常加载和使用的本地模型，具体取决于Pi客户端的兼容性。
配置好的设置存储在哪里？
设置通常以配置文件形式存储在本地，与Pi客户端的用户数据目录关联。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/mohammedhammoud-pi-local-model-options/raw/index.md 读取 @mohammedhammoud/pi-local-model-options 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/mohammedhammoud-pi-local-model-options/raw/index.md（查看排版版本）