pickfit

瀏覽本機 AI 工具

hako

從零打造的 C 引擎,可在 CPU 上執行 hako-sho 3B 與 hako-koi 7B 模型。

已在 Linux 上測試

使用

Linux x86_64

  1. 下載 hakm.sh 代理腳本

    curl -fsSL https://mithraeums.github.io/hakm.sh -o /tmp/hakm.sh
  2. 下載實際的 install.sh

    curl -fsSL https://raw.githubusercontent.com/mithraeums/hako/main/install.sh -o /tmp/install.sh
  3. 透過腳本安裝 hakm 發行版二進位檔

    sh /tmp/install.sh
  4. 下載小型 SmolLM2 Q8_0 GGUF 模型

    mkdir -p ~/models && curl -fL -o ~/models/SmolLM2-135M-Instruct-Q8_0.gguf https://huggingface.co/bartowski/SmolLM2-135M-Instruct-GGUF/resolve/main/SmolLM2-135M-Instruct-Q8_0.gguf
  5. 準備可重跑的轉換器與模型

    curl -fsSL https://raw.githubusercontent.com/mithraeums/hako/main/tools/gguf2mlf.py -o ~/gguf2mlf.py && python3 ~/gguf2mlf.py ~/models/SmolLM2-135M-Instruct-Q8_0.gguf ~/models/smol135.mlf2

確認能用

hakm --help

輸出應包含「the hako engine」。

先試試這個

hakm ~/models/smol135.mlf2 --info

執行 hakm <model.mlf2> --info 檢查模型檔案能否載入。

它能做什麼

  • 與模型進行多輪對話
    怎麼使用
    1. 執行 hakm <model.mlf2> --sys "<system prompt>" -n 16 -t 0 開始對話。
    2. 輸入訊息並按 Enter 取得回覆。
    已測試
  • 產生純文字補全
    怎麼使用
    1. 執行 hakm <model.mlf2> --raw -t 0 -n 16 "<your text>" 接續給定的文字。
    已測試
  • 保持模型載入並重複使用快取
    怎麼使用
    1. 執行 hakm <model.mlf2> --serve -t 0 -n 16 保持模型載入。
    2. 透過標準輸入傳送請求;回覆以 R 開頭。
    已測試
  • 在 CPU 上執行 3B 與 7B 模型
    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 3 項可用
  4. 可離線使用

macOS:專案說支援,但 pickfit 還沒試過。

適合用來

  • 產生原始 greedy 文字補全
  • 執行一輪 ChatML 對話
  • 在互動式多輪 REPL 中聊天

可替代 llama.cpp 和 ollama。

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1日
  • 版本 v0.0.4

測試機器遇到的差異

  • README: curl -fsSL https://mithraeums.github.io/hakm.sh | sh
    測試中: 下載 hakm.sh 與 install.sh 並閱讀兩者後,執行 sh /tmp/install.sh;安裝時取得的發行版 tarball 為二進位檔,無法事先閱讀
  • README: ./hakm "$M" --info arch banner
    測試中: hakm --info 橫幅輸出至 stderr,結束碼 0;請在 stderr 中查看架構那一行
  • README: install step 5 runs gguf2mlf.py
    測試中: 無需變更;附註:沙箱下載了 gguf2mlf.py 並在未先閱讀的情況下執行,因此 pickfit 未檢查它

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。