pickfit

瀏覽開發者 CLI

升目 masume

鍵盤優先的終端機資料庫用戶端,透過 AI 聊天瀏覽、查詢與編輯資料庫。

已在 Linux 上測試

使用

Linux x86_64

這些步驟是在家目錄裡一個已經存在的 work 資料夾裡跑的。請先建立它,再從那裡執行:

mkdir -p "$HOME/work" && cd "$HOME/work"
  1. 透過 npm 全域安裝 masume

    npm install -g masume
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。

npm install -g masume 2>&1
masume --version 2>&1
python3 -c "import sqlite3; con=sqlite3.connect('/home/sbx/work/notes.db'); cur=con.cursor(); cur.execute('DROP TABLE IF EXISTS notes'); cur.execute('CREATE TABLE notes(id INTEGER PRIMARY KEY, title TEXT, body TEXT)'); cur.executemany('INSERT INTO notes(title, body) VALUES (?,?)', [('hello','world'),('second','masume test')]); con.commit(); print(list(con.execute('SELECT * FROM notes')))"
mkdir -p /home/sbx/.config/masume && cat > /home/sbx/.config/masume/config.toml <<'EOF'
[mcp]
profiles = ["notes"]

[profile.notes]
engine = "sqlite"
database = "/home/sbx/work/notes.db"
mode = "read-only"
EOF
cat /home/sbx/.config/masume/config.toml
masume run ./notes.db -f csv 'select * from notes limit 100000' 2>&1

確認能用

masume --version 2>&1

輸出應包含「masume 0.0.17」。

先試試這個

python3 -c "import sqlite3; con=sqlite3.connect('$HOME/work/notes.db'); cur=con.cursor(); cur.execute('DROP TABLE IF EXISTS notes'); cur.execute('CREATE TABLE notes(id INTEGER PRIMARY KEY, title TEXT, body TEXT)'); cur.executemany('INSERT INTO notes(title, body) VALUES (?,?)', [('hello','world'),('second','masume test')]); con.commit(); print(list(con.execute('SELECT * FROM notes')))"
mkdir -p "$HOME"/.config/masume && cat > "$HOME"/.config/masume/config.toml <<'EOF'
[mcp]
profiles = ["notes"]

[profile.notes]
engine = "sqlite"
database = "$HOME/work/notes.db"
mode = "read-only"
EOF
cat "$HOME"/.config/masume/config.toml
masume run ./notes.db -f csv 'select * from notes limit 100000' 2>&1

執行 masume run <database file> -f csv '<your SQL>' 從終端機查詢資料庫檔案。

它能做什麼

  • 瀏覽與查詢資料庫
    怎麼使用
    1. 執行 masume run <database file> -f csv '<your SQL>' 對資料庫檔案執行查詢。
    2. 查看以 CSV 列輸出的結果。
    已測試
  • 與 AI 討論目前的連線
    未測試
  • 透過 MCP 伺服器分享資料庫設定檔
    沒有看到它可用

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 1 項可用
  4. 可離線使用

適合用來

  • 在瀏覽器面板中瀏覽資料庫物件
  • 執行 SQL 查詢並保留歷史
  • 將查詢結果匯出為 CSV 與 JSON
  • 比較兩個連線的 schema
  • 透過 MCP 將資料庫設定檔提供給 agent

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 masume 0.0.17

測試機器遇到的差異

  • README: masume --mcp --check checks enabled MCP profiles
    測試中: 建立含有 [mcp] profiles=["notes"] 與指向 db 檔案的 [profile.notes] sqlite 項目的設定檔;接著它會輸出 ok 並以 0 結束

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。