微信扫一扫AI PC Doctor
本地 AI 部署环境体检 + OpenVINO 性能评测工具。回答：这台电脑能不能跑本地 AI、能跑什么模型、应该跑在哪个设备上、实际能跑多快。
何时触发
用户询问本机 AI 能力时，例如：
- 帮我检查一下这台电脑适不适合跑本地 AI
- 测试一下 OpenVINO 环境有没有问题
- 我的电脑能跑 7B 模型吗
- 比较一下 CPU / GPU / NPU 的性能
- 这台机器算 AI PC 吗
如何调用
脚本位置：scripts/doctor.py（相对本 Skill 目录，可从任意工作目录运行）。
模式选择交互（重要）
用户没有明确指定体检模式时，不要直接套用默认模式——先用 AskUserQuestion 询问用户选择哪种模式，推荐 standard。
先渲染对比表，再提问（关键）：直接提问时，用户只能看到 label 一行字，
分不清三种模式的差异。先用 show_widget 渲染一张三模式对比表（标题
AI_PC_Doctor_体检模式对比），让用户一眼看清「耗时 / 检测项 / 是否出评分 /
是否需要联网下载模型」四个维度；再紧跟一个 AskUserQuestion 收口。
如果当前环境不支持 widget，则退化为在问题描述里附一段纯文本对比。
提问参数模板
question：选择体检模式（已附对比表）header：体检模式multiSelect：false- 每个 option 的 label 必须同时带「模式名 + 耗时 + 关键差异」三要素，
让 label 本身就承担对比功能，不再依赖 description 兜底：
- 推荐：
standard｜1~3 分钟｜含实测+跑分+评分（推荐） quick｜<30 秒｜仅检测，不实测不评分full｜5+ 分钟｜含 LLM 实测+模型下载（首次约 370MB）
- 推荐：
- 每个 option 的 description 必须列出该模式新增 / 不做的能力**，
按「✅ 包含 / ❌ 不含」格式，与其他模式形成纵向对比：
- quick：
✅ 硬件清单 · OpenVINO 设备探测/❌ 无冒烟测试 · 无跑分 · 无评分 · 无模型推荐 - standard：
✅ quick 全部 · 冒烟测试 · 基础跑分 · 容量估算 · 模型推荐 · 综合评分/❌ 不含 LLM 实测 · 不下载模型 - full：
✅ standard 全部 · 全设备横向跑分 · GenAI/LLM 真实推理实测（首跑下载 Qwen-0.5B INT4）/❌ 需联网下载模型
- quick：
label + description 共同保证：就算用户只扫一眼 label 也能区分三种模式， 不会因为 description 被折叠 / 截断就分不清差异。
对比表渲染模板（show_widget）
调用 read_me(modules=["table","diagram"]) 后用 show_widget 渲染如下 4
列表格（颜色用 IDE 当前主题色，背景跟随 light/dark），表头与单元格用
显式 fill 避免回退到黑：
| 模式 | 耗时 | 检测项 | 跑分 | 评分 | 联网 |
| --------- | --------- | --------------------------------------- | ---- | ---- | ---- |
| quick | <30 秒 | 硬件 + OpenVINO + 设备 | ✗ | ✗ | ✗ |
| standard | 1~3 分钟 | + 冒烟测试 + 基础跑分 + 容量估算 + 推荐 | ✓ | ✓ | ✗ |
| full | 5+ 分钟 | + 全设备横向跑分 + LLM 真实推理 | ✓✓ | ✓ | ✓(首次) |
视觉重点：耗时列用颜色编码（quick=绿、standard=蓝、full=橙）， 跑分与评分列用 ✓/✗ 直观对比，联网列注明「仅首次下载」避免劝退。
跳过提问的判定
以下情况无需询问、直接执行：
- 用户明确说了模式（"跑个 quick" / "full 模式测一下"）
- 用户需求本身就限定了模式（如"实际生成速度多快"→ full； "只看环境有没有问题"→ quick）
- 同一会话中用户已经选过模式且无新诉求（继续用上次的模式）
命令
# QUICK：硬件检测 + OpenVINO 检测 + 设备检查（< 30 秒，不输出评分）
python scripts/doctor.py --mode quick
# STANDARD：+ Smoke Test + 基础 Benchmark + 容量估算 + 部署建议（1~3 分钟）
python scripts/doctor.py --mode standard
# FULL：+ 全设备横向 Benchmark + GenAI/LLM Benchmark + 本地对话体验（含模型下载，几分钟）
python scripts/doctor.py --mode full
full 模式新增「本地对话体验」：GenAI Benchmark 通过后，脚本会自动在后台启动一个本地 HTTP 对话服务（scripts/demo_chat/server.py + index.html），加载刚测过的模型，让用户直接在浏览器里与模型对话（流式输出、多轮记忆）。服务信息写入报告的 demo_chat 字段，HTML/MD 报告中会显示访问链接。
可选参数：
--device CPU|GPU|NPU：只测试指定设备（同时约束 GenAI Benchmark 的设备）--model 路径：GenAI Benchmark 使用指定的本地 OpenVINO IR 模型，覆盖默认模型--output 目录：指定报告输出目录（默认按模式分目录output/<mode>/， 避免不同模式的报告互相覆盖；同一模式重跑会覆盖该模式旧报告）
模型下载：full 模式默认从 ModelScope 下载 Qwen 0.5B INT4（约 370MB）到
models/genai/，已缓存则跳过；环境变量 AIPC_DOCTOR_MODEL_SOURCE=huggingface
可切换模型源。核心检测（quick/standard）不依赖网络。
Python 依赖
与 requirements.txt 一致，缺什么装什么（装前需征得用户同意）：
- quick / standard 模式：
openvino、psutil、numpy - full 模式追加：
openvino-genai（LLM 实测）、modelscope（模型下载， 已有模型缓存或指定--model时不需要）
full 模式启动前会自动做依赖预检；缺失时 GenAI 环节记 SKIPPED 并在
errors 里给出安装指引，其余体检照常完成。
环境与缓存存放约定
- Python 依赖 / 虚拟环境：不要装进本 Skill 目录。依赖装到隔离的运行时
venv（例如
~/.workbuddy/binaries/python/envs/<skill名>/），避免污染系统环境， 也避免 venv（平台相关、体积大）混入 skill 目录。 - 模型缓存：默认放本 Skill 目录
models/genai/（自包含、开箱即用）， 已缓存则跳过下载。如需改放别处，用--model 路径指定本地 OpenVINO IR 模型， 或用环境变量AIPC_DOCTOR_MODEL_SOURCE=huggingface切换下载源。 - 分享/备份本 Skill 时，可排除
models/与output/目录（体积大、可重建）。
如何解读结果
- 运行脚本后读取输出目录下的
report.json（结构化数据），用户可读版本为report.md与AI_PC_Readiness_Report.html。 - 关键字段：
system/cpu/gpu/npu/memory/openvino/device_tests（Smoke Test）/benchmarks/genai（LLM 实测，full 模式）/demo_chat（本地对话服务状态，full 模式）/capacity/model_recommendations/readiness_score/recommendations/errors。 - 用自然语言向用户解释结果。
必须遵守的规则
- 禁止猜测硬件：CPU/GPU/NPU 型号、OpenVINO 版本、可用设备、性能数据一律以
report.json为准；脚本未采集到的字段（unknown / null）就如实说未知，不得编造。 - 区分 ESTIMATED 与 BENCHMARKED：
capacity是容量估算（ESTIMATED），benchmarks/genai是本机实测（BENCHMARKED），model_recommendations逐条标注；向用户表述时必须区分开。 - 理论支持 ≠ 实测支持：NPU/GPU 状态
detected只代表系统检测到硬件；能否推理以device_tests的 Smoke Test 实测结果为准。 - Readiness Score 仅对目标平台输出：macOS / 非 Intel 平台为降级模式，
readiness_score.score为 null 属正常，不要编造分数；quick 模式也不输出评分（未做实测），null 属正常；评分是工具内部综合评价，不代表 Intel 官方认证。 - 不自动安装软件：OpenVINO 缺失时脚本会以非零码退出并输出引导步骤；安装决策必须由用户做出，征得同意后才可代为执行
pip install（可建议国内 PyPI 镜像）。依赖范围见上文「Python 依赖」。
参考文档
references/model_memory_reference.md：模型内存估算规则references/openvino_devices.md：CPU/GPU/NPU 插件说明与常见故障references/benchmark_metrics.md：性能指标定义