【免费下载链接】Minke DeepSeek Harness Desktop项目地址https://gitcode.com/gh_mirrors/mink/Minke点击查看免费下载Minke 是一款基于 DeepSeek Harness 的桌面 AI 开发工具内置的model-runtime 模块能自动发现并启动本机的LM Studio与Ollama本地模型服务它先在本机定位lms、ollama命令再探测默认端口上的模型目录必要时自动拉起服务、加载模型并调整上下文窗口全程无需手动配置端口或地址。一、model-runtime 总览本地模型服务的生命周期管家整个功能集中在 packages/model-runtime/ 包中核心职责是发现Discovery判断本机是否安装了 LM Studio / Ollama并读取其模型列表生命周期Lifecycle按用户偏好决定只观察、确保运行还是完全托管本地服务请求准备Prepare在每次模型请求前确保目标模型已加载、上下文窗口足够清理Cleanup退出时只回收自己启动的进程绝不动用户自己开的服务。它的适配层 dsh.ts 有一个关键设计云端模型路由先行挂载本地服务在后台并行发现。也就是说打开 Minke 后云端模型立即可用本地模型探测完成后再追加进来两者互不阻塞——这也是 v0.7.0 版本云端模型先就绪本地模型后台发现优化的落地位置见 docs/releases/v0.7.0.md。包内三个入口的分工入口作用core.ts宿主无关的运行时核心探测、启动、上下文门控contract.ts渲染进程可用的设置契约与 IPC 通道定义dsh.ts接入 DeepSeek Harness 的适配器二、一键定位本地命令lms 与 ollama 的发现路径自动启动的前提是找到可执行文件。Minke 在桌面主进程里实现了 discoverLocalModelCommands策略是已知 GUI 安装位置优先于 PATH保证即使继承的 PATH 很精简也能启动。候选路径覆盖三大平台运行时优先检查的安装位置PATH 回退LM Studio~/.lmstudio/bin/lmsWindows 下为lms.exelms/lms.exeOllama (macOS)/Applications/Ollama.app/Contents/Resources/ollama、~/Applications/...ollamaOllama (Windows)%LOCALAPPDATA%\Programs\Ollama\ollama.exeollama.exeOllama (Linux)/usr/local/bin/ollama、/usr/bin/ollamaollama命令解析细节见 dsh.ts 中的候选表。找到命令后Minke 还会用一个只读的状态探针createLocalModelStatusProbe读取真实服务状态不启动任何进程LM Studio执行lms server status --json因为 CLI 知道用户选定的可能是非默认的端口Ollama请求http://127.0.0.1:11434/api/version返回running/stopped/unknown三态。这就是设置界面里运行中 / 未运行 / 检查中状态标签的来源。三、三路并发探测本地模型目录如何被发现对于 LM StudioMinke 在 discoverLmStudioModels 中并行请求三个端点/v1/models— OpenAI 兼容目录只列出已加载的实例/api/v0/models— 元数据接口补充显示名、上下文长度/api/v1/models— LM Studio 原生 v1 管理接口0.4返回全部已安装模型及加载状态。三者合并后有两个实用细节即使 LM Studio 开启了 Just-In-Time 加载导致/v1/models为空已安装的 LLM/VLM 依然可通过原生接口被发现并选中Embedding 模型被自动排除VLM 模型会额外标记image输入能力。另一个容易被忽略的设计有效的空目录同样算服务就绪。比如 Ollama 刚装好、还没下载模型时/v1/models返回空列表——这足以证明服务可用可接受自动启动确认只是不会发布空的模型提供方避免出现有一个没模型的可选项。四、三种生命周期模式对比external、ensure-running 与 managedlive.ts 中有一条核心映射用户在设置里打开自动启动 → 生命周期取ensure-running服务没跑就拉起来已经在跑就复用用户关闭开关 → 生命周期回落external只发现、绝不触碰进程。各运行时支持的档位如下见 packages/model-runtime/README.md运行时external只观察ensure-running确保运行managed全托管LM Studio✅✅✅退出时自动server stopOllama✅✅—由serve进程退出完成清理通用 OpenAI 兼容端点仅发现——managed的边界控制很严格只有当 Minke 确认服务原本是running false、且由它执行server start成功ownsService标记后退出时才会执行lms server stop用户自己打开的 LM Studio 永远不会被它关掉。五、自动启动与重试策略8 次尝试、250ms 轮询启动逻辑被收敛为几个可预测的常量core.ts 头部启动重试最多8次探测间隔250msCLI 生命周期超时单次lms server start/stop最多等60s单次 HTTP 探测超时1500ms模型加载超时10min本地大模型加载确实需要时间。两条启动路径各有讲究LM StudioLmStudioAdapter若配置了baseURL会以lms server start --port port --bind bind精确对齐端口与绑定地址启动后循环读 CLI 状态 → 探测目录直到成功或重试耗尽失败则回滚managed 时停掉自己启动的服务并记录告警日志。OllamaOllamaAdapter直接以子进程方式运行ollama serve并通过环境变量OLLAMA_HOST127.0.0.1:11434锁定监听地址进程退出会被记录为owned server exited unexpectedly告警dispose时终止进程并等待其结束。所有外部进程都经过 externalRuntimeEnvironment 做环境清洗剥离NODE_OPTIONS、ELECTRON_RUN_AS_NODE等宿主控制变量避免 Electron 宿主环境污染本地模型进程。六、上下文门控让 LM Studio 模型按需加载这是 model-runtime 中最精巧的部分——LmStudioContextGate。当你在设置里指定了defaultContextWindow时每次请求该模型前门控会重新读取 LM Studio 原生状态确认实例是否已加载、上下文是否足够未加载→ 以目标上下文执行一次只增不改的 load现有实例不受影响上下文不足→ 先 unload 再按原加载配置 更大上下文重新 load并在失败时自动回滚到原配置状态不明确如自定义实例 ID、多实例歧义→ 抛LM_STUDIO_CONTEXT_STATE_UNSAFE等带错误码的异常提示用户在 LM Studio 中手动处理绝不盲目改动。这套读-改-确认-回滚的保守策略是自动但安全的生命周期设计缩影。七、实时对账不重启应用即可切换自动启动LiveModelRuntimelive.ts把 LM Studio、Ollama、自定义端点作为**互相独立的代**管理带来两个好处改 Ollama 的开关不会拆除 LM Studio 的运行时模型请求只等待自己所属服务的更新waitForModelRuntime取消请求也只会结束自己的等待不会打断共享的启动流程。设置写入在桌面端是一笔三阶段事务model-runtime-settings.tsapply— 让 Harness 实时应用新生命周期失败即rollbackwrite— 落盘持久化失败同样回滚到应用前状态finalize— 推进崩溃恢复用的启动快照。此外只有当对应命令已被发现available为真时才允许打开自动启动开关从入口上杜绝开关打开却找不到命令的尴尬状态。八、在设置界面开启 LM Studio / Ollama 自动启动对普通用户而言整个生命周期只需要一步操作打开模型设置页在本地服务区分别看到 LM Studio 与 Ollama 两个卡片各自带一个自动启动开关和实时状态运行中 / 未运行 / 检查中组件位于 local-model/view.tsx。命令未安装时界面会提示未找到本地命令可手动配置服务地址你仍可手工填写 Base URL开关切换即时生效apply → 持久化无需重启应用本地服务探测出的模型与云端模型一起进入会话输入框的选择器本地模型带本地标签。九、小结本地模型接入清单环节实现要点命令发现安装目录优先 PATH 回退跨 macOS / Windows / Linux状态探测LM Studio 走 CLIstatus --jsonOllama 走/api/version目录发现三路端点并发空目录也算就绪排除 Embedding生命周期external / ensure-running / managed只管自己启动的进程启动重试8 次 × 250msollama serve以OLLAMA_HOST锁端口请求准备上下文门控按需 load / 扩窗 / 自动回滚设置变更代际独立 三阶段事务 apply → write → finalizeMinke 的 model-runtime 用发现只读、启动有据、清理只收自家的原则把本地模型服务变成了一个对用户几乎透明的能力装好 LM Studio 或 Ollama打开开关模型就出现在选择器里。赞分享【免费下载链接】Minke DeepSeek Harness Desktop项目地址https://gitcode.com/gh_mirrors/mink/Minke点击查看免费下载相关推荐DB-GPT 如何配置 Ollama 本地模型并启动第一次对话DB GPT 如何配置 Ollama 本地模型并启动第一次对话 如果你希望 DB GPT 不依赖任何云端 API、完全在本地跑大模型可以用 Ollama 作为人工智能大模型AI AgentRAG模型推理服务本地部署后端前端免费开源本地视频马赛克修复工具 Jasna4K 视频 63 秒跑完快 4.7 倍免费开源本地视频马赛克修复工具 Jasna4K 视频 63 秒跑完快 4.7 倍 Jasna 是一款免费的开源视频马赛克修复工具检测、修复、编码全部在你的人工智能AI 应用计算机视觉视频处理图像处理深度学习终极指南如何在 bolt.diy 中配置本地 AI 模型Ollama 和 LM Studio终极指南如何在 bolt.diy 中配置本地 AI 模型Ollama 和 LM Studio 想要在 bolt.diy 中充分利用本地 AI 模型的强大功AI 应用代码智能体AI Agent大模型开发工具上一篇使用 Rube MCP 与 Composio 自动化 Ignisign 签名流程awesome-codex-skills 中的 ignisign-automation 技能实战指南下一篇WTF Solidity 第 57 讲闪电贷Flashloan实战——Uniswap V2 / V3 与 AAVE V3 合约实现创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
)
