strix-halo-guide
一个给 AMD Strix Halo 设备用户看的本地大模型部署指南，帮助把 Ollama 或 llama.cpp 跑起来并产出可复现的配置步骤与实测吞吐数据。
工具简介
从现有证据看，strix-halo-guide 更适合作为“值得 AMD Strix Halo 用户收藏的实测指南”，而不是已被广泛采用的独立工具。能证明它有用的主要是 GitHub 仓库检索信息里明确写到平台、后端和实测数字；但热度证据很弱，几乎没有围绕该指南本身的持续讨论，也没有星标增长、教程链路或多篇长测可交叉验证，所以采用判断应保守：这是一个小样本、偏个人的一手经验整理。
它实际解决的问题，不是训练模型，也不是做统一推理框架，而是帮特定硬件用户少走弯路：在 Ryzen AI MAX+ 395 / Radeon 8060S 上，按步骤配置 Ollama、llama.cpp 以及 Vulkan/RADV/ROCm 路线，并给出 30B、120B 级 GGUF 模型的运行参考。更准确的类比，它像“面向 Strix Halo 的部署备忘录 + benchmark 笔记”，不是新的模型、不是通用 GPU 加速库，也不是可替代 Ollama/llama.cpp 的产品。
门槛和成本主要来自硬件与折腾时间，而不是项目本身收费。现有证据只支持它是 GitHub 开源/公开指南，未见官方定价、付费服务或 API 费用信息，因此不能推断商业成本。可以保守说：若你已经拥有 Strix Halo 设备，使用门槛是驱动、后端编译和环境排错；若没有对应 APU，这份指南的直接价值会明显下降。文中提到的速度数据属于仓库自述/实测展示，不应理解为所有环境下的稳定承诺。
适合对象是已经买了 AMD Strix Halo 机器、想在本地跑较大 GGUF 模型并愿意自己调驱动的开发者和极客；不适合只想一键安装、没有 Linux/驱动经验，或使用 NVIDIA/Apple/云端推理的人。证据讨论质量方面，本条目的噪声很大：给定 sources 里多数高热内容其实在讨论另一个叫 Strix 的 AI pentest 项目，属于名称混淆；真正直接相关的只有 GitHub 搜索线索，缺少大量实测回帖、教程复现或深入评测。因此目前能下的结论偏谨慎：定位清晰，但外部验证样本有限。