pickfit

瀏覽本機 AI 工具

CoderAI

為多模態模型提供 OpenAI 相容 API 的本機與雲端 GPU 推論協調器。

已在 Linux 上測試

使用

Linux x86_64

  1. 透過 HTTPS 鏡像複製原始碼

    git clone --depth 1 https://github.com/nextime/coderai.git coderai-src
  2. 安裝不含 torch 的核心相依套件

    pip install --quiet requests fastapi "uvicorn[standard]" pydantic python-multipart psutil setproctitle "huggingface-hub>=0.19" numpy Pillow pyyaml jinja2 zeroconf litellm 2>&1
    python3 -c "import fastapi, uvicorn, pydantic, requests; print('core ok')"
README 與實測不符之處
  • README 寫: git clone git@git.nexlab.net:nexlab/coderai.git
    實際可行: 以 --depth 1 複製 https://github.com/nextime/coderai.git;SSH URL 需要金鑰/帳號

確認能用

cd coderai-src && python3 coderai --help

輸出應包含「--download-model」。

它能做什麼

  • 透過相容 OpenAI 的 API 提供模型服務
    未測試
  • 產生文字、圖片、影片與音訊
    未測試
  • 在不同執行環境與機器間路由請求
    未測試
  • 將額外工作分派到租用的雲端 GPU
    未測試

pickfit 測到哪一步

Linux x86_64

  1. 可以安裝
  2. 可以啟動
  3. 4 項功能中 0 項可用
  4. 可離線使用

適合用來

  • 從文字提示產生圖片
  • 從文字提示產生影片
  • 將文字合成語音
  • 在自己的 GPU 上訓練 LoRA 轉接器
  • 對圖片或 PDF 執行 OCR

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

可安裝並啟動

  • 從頭重跑
  • 可離線使用
  • 檢查於 2026年10月30日

測試機器遇到的差異

  • README: curl run_oci.sh && ./run_oci.sh --nvidia -d
    測試中: 腳本只是包裝 docker/podman,但兩者皆不存在(which docker/podman 找不到),因此無法在此執行
  • README: ./build.sh all plus full requirements.txt
    測試中: 只安裝 requests/fastapi/uvicorn/pydantic/python-multipart/psutil/setproctitle/huggingface-hub/numpy/Pillow/pyyaml/jinja2/zeroconf/litellm 後,python3 coderai --help 即可執行;--help 不需要完整的 requirements.txt 及 torch/llama 建置
  • README: llama-cpp-python with Vulkan/CUDA for GGUF models
    測試中: 沒有預建的 llama-cpp-python wheel,也沒有 gcc/cmake,因此無法在此建置 GGUF 引擎

怎麼看工具卡

縫線
pickfit 親自安裝過這款工具,縫線下方的內容都來自那次測試。沒測過的工具,一律沒有縫線。
已在你的作業系統上驗證
安裝步驟在你選的系統上跑過。「只在 Linux 上執行過」表示還沒在你的系統上跑過。
macOS、Linux 和 Windows在哪裡測過
綠色系統標記:pickfit 在該系統跑過安裝步驟。灰色:README 說支援,但 pickfit 還沒試過。
測試進行到哪一步
能安裝並啟動、主要功能可用、服務有回應、能產生模型輸出。視窗代表桌面應用程式已開啟;插頭代表 MCP 用戶端用過它。標記在測試結果旁邊:展開「為什麼適合、我們怎麼知道」,或在「pickfit 怎麼測的」裡。
視覺檢查
pickfit 看過應用程式的截圖。綠色:畫面正常。黃色加數字:有看起來不對的地方,點開就能看到。灰色虛線:還沒檢查。
已知漏洞
它安裝的套件有沒有已知的高風險或嚴重漏洞(OSV.dev)。綠色:沒有已知漏洞。紅色加數字:有幾個,點開看清單,安裝前先看過。灰色虛線:沒有檢查,不代表安全。
關於這次測試
測試日期,以及測到的版本。
理由的來源
每個推薦理由都依據簡介裡的一個欄位。展開理由就能看到欄位和值。
寶藏
品質高、少有人知。
品質與知名度
兩個分數,滿分都是 100。品質:pickfit 試裝、試用的結果,以及安裝文件和維護狀況。知名度:看星數、下載量和 Hacker News。
已檢查的功能
README 宣傳的主要功能裡,實測通過幾項(綠色)、失敗幾項(紅色)。灰色是沒檢查的,工具卡會說明原因。
未驗證
Fitz 依一般知識提到的知名工具。沒有測試紀錄、沒有步驟、沒有分數。