pickfit

瀏覽開發者 CLI

Cortex

本機優先的記憶引擎,為 AI agent 提供裝置上的跨工作階段持久記憶。

已在 Linux 上測試有已知漏洞

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 7 個已知的高風險或嚴重漏洞(OSV.dev,2026年11月3日),安裝前請先考慮。

  • crates:openssl 0.10.75 rust-openssl 在 AES 金鑰包裝中的邊界斷言錯誤 (GHSA-8c75-8mhr-p7r9,高風險,0.10.78 已修正)
  • crates:pyo3 0.23.5 PyO3 在 `PyList` 與 `PyTuple` 迭代器的 `nth`/`nth_back` 中存在越界讀取 (GHSA-36hh-v3qg-5jq4,高風險,0.29.0 已修正)
再看 5 個

Linux x86_64

需要先準備

  • 執行環境:Rust toolchain (provides cargo)
  1. 下載並安裝發行版執行檔

    mkdir -p ~/.local/bin ~/.cortex /tmp/cortex-dl && curl -sL -o /tmp/cortex-dl/cortex.tar.gz https://github.com/gambletan/cortex/releases/download/v2.4.0/cortex-mcp-server-linux-x86_64.tar.gz && tar xzf /tmp/cortex-dl/cortex.tar.gz -C /tmp/cortex-dl && cp /tmp/cortex-dl/cortex-mcp-server ~/.local/bin/ && chmod +x ~/.local/bin/cortex-mcp-server && ~/.local/bin/cortex-mcp-server --version

確認能用

cortex-mcp-server --help

輸出應包含「Cortex memory engine — MCP server & CLI tools」。

先試試這個

CORTEX_NO_EMBEDDINGS=1 cortex-mcp-server ~/.cortex/memory.db stats

執行 cortex-mcp-server <database file> stats 開啟記憶資料庫並查看其統計資料。

它能做什麼

以下依據 README;pickfit 沒有逐項檢查。

  • 讓 AI 代理擁有跨工作階段的持久記憶
    未測試
  • 以加密方式跨裝置同步記憶
    未測試
  • 與 Meta Muse 分享已核准的摘錄
    未測試
  • 透過比對身分跨頻道追蹤人員
    未測試

pickfit 測到哪一步

Linux x86_64

  1. 可以安裝
  2. 可以啟動
  3. 主要功能可用
  4. 可離線使用

macOS:專案說支援,但 pickfit 還沒試過。

適合用來

  • 透過 CLI 儲存新記憶
  • 搜尋已儲存的記憶
  • 將所有資料匯出為 JSON 備份
  • 顯示每週記憶摘要

可替代 Mem0 和 OpenAI Memory。

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10月30日
  • 版本 2.4.0

測試機器遇到的差異

  • README: pip install cortex-ai-memory (Python bindings)
    測試中: 在 Python 3.12 Linux 上沒有 manylinux cp312 wheel(只有 cp39 linux + cp312 macOS),因此 `uv tool install cortex-ai-memory` 會退回使用 sdist,並在透過 maturin/cargo 建置時失敗,出現 `linker cc not found`;cargo 建置需要 Rust 工具鏈及 C 連結器,而這台機器不得安裝。U…
  • README: Official packages table: PyPI cortex-ai-memory vs binary via Releases/brew
    測試中: PyPI wheel 只包含 `cortex_ai_memory` Python 模組(原生 .so),沒有 `cortex-mcp-server` 執行檔;README 範例中的 CLI 來自 GitHub Releases 的 tarball `cortex-mcp-server-linux-x86_64.tar.gz`(安裝到 ~/.local/bin)。
  • README: Binary install from GitHub Releases
    測試中: 發行版 tarball 是預建執行檔,執行前無法閱讀/稽核;在沒有可閱讀安裝腳本的情況下安裝。

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。