ollama-grid-search

本地 Ollama 模型批量跑评测，网格对比一键出结果

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 评测安全 🍴 复刻 57 🐛 待处理 4 👀 关注 13
GitHub ↗
GitHub 星标 ★ 958
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源免费，需自行部署

项目预览

ollama-grid-search 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类评测安全
开发团队dezoito
GitHubhttps://github.com/dezoito/ollama-grid-search
定价模式🏷️完全免费
价格说明开源免费，需自行部署
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议MIT
主要语言TypeScript
技术栈/模型ab-testing,ai,grid-search,gridsearch,llm,ollama,rust,testing-tools
GitHub 星标★ 958
上线时间2023-12-26 00:00:00
代码更新2026-09-07
仓库体积6.2 MB
本站数据更新2026-11-04
维护状态维护中
收录时间2026-09-16
浏览次数1

项目介绍

ollama-grid-search 是一个基于 Rust 和 React 构建的跨平台桌面应用，专门用于对本地 Ollama 模型进行批量评测与对比。它解决的核心问题是：当你在 Ollama 上跑多个模型或同一模型的不同参数组合时，手动逐个测试、记录结果非常低效。该工具把「模型 × 提示词 × 参数」组织成网格搜索（grid search），自动批量运行推理任务，并支持 A/B 测试式的并排对比，让你快速看出哪个模型或哪组参数在特定任务上表现更好。核心能力包括：多模型并行评测、提示词模板管理、温度/上下文等参数扫描、结果表格化展示与导出，以及直观的差异对比视图。整个应用以桌面端形式运行，数据留在本地，适合需要反复调参和选型的开发者与研究者。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-16 · 当前星标 ★ 958

技术标签

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门 约 10 分钟 部署方式：桌面应用 5 步

环境要求

  • macOS / Windows / Linux 桌面
  • 本机 Ollama 已启动

安装与启动步骤

  1. 1下载安装包

    从 Releases 取对应架构的安装包（Apple Silicon 选 aarch64）。

  2. 2安装应用

    macOS 打开 dmg 后把 app 拖进 Applications。

  3. 3首次放行

    因未做公证，首次要右键（或 Control+点击）选「打开」再确认。

  4. 4接 Ollama

    确保本机 Ollama 在运行，应用会自动列出可用模型。

  5. 5跑网格搜索

    选模型、prompt 与参数组合，批量跑后对比结果。

如何确认成功

应用能列出本地模型，一次网格搜索跑完后能看到各组合的耗时与输出对比。

常见问题

Q：提示应用已损坏？

A：用右键打开放行；仍不行则在系统设置里允许来自任何来源。

注意事项

  • 这是桌面 GUI，不是命令行工具，不需要 pip 安装。
  • 首次右键打开只做一次，之后双击即可。

核心亮点

  • 把模型、提示词、参数组合成网格自动批量执行，省去手动逐条测试的重复劳动
  • 支持并排 A/B 对比，能直观看出不同模型或参数在同一任务上的输出差异
  • 桌面端本地运行，评测数据不出本机，适合对隐私和成本敏感的本地 LLM 场景

不足之处

  • 仅面向 Ollama 生态，无法直接评测 OpenAI、Anthropic 等云端 API 模型
  • 项目星标不足千，社区规模小，长期维护和文档完善度有待观察

适用场景

  • 本地部署多个 Ollama 模型，需要快速选出最适合当前业务任务的那一个
  • 调 temperature、top_p 等参数时，批量扫描找出最优参数组合
  • 团队做提示词迭代，用并排对比验证新提示词是否真的比旧版更好

替代项目

promptfoo、LiteLLM

上一篇：stride-gpt

下一篇：ClawProBench

同类项目推荐

VBench 开源

给视频生成模型打分，16个维度看清谁强谁弱

[CVPR2024 Highlight] VBench - We Evaluate Video Generation

★ 1836 2026-08-09
llm_chess 开源

让大模型下棋，测出推理和守规则的真实水平

LLM Chess - evaluating Large Language Models' reasoning and instruction-following ab···

★ 137 2026-09-15
Multi-Modality-Arena 开源

上传图片，并排对比多模态大模型谁更聪明

Chatbot Arena meets multi-modality! Multi-Modality Arena allows you to benchmark vis···

★ 566 2026-08-09
VideoGen-Eval 开源

给视频生成模型打分，自动评测多维度质量

VideoGen-Eval: Agent-based System for Video Generation Evaluation

★ 272 2026-08-09
agentjail 开源

给AI编程助手装上安全锁，每次操作先过检再执行

Policy guardrails for coding agents (Claude Code, Codex, Cursor) — every tool call ···

★ 100 2026-08-09
CipherChat 开源

用密码绕过安全护栏，测出大模型隐藏漏洞

A framework to evaluate the generalization capability of safety alignment for LLMs

★ 628 2026-08-09
encord-active 开源

用主动学习挑出最有价值的标注数据，让模型迭代更快更省

The toolkit to test, validate, and evaluate your models and surface, curate, and pri···

★ 460 2026-08-09
GenDataAttribution 开源

量化训练图像对AI生成的影响，让模型更透明。

Evaluating Data Attribution for Text-to-Image Models: a visual data attribution ben···

★ 80 2026-08-09
GenAI-LLM-Top10 开源

对照 OWASP 清单，快速排查大模型应用安全风险

OWASP Top 10 for Large Language Model Applications

★ 157 2026-09-15