pickfit

瀏覽本機 AI 工具

Ferro

輕量 C++ 推論引擎,在 Intel N100 iGPU 上執行 GGUF 嵌入、決策與對話。

已在 Linux 上測試

使用

Linux x86_64

需要先準備

  • 可選用 GPU

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"
  1. 全新 clone paragontasx/ferro 與 KhronosGroup/OpenCL-Headers,再以 make -j4 CL_INC=<headers> 建置 ./ferro-embed

    cd "$HOME"/work && rm -rf ferro OpenCL-Headers && git clone --depth 1 https://github.com/paragontasx/ferro ferro && git clone --depth 1 https://github.com/KhronosGroup/OpenCL-Headers OpenCL-Headers && cd ferro && make -j4 CL_INC="$HOME"/work/OpenCL-Headers
README 與實測不符之處
  • README 寫: make -j4 # needs OpenCL headers: CL_INC=../ferro-gpu/third_party/OpenCL-Headers (default)
    實際可行: 預設的 CL_INC 路徑在儲存庫內或旁邊都不存在。請 clone https://github.com/KhronosGroup/OpenCL-Headers,並將 CL_INC=<該路徑> 傳給 make(make test 目標也需要相同的 CL_INC)。
  • README 寫: make test # kernel + decision + serving tests
    實際可行: 命令列未帶 CL_INC 時,make test 在 tests/test_kernels 失敗,錯誤為 'CL/cl.h: No such file or directory'。帶入 CL_INC 後即通過。另外沒有 d1 模型時會略過提示詞測試,因此這裡的 'decision' 涵蓋並不完整。
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。

cd /home/sbx/work && rm -rf ferro OpenCL-Headers && git clone --depth 1 https://github.com/paragontasx/ferro ferro && git clone --depth 1 https://github.com/KhronosGroup/OpenCL-Headers OpenCL-Headers && cd ferro && make -j4 CL_INC=/home/sbx/work/OpenCL-Headers
cd /home/sbx/work/ferro && make test CL_INC=/home/sbx/work/OpenCL-Headers
cd /home/sbx/work/ferro && make test CL_INC=/home/sbx/work/OpenCL-Headers

確認能用

cd "$HOME"/work/ferro && make test CL_INC="$HOME"/work/OpenCL-Headers

輸出應包含「ALL PASS」。

先試試這個

cd "$HOME"/work/ferro && make test CL_INC="$HOME"/work/OpenCL-Headers

它能做什麼

  • 產生句子與多模態嵌入向量
    未測試
  • 執行 d1-omni 型別化決策
    未測試
  • 使用 LFM2.5 聊天與生成文字
    未測試
  • 相容 OpenAI 的 HTTP 伺服器,支援前綴快取
    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

  • 從文字與媒體計算句子嵌入
  • 針對狀態回答具型別的是非、選擇與評分決策
  • 以串流方式產生聊天文字與補全

可替代 llama.cpp。

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

主要功能可用

  • 從頭重跑
  • 可離線使用
  • 檢查於 2026年11月16日

測試機器遇到的差異

  • README: Mesa rusticl is enough (no Intel compute-runtime needed) / OpenCL headers prerequisite
    測試中: 沙盒沒有 libOpenCL,工具輸出 '[gpu] libOpenCL not found -> CPU' 並改走 CPU 路徑。GPU DP4A 測試為 SKIPPED(沒有可用的 GPU)。
  • README: ./ferro-embed --help (implied by the usage text)
    測試中: 沒有 --version。'--help' 會將用法說明輸出到 stderr 並以 2 結束,與缺少指令時的結束碼相同。
  • README: Models are plain GGUFs (--model kind is auto-detected)
    測試中: 小型 llama 架構測試 GGUF stories260K 遭拒:'init failed: not a causal LFM2 language model (arch lfm2 without a decision head expected)'。只能載入 lfm2、gemma-embedding2 與 gemma4 的 GGUF。
  • README: make -j4 (Quick start: 2 minutes)
    測試中: 用 g++ 14 建置成功,約 26 秒;mm_preproc.cpp 出現 -Wstringop-overflow 警告,在此無害。

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。