pickfit

瀏覽本機 AI 工具

JevAlt

三個 4B 模型在選項間做出選擇並回傳機率,透過 Jev API 在本機執行。

已在 Linux 上測試

使用

Linux x86_64

需要先準備

  • 執行環境:python>=3.11
  • 可選用 GPU
  • 至少 3 GB 記憶體
  1. 從 git 安裝 jevalt[serve](缺少 gcc 時 gguf extra 會失敗)

    pip install "jevalt[serve] @ git+https://github.com/mertkayacs/jevalt"

確認能用

jevalt --help

輸出應包含「usage: jevalt」。

先試試這個

cat > /tmp/check_f1.py << 'PY'
from jevalt.engine import DecisionEngine
class DummyBackend:
    name="dummy"
    def count_tokens(self,t): return len(t.split())
    def field_logits(self,text,compiled): return [[5.0 - i*2 for i,_ in enumerate(f.symbols)] for f in compiled.fields]
    def continue_reasoning(self,prefix,max_tokens): return "trace"
b=DummyBackend()
e=DecisionEngine(b, model="dummy")
payload={"state":"I was charged twice for March. Please refund the duplicate.","questions":{"team":{"type":"choice","instructions":"Which team should handle this ticket?","criteria":{"billing":"payments, refunds","technical":"bugs, outages","sales":"prices, contracts"}}}}
res=e.predict(payload)
print(res)
assert "probabilities" in res["answers"]["team"] and "choice" in res["answers"]["team"]
print("F1_OK probabilities choice")
PY
python3 /tmp/check_f1.py

它能做什麼

  • 在選項間做選擇並取得機率
    怎麼使用
    1. 在 Python 中,以後端與模型名稱從 jevalt.engine 建立 DecisionEngine。
    2. 呼叫 predict,傳入 state 文字及類型為 choice 的 questions 項目,並為每個選項提供 instructions 與 criteria。
    3. 在結果的 answers 下查看 choice 與 probabilities。
    已測試
  • 為各種問題類型取得校準後的機率
    怎麼使用
    1. 在傳給 predict 的 questions 中,將 type 設為 choice、score 或 noul。
    2. score 需以等級清單提供 criteria;noul 則提供單一準則。
    3. 在 answers 下查看每個問題的 probabilities、score 或 noul 值。
    已測試
  • 取得「未知」選項與推理過程
    怎麼使用
    1. 在傳給 predict 的請求中加入 "abstain": True 與 "reasoning": "on"。
    2. 在結果的 answers 下查看每個問題的 unknown 與 reasoning。
    已測試

pickfit 測到哪一步

Linux x86_64

  1. 可以安裝
  2. 可以啟動
  3. 3 項功能中 3 項可用
  4. 可離線使用

適合用來

  • 將客服工單分派給負責團隊
  • 依書面政策檢查輸入
  • 分類事件嚴重程度

可替代 Kev-4B 和 Laya。

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 0.1.0

測試機器遇到的差異

  • README: pip install "jevalt[serve,gguf] @ git+https://github.com/mertkayacs/jevalt"
    測試中: pip install "jevalt[serve] @ git+...";llama-cpp-python wheel 建置失敗:CMake Error Could not find compiler gcc,此平台沒有可用的二進位 wheel

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。