使用
Linux x86_64
需要先準備
- 執行環境:
python>=3.11
下載 install.sh
curl -fsSL https://raw.githubusercontent.com/SunflowersLwtech/covate/main/scripts/install.sh -o /tmp/install.sh執行 install.sh 以複製到 ~/covate 並建立 venv
bash /tmp/install.sh
README 與實測不符之處
- README 寫: covate --help shows CLI help
實際可行: 單獨執行 ~/covate/covate/bin/covate 會啟動 MCP 伺服器(FastMCP)並阻塞;請改用子指令說明,例如 'covate review --help' 或 'covate review due --help'
加進你的 agent
claude mcp add covate -- $HOME/covate/covate/bin/covateClaude Desktop、Cursor 等用戶端用的 JSON
{
"mcpServers": {
"covate": {
"command": "sh",
"args": [
"-c",
"exec \"$HOME/covate/covate/bin/covate\""
]
}
}
}在 MCP 用戶端中將 Covate 新增為 MCP 伺服器,指向安裝程式放在 ~/covate/covate/bin/ 的 covate 程式,用戶端便會列出其工具:learning_session、debug_search、deb
它能做什麼
- 記錄除錯解法以供日後重複使用已測試
怎麼使用
- 從 MCP 用戶端呼叫
debug_record工具。 - 傳入包含
error_type、error_message、file與line的context,以及cause和solution。 - 確認工具回傳文字確認訊息。
- 從 MCP 用戶端呼叫
- 針對 AI 產生的程式碼變更自我測驗未測試
- 發生錯誤時搜尋過去的除錯解法沒有看到它可用
- 將學習工作階段同步到託管帳本未測試
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
適合用來
- 自我測驗 AI 產生的程式碼變更
- 發生錯誤時搜尋過往的除錯解法
- 將除錯解法記錄到專案知識庫
- 依領域取得程式設計術語
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10月31日
- 版本 1.2.0
MCP 用戶端透過 stdio 連線,列出 4 個工具,呼叫 debug_search 也回傳了結果。