使用
安裝前先知道:有已知漏洞
pickfit 在安裝時會一併裝上的套件裡找到 15 個已知的高風險或嚴重漏洞(共 16 筆,每個受影響的套件版本一筆)(OSV.dev,2026年11月16日),安裝前請先考慮。
npm:@simple-git/argv-parser 1.1.1simple-git:不安全編輯器偵測遺漏 `VISUAL` 編輯器環境變數 (GHSA-v5rq-49vh-5v5c,嚴重,2.0.1 已修正)npm:simple-git 3.36.0simple-git 的不安全操作防護未阻擋 trailer 指令設定 (GHSA-x6jw-m9v5-85vh,嚴重,4.0.1 已修正)
再看 8 個
npm:@fastify/busboy 2.1.1— GHSA-x8mw-p69m-v3mx(高風險),3.2.1 已修正npm:@opentelemetry/exporter-prometheus 0.203.0— GHSA-q7rr-3cgh-j5r3(高風險),0.217.0 已修正npm:@opentelemetry/propagator-jaeger 2.0.1— GHSA-45rx-2jwx-cxfr(高風險),2.9.0 已修正npm:@opentelemetry/sdk-node 0.203.0— GHSA-q7rr-3cgh-j5r3(高風險),0.217.0 已修正npm:extract-zip 2.0.1— GHSA-7pqw-9j4j-h8q3(高風險),尚無修正版本npm:extract-zip 2.0.1— GHSA-jmr9-qjv8-65gv(高風險),尚無修正版本npm:simple-git 3.36.0— GHSA-858h-whjf-mvg5(高風險),4.0.0 已修正npm:simple-git 3.36.0— GHSA-g4wm-2vf7-vfgr(高風險),4.0.0 已修正
另有 6 筆未列出。
Linux x86_64
需要先準備
- 需要網路
- 金鑰或帳號:至少一組 AI 供應商 API 金鑰(如 Anthropic、OpenAI、Google Gemini、Perplexity、xAI、OpenRouter)
這些步驟是在家目錄裡一個已經存在的 work 資料夾裡跑的。請先建立它,再從那裡執行:
mkdir -p "$HOME/work" && cd "$HOME/work"npm install -g task-master-ai
npm install -g task-master-ai
在 pickfit 驗證過的原始指令(沙盒裡實際執行的)
僅供查核:裡面是沙盒的家目錄 /home/sbx。
npm install -g task-master-aitask-master --versionmkdir -p /home/sbx/work/proj/.taskmaster/tasks && cat > /home/sbx/work/proj/.taskmaster/tasks/tasks.json <<'EOF'
{
"master": {
"tasks": [
{"id": 1, "title": "Set up project skeleton", "description": "Create repo layout", "details": "", "testStrategy": "", "status": "done", "dependencies": [], "priority": "high", "subtasks": []},
{"id": 2, "title": "Implement login API", "description": "JWT based login endpoint", "details": "", "testStrategy": "", "status": "pending", "dependencies": [1], "priority": "high", "subtasks": []},
{"id": 3, "title": "Write docs", "description": "Document the API", "details": "", "testStrategy": "", "status": "pending", "dependencies": [2], "priority": "low", "subtasks": []}
],
"metadata": {"created": "2024-01-01T00:00:00.000Z", "updated": "2024-01-01T00:00:00.000Z", "description": "Tasks for master context"}
}
}
EOFcd /home/sbx/work/proj && task-master list確認能用
task-master --version輸出應包含「0.43.1」。
先試試這個
mkdir -p "$HOME"/work/proj/.taskmaster/tasks && cat > "$HOME"/work/proj/.taskmaster/tasks/tasks.json <<'EOF'
{
"master": {
"tasks": [
{"id": 1, "title": "Set up project skeleton", "description": "Create repo layout", "details": "", "testStrategy": "", "status": "done", "dependencies": [], "priority": "high", "subtasks": []},
{"id": 2, "title": "Implement login API", "description": "JWT based login endpoint", "details": "", "testStrategy": "", "status": "pending", "dependencies": [1], "priority": "high", "subtasks": []},
{"id": 3, "title": "Write docs", "description": "Document the API", "details": "", "testStrategy": "", "status": "pending", "dependencies": [2], "priority": "low", "subtasks": []}
],
"metadata": {"created": "2024-01-01T00:00:00.000Z", "updated": "2024-01-01T00:00:00.000Z", "description": "Tasks for master context"}
}
}
EOFcd "$HOME"/work/proj && task-master list加進你的 agent
claude mcp add claude-task-master -- task-master-aiClaude Desktop、Cursor 等用戶端用的 JSON
{
"mcpServers": {
"claude-task-master": {
"command": "task-master-ai",
"args": []
}
}
}在含 .taskmaster 目錄的專案資料夾中執行 task-master list 查看任務,或在編輯器中將 task-master-ai 加為 MCP 伺服器。
它能做什麼
- 取得下一個任務的建議已測試
怎麼使用
- 將任務存放在專案資料夾的 .taskmaster/tasks/tasks.json。
- 將編輯器的 MCP 用戶端連上
task-master-ai伺服器。 - 以專案資料夾作為 projectRoot 呼叫 next_task 工具,例如
{"projectRoot": "<project folder>"}。
- 將 PRD 轉成任務清單未測試
- 將任務拆成子任務未測試
- 結合專案脈絡研究最新資訊未測試
pickfit 測到哪一步
Linux x86_64
- 可以安裝
- 可以連線
- 4 項功能中 1 項可用
- 可離線使用
macOS 和 Windows:專案說支援,但 pickfit 還沒試過。
適合用來
- 從 PRD 產生任務
- 找出下一個要做的任務
- 結合專案脈絡研究當前最佳實務
pickfit 怎麼測的
每次測試都從乾淨的機器開始,照上面的步驟執行。 pickfit 怎麼驗證
Linux x86_64
MCP 用戶端成功呼叫工具
- 從頭重跑
- 可離線使用
- 檢查於 2026年11月15日
- 版本 0.43.1
MCP 用戶端透過 stdio 連線,列出 44 個工具,呼叫 next_task 也回傳了結果。
測試機器遇到的差異
- README: Launch with npx -y task-master-ai
測試中: 執行 npm install -g task-master-ai 後,task-master-ai 執行檔會直接透過 stdio 啟動 MCP 伺服器(不需 npx) - README: MCP server speaks JSON-RPC over stdio
測試中: 伺服器在 stdout 輸出 1 行非 JSON-RPC 內容,嚴格的 MCP 用戶端可能會報錯 - README: Parse PRD / expand / research via AI chat
測試中: 這些工具會呼叫 AI 供應商,需要 API 金鑰;沒有金鑰時只有非 AI 工具(next_task、list)可用 - README: An MCP server over stdio writes only JSON-RPC messages to stdout
測試中: 交握期間伺服器向 stdout 寫入 1 行其他內容,嚴格的 MCP 用戶端可能會拒絕。