pickfit

瀏覽本機 AI 工具

LocaLM

離線 CLI 工具,在本機執行 LLM,用於聊天、寫程式、圖像/音樂/影片生成、RAG、記憶與語音。

已在 Linux 上測試

使用

Linux x86_64

需要先準備

  • 執行環境:python>=3.12,<3.13
  • 可選用 GPU
  1. 透過 uv tool 安裝 localm

    uv tool install localm
  2. 設置 CPU 版 llama 後端

    export LOCALM_HOME="$HOME"/localm-data && localm setup-llama --backend cpu
README 與實測不符之處
  • README 寫: docs say API served over HTTPS with built-in certificate
    實際可行: 純 `http://127.0.0.1:8642/health` 與 `/v1/models` 可正常運作;`https://` 失敗,curl 結束代碼 35 SSL connect error
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。

uv tool install localm 2>&1
export LOCALM_HOME=/home/sbx/localm-data && localm setup-llama --backend cpu 2>&1
localm --version 2>&1
export LOCALM_HOME=/home/sbx/localm-data && mkdir -p "$LOCALM_HOME" && localm doctor 2>&1

確認能用

localm --version 2>&1

輸出應包含「localm, version 0.3.2」。

先試試這個

export LOCALM_HOME="$HOME"/localm-data && mkdir -p "$LOCALM_HOME" && localm doctor 2>&1

先執行 localm doctor 檢查你的設定。

它能做什麼

  • 與本機模型對話並即時查看串流回覆
    怎麼使用
    1. 以 localm add <model.gguf> 加入已下載的 GGUF 模型。
    2. 使用 localm run <model> --prompt "<your text>" 與模型對話。
    3. 若要透過 OpenAI 風格 API 提供服務,請執行 localm serve <model> --port <port>,並將請求傳送至 http://127.0.0.1:<port>/v1/chat/completions。
    已測試
  • 執行可編輯檔案的程式開發代理
    未測試
  • 在本機產生圖片、影片與音樂
    未測試
  • 與自己的檔案對話並取得引用來源
    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. 可離線使用

Windows:專案說支援,但 pickfit 還沒試過。

適合用來

  • 在終端機中離線與本機 LLM 聊天
  • 執行自主 coding agent 來編輯檔案並執行測試
  • 在本機產生圖片、音樂與影片
  • 針對本機檔案與資料夾聊天並附引用
  • 以本機語音轉文字聽寫並收聽回覆

可替代 LM Studio 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

能產生模型輸出

  • 從頭重跑
  • 可離線使用
  • 檢查於 2026年10月30日
  • 版本 0.3.2

測試機器遇到的差異

  • README: `pip install localm` then `localm setup-llama`
    測試中: 使用隔離的 `uv tool install localm`;設定 LOCALM_HOME=/home/sbx/localm-data,並在任何 run/serve 之前執行 `localm setup-llama --backend cpu`
  • README: SET LOCALM_HOME once in shell profile
    測試中: 每個指令都要 `export LOCALM_HOME=...`,否則 version/doctor 會警告預設路徑位於 uv tool venv 內

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。