pickfit

瀏覽本機 AI 工具

MyFocalAI

從精選來源彙整 AI 新聞,以 LLM 評分相關性並提供儀表板。

已在 Linux 上測試

使用

Linux x86_64

需要先準備

  • 執行環境:Python 3.12+
  • 系統套件:uv, Docker, Ollama
  1. 淺層複製儲存庫(提供 start.sh,相依套件由 start.sh 透過 uv sync 安裝)

    rm -rf my-focal-ai && git clone --depth 1 https://github.com/YanCheng-go/my-focal-ai.git my-focal-ai

確認能用

cd my-focal-ai && uv run ainews --help

輸出應包含「MyFocalAI」。

先試試這個

cd my-focal-ai && uv run ainews list-sources

在專案資料夾執行 ./start.sh --no-score 啟動伺服器,再於瀏覽器開啟 http://localhost:8000/。

它能做什麼

  • 從精選來源收集 AI 內容
    怎麼使用
    1. 在專案資料夾執行 uv run ainews list-sources 查看已設定的來源。
    2. 用 ./start.sh --no-score 啟動伺服器。
    3. 用 curl -sf http://localhost:8000/api/items 取得收集的項目。
    已測試
  • 在個人網頁儀表板檢視新聞
    怎麼使用
    1. 在專案資料夾用 ./start.sh --no-score 啟動伺服器。
    2. 在瀏覽器開啟 http://localhost:8000/ 查看儀表板。
    3. 用 curl -sf http://localhost:8000/api/items 以 JSON 取得項目。
    已測試
  • 用 LLM 為每個項目的相關性評分
    未測試

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 2 項可用
  4. 可離線使用

適合用來

  • 從精選來源彙整 AI 內容
  • 用 LLM 評分動態消息相關性
  • 提供個人新聞儀表板

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

服務能回應請求

  • 從頭重跑
  • 可離線使用
  • 檢查於 2026年10月30日
  • 版本 0.8.0

測試機器遇到的差異

  • README: Prerequisites: uv and Docker
    測試中: 缺少 Docker 時僅警告並繼續;--no-score 不需 Docker 即可運作

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。