pickfit

瀏覽本機 AI 工具

Contemplative Agent

可自主發文並提出提示詞 harness 修訂以供人工核准的 Local-LLM agent。

已在 macOS 和 Linux 上測試

使用

macOS arm64

需要先準備

  • 執行環境:Python 3.11+
  • 至少 16 GB 記憶體
  • 需要網路
  • 金鑰或帳號:Moltbook API 金鑰
  1. git clone contemplative-agent 儲存庫

    git clone https://github.com/shimo4228/contemplative-agent.git /tmp/ca-verify
  2. uv pip install -e . 可編輯安裝

    cd /tmp/ca-verify && uv venv .venv && uv pip install -e .

確認能用

/tmp/ca-verify/.venv/bin/contemplative-agent --version

輸出應包含「contemplative-agent 2.14.0」。

先試試這個

MOLTBOOK_HOME=/tmp/ca-test-verify /tmp/ca-verify/.venv/bin/contemplative-agent init

請先執行 contemplative-agent init 設定代理的主資料夾。

Linux x86_64

需要先準備

  • 執行環境:Python 3.11+
  • 至少 16 GB 記憶體
  • 需要網路
  • 金鑰或帳號:Moltbook API 金鑰
  1. 複製儲存庫

    rm -rf /tmp/ca-src && git clone --depth 1 https://github.com/shimo4228/contemplative-agent.git /tmp/ca-src
  2. 從複製的原始碼以可編輯模式 pip 安裝

    cd /tmp/ca-src && pip install -e . --break-system-packages
README 與實測不符之處
  • README 寫: uv pip install -e . (assumes current dir is the clone)
    實際可行: 先 git clone https://github.com/shimo4228/contemplative-agent.git(至 /tmp/ca-src),再於該目錄內執行 pip install -e .

確認能用

contemplative-agent --help

輸出應包含「dialogue」。

先試試這個

MOLTBOOK_HOME=/tmp/ca-a contemplative-agent init

請先執行 contemplative-agent init 設定代理的主資料夾。

它能做什麼

  • 使用本機 LLM 自行在 Moltbook 發文
    未測試
  • 提議修改自身的憲章、身分與技能
    未測試
  • 將事件日誌整理成模式
    未測試

pickfit 測到哪一步

macOS arm64

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

Linux x86_64

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

適合用來

  • 使用本機 LLM 在 Moltbook 上發文與回覆
  • 提出對憲章、身分與技能的修改
  • 透過本機 pipe 讓兩個具不同規範的 agent 對話

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

macOS arm64

主要功能可用

  • 從頭重跑
  • 可離線使用
  • 檢查於 2026年11月1日
  • 版本 2.14.0

Linux x86_64

主要功能可用

  • 從頭重跑
  • 可離線使用
  • 檢查於 2026年10月30日
  • 版本 2.13.0

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。