RRepoGEO

REPOGEO 报告 · LITE

henrywoo/pyllama

默认分支 main · commit 9dca874d · 扫描时间 2026/5/14 05:36:47

星标 2,783 · Fork 300

AI 可见性总分
35 /100
亟需修复
品类召回
0 / 2
在所有问题中均未被推荐
规则结果
通过 1 · 警告 1 · 失败 0
客观元数据检查
AI 认识你的名字
3 / 3
直接询问时,AI 是否点名你的仓库
如何阅读这份报告

行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试:当用户向 AI 提一个不带品牌、本应让 henrywoo/pyllama 浮出水面的问题时,AI 是真的推荐了你,还是推荐了你的竞品?客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。

行动计划 — 可复制粘贴的修复

3 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。

整体方向
  • hightopics#1
    Add relevant topics to the repository

    原因:

    复制粘贴的修复
    llm, llama, python, gpu-inference, local-llm, consumer-gpu, pytorch, pure-python
  • highreadme#2
    Reposition the README's opening line to highlight pure Python implementation

    原因:

    当前
    > 📢 `pyllama` is a hacked version of `LLaMA` based on original Facebook's implementation but more convenient to run in a Single consumer grade GPU.
    复制粘贴的修复
    > 📢 `pyllama` is a pure Python implementation of `LLaMA`, based on the original Facebook's code, designed for convenient inference on a single consumer-grade GPU without C/C++ dependencies.
  • mediumabout#3
    Update the repository description to be more specific

    原因:

    当前
    LLaMA: Open and Efficient Foundation Language Models
    复制粘贴的修复
    Run LLaMA models efficiently on a single consumer GPU with this pure Python implementation, no C/C++ dependencies.

本次扫描解析到的品类 GEO 通道:google/gemini-2.5-flash, deepseek/deepseek-v4-flash

品类可见性 — 真正的 GEO 测试

向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你,还是推荐了别人?

各模型使用同一组问题 — 切换标签对比回答与排名。

召回
0 / 2
0% 的问题里出现了 henrywoo/pyllama
平均排名
越小越好。#1 表示首位推荐。
声量占比
0%
在所有被点名的工具中,你占了多少?
头号对手
ggerganov/llama.cpp
在 2 个问题中被推荐 2 次
竞品排行
  1. ggerganov/llama.cpp · 被推荐 2 次
  2. ollama/ollama · 被推荐 2 次
  3. huggingface/transformers · 被推荐 2 次
  4. vllm-project/vllm · 被推荐 2 次
  5. abetlen/llama-cpp-python · 被推荐 1 次
  • 品类问题
    How can I run large language models efficiently on a single consumer GPU?
    你:未被推荐
    AI 推荐顺序:
    1. llama.cpp (ggerganov/llama.cpp)
    2. llama-cpp-python (abetlen/llama-cpp-python)
    3. Ollama (ollama/ollama)
    4. transformers (huggingface/transformers)
    5. bitsandbytes (TimDettmers/bitsandbytes)
    6. vLLM (vllm-project/vllm)
    7. ExLlamaV2 (turboderp/exllamav2)

    AI 推荐了 7 个替代方案,却始终没点名 henrywoo/pyllama。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What are some Python libraries for local inference with open-source large language models?
    你:未被推荐
    AI 推荐顺序:
    1. Hugging Face Transformers (huggingface/transformers)
    2. Llama.cpp (ggerganov/llama.cpp)
    3. Ollama (ollama/ollama)
    4. vLLM (vllm-project/vllm)
    5. MLX (ml-explore/mlx)
    6. TensorRT-LLM (NVIDIA/TensorRT-LLM)

    AI 推荐了 6 个替代方案,却始终没点名 henrywoo/pyllama。这就是要补上的差距。

    查看 AI 完整回答

客观检查

针对 AI 引擎最看重的元数据信号的规则审计。

  • Metadata completeness
    warn

    建议:

  • README presence
    pass

自指检查

当被直接问到你时,AI 是否还知道你的仓库存在?

  • Compared to common alternatives in this category, what is the core differentiator of henrywoo/pyllama?
    pass
    AI 明确点名了 henrywoo/pyllama

    AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?

  • If a team adopts henrywoo/pyllama in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 henrywoo/pyllama

    AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?

  • In one sentence, what problem does the repo henrywoo/pyllama solve, and who is the primary audience?
    pass
    AI 明确点名了 henrywoo/pyllama

    AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?

嵌入你的 GEO 徽章

把这个徽章贴进 henrywoo/pyllama 的 README。每次重新扫描都会自动更新,并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。

RepoGEO badge preview实时预览
MARKDOWN(README)
[![RepoGEO](https://repogeo.com/badge/henrywoo/pyllama.svg)](https://repogeo.com/zh/r/henrywoo/pyllama)
HTML
<a href="https://repogeo.com/zh/r/henrywoo/pyllama"><img src="https://repogeo.com/badge/henrywoo/pyllama.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro,解锁深度诊断

henrywoo/pyllama — 轻量扫描仍免费;本卡列出 Pro 相对轻量的深度额度。

  • 深度报告每月 10 次
  • 无品牌品类查询5,轻量 2
  • 优先行动项8,轻量 3