pickfit

瀏覽本機 AI 工具

gutsy

本機 CPU 決策模型,為是非、選擇或評分問題回傳校準後的機率。

已在 Linux 上測試

使用

Linux x86_64

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. git clone gutsy 儲存庫(gutsy-inference 的原始碼)

    cd "$HOME"/work && git clone --depth 1 https://github.com/kouhxp/gutsy
  2. 在 HOME 建立 venv 並 pip install -e gutsy-inference(從原始碼建置 llama-cpp-python 0.3.37)

    python3 -m venv ~/gutsy-venv && ~/gutsy-venv/bin/pip install -e "$HOME"/work/gutsy/gutsy-inference
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 && git clone --depth 1 https://github.com/kouhxp/gutsy
python3 -m venv ~/gutsy-venv && ~/gutsy-venv/bin/pip install -e /home/sbx/work/gutsy/gutsy-inference
~/gutsy-venv/bin/gutsy-inference --help

確認能用

~/gutsy-venv/bin/gutsy-inference --help

輸出應包含「usage: gutsy-inference」。

它能做什麼

  • 取得每個選項的校準機率
    未測試
  • 提出是非、選擇與評分問題
    未測試
  • 從最多 255 個選項中選擇,可拒答
    未測試
  • 針對同一狀態低成本追問
    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

  • 分流客服工單的負責團隊、退款與情緒
  • 針對意見回饋資料列提出是非問題
  • 為每則訊息挑選最便宜的模型
  • 依據來源為每項主張評分
  • 在銷售通話中即時偵測觸發點

可替代 Laya 和 Jev。

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11月16日

測試機器遇到的差異

  • README: pip install -e gutsy/gutsy-inference # needs llama-cpp-python >= 0.3.35
    測試中: 安裝到 $HOME 下的 venv(python3 -m venv ~/gutsy-venv,再執行 ~/gutsy-venv/bin/pip install -e)。這裡未執行一般的 pip 指令,因此不對此系統 Python 的 PEP 668 下任何結論。llama-cpp-python 在這個沙盒沒有預先建置的 wheel,改從原始碼編譯(約 3.5 分鐘…
  • README: hf download kouhxp/gutsy --include "gutsy-0.8b-v04*" --local-dir gutsy/gutsy-inference/models
    測試中: 未執行。模型檔為 505 MB(Q4_K_M)與 775 MB(Q8_0),超過沙盒約 300 MB 的下載上限,因此 gutsy-inference check、serve 及 README 所有 API 範例都沒有執行。

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。