pollard-weights｜AIスキル大辞典

このSkillでできること

✓モデルの実行先デバイスとメモリ容量に合わせて量子化方針を決める
✓DenseモデルとMoEモデルを分けて適切な経路へ案内する
✓GGUF、MLX、GPTQ、MX、EXL3などの形式への展開を扱う
✓複数の量子化段階を持つGGUFラダーの作成を案内する

使い方

STEP 1

ビルド前にモデルの実行先とRAMまたはVRAM容量を確認する

STEP 2

品質優先の予算適合か、品質を問わない最大縮小かを確認する

STEP 3

モデル種別が不明な場合は自動判定の入口を使う

STEP 4

対象デバイス向けに計画し、複数段階の量子化結果を用意する

Skillのインストール

AIにこのSkillを追加してもらう

GitHub URLごとCodexやClaude Codeへ渡し、現在の環境に合う方法を判断してもらいます。

このGitHubリポジトリにあるSkillを確認し、現在の環境に適した方法でインストールしてください。
インストール後、正常に利用できることを確認し、基本的な使い方も簡潔に説明してください。

Repository:
https://github.com/WestWaters/pollard-weights

手動でインストールする

README / SKILL.mdから機械抽出できたコマンドのみ表示しています。推測したコマンドではありません。

pip install pollard-weights                      # into a venv (or uv pip install / -e <checkout>)
pollard setup                                    # checks every lane on THIS machine, offers to install what's missing
./install.sh                                     # (alternative) tools + the llama.cpp runtime, one shot
pollard-calc --model Qwen/Qwen3-30B-A3B --ram 16 # what CAN this machine do
pollard-fit  --gguf model-f16.gguf --ram 16      # build a memory-fit GGUF for it
llama-cli    -m model-f16-pollard.gguf           # run it

このSkillを使うプロンプト例

Skill名を明示すると、意図したSkillを使わせやすくなります。自動発動型では必須とは限りません。

このモデルを、24GBの実行環境に収まるように量子化してください。品質優先で、DenseかMoEかの判定と適切な形式を選んでください。

出力例を見る

対象デバイスのメモリ容量と方針を確認したうえで、モデル種別に応じた量子化経路と、複数段階の出力案を提示します。

安全性チェック

自動解析による参考情報です。Skillの安全性を保証するものではありません。

外部API通信検出あり

Shellコマンド実行明確な記述なし

ファイル読み取り明確な記述なし

ファイル書き込み明確な記述なし

ネットワークアクセス検出あり

認証情報明確な記述なし

検出根拠を見る

network: te-ups by others: [Yume_X, "What Pollard actually is"](https://x.com/yume_arasaki) (Sept 2026). ## License Apache-2.0 — see [LICENSE](LICENSE). Built o

pollard-weights

このSkillでできること

使い方

Skillのインストール

AIにこのSkillを追加してもらう

このSkillを使うプロンプト例

安全性チェック

関連Skill

asd-ste100

mintlify

human-ai