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 5 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。
go:github.com/labstack/echo/v4 v4.15.3Echo:被拒的 WebSocket 升級可繞過 Echo 路由層級的存取控制 (GHSA-cxf3-9h37-7rr8,嚴重,4.16.1 已修正)
再看 4 個
go:github.com/labstack/echo/v4 v4.15.3— GHSA-375p-5qhx-8wq4(高風險),4.16.0 已修正go:github.com/labstack/echo/v4 v4.15.3— GHSA-9969-6676-49h5(高風險),4.16.1 已修正go:github.com/labstack/echo/v4 v4.15.3— GHSA-f48p-c9v4-h7xv(高風險),4.16.1 已修正go:github.com/labstack/echo/v4 v4.15.3— GHSA-h7wr-284f-5qvc(高風險),4.16.1 已修正
Linux x86_64
透過 npm 全域安裝 hyctl
npm install -g hyctl
README 與實測不符之處
- README 寫: hyctl init first-run wizard takes about 60 seconds
實際可行: hyctl init 在沒有 TTY 時拒絕執行;錯誤訊息要求直接寫入 ~/.hydra/config.toml,因此在非互動環境中依 README 初始化後無法執行 dispatch/cost
確認能用
hyctl version 2>&1輸出應包含「hydra 1.5.0」。
先試試這個
hyctl version 2>&1執行 hyctl version 確認安裝,再執行 hyctl probe 查看它找到哪些模型。
它能做什麼
- 找出電腦上的所有 AI 模型已測試
怎麼使用
- 執行
hyctl probe列出偵測到的模型。
- 執行
- 依能力與成本將任務分派給模型未測試
- 對個人資料強制套用政策未測試
- 追蹤各模型的花費未測試
pickfit 測到哪一步
Linux x86_64
- 可以安裝
- 可以啟動
- 4 項功能中 1 項可用
- 可離線使用
macOS 和 Windows:專案說支援,但 pickfit 還沒試過。
適合用來
- 依能力與成本分派任務
- 記錄分派及其 token 數與成本
- 阻止機密檔案離開本機
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 1.5.0
測試機器遇到的差異
- README: brew install ankit373/hydra/hyctl && hyctl init
測試中: 因 Linux 沙箱中沒有 Homebrew,改用 README 中的 npm 方式 `npm install -g hyctl`