pickfit

瀏覽本機 AI 工具

lilbee

單一執行檔中的本機 AI 堆疊,可執行模型並附帶引用搜尋檔案、程式碼與網路。

已在 Linux 上測試

使用

Linux x86_64

需要先準備

  • 執行環境:Python 3.11 to 3.14
  • 至少 8 GB 記憶體
  1. npm install -g lilbee

    npm install -g lilbee

確認能用

which lilbee && lilbee --version 2>&1

輸出應包含「0.6.90b691」。

先試試這個

lilbee self-check 2>&1

先執行 lilbee self-check 確認工具可在你的系統上運作。

它能做什麼

  • 執行與管理本機 AI 模型
    怎麼使用
    1. 執行 lilbee self-check 確認工具運作正常。
    2. 執行 lilbee model list 查看已安裝的模型。
    已測試
  • 向搜尋引擎提問並取得附引用的答案
    未測試
  • 將網站爬取到本機資料庫
    未測試
  • 以 MCP 伺服器為程式設計代理提供服務
    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 1 項可用
  4. 需要網路

macOS 和 Windows:專案說支援,但 pickfit 還沒試過。

適合用來

  • 搜尋檔案、筆記、程式碼與網路,並取得附引用的答案
  • 將網站爬取至本機資料庫
  • 在本機模型上執行 coding agents

可替代 Ollama 和 LM Studio。

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
  • 需要網路
  • 檢查於 2026年10月30日
  • 版本 0.6.90b691

測試機器遇到的差異

  • README: npm install -g lilbee then lilbee self-check
    測試中: 首次執行 lilbee 會下載約 398MB 的獨立執行檔到 ~/.cache/lilbee-npm 後再執行
  • README: lilbee add files then ask
    測試中: 拉取模型後,先執行 use-embedder 設定 embedding_model 再執行 add;對話模型仍未設定,因此 ingest/ask 需要更多設定

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。