pickfit

瀏覽本機 AI 工具

Quartermaster

依 VRAM 自動設定模型的本機平台,透過 API 提供聊天、圖像與語音服務。

已在 Linux 上測試

使用

Linux x86_64

需要先準備

  • 執行環境:Go 1.26+ and Node.js 24 for the UI
  1. 下載預先建置的 quartermaster-linux-amd64 v1.7.2 並安裝到 ~/.local/bin

    rm -f "$HOME"/.local/bin/quartermaster && curl -fL -o "$HOME"/.local/bin/quartermaster https://github.com/Quartermaster-Labs/Quartermaster/releases/download/v1.7.2/quartermaster-linux-amd64 && chmod +x "$HOME"/.local/bin/quartermaster
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。

rm -f /home/sbx/.local/bin/quartermaster && curl -fL -o /home/sbx/.local/bin/quartermaster https://github.com/Quartermaster-Labs/Quartermaster/releases/download/v1.7.2/quartermaster-linux-amd64 && chmod +x /home/sbx/.local/bin/quartermaster
quartermaster -version
cat > /tmp/qm-test.yaml <<'YAML'
models:
  dummy:
    cmd: python3 -m http.server ${PORT}
YAML
cat /tmp/qm-test.yaml
quartermaster -config /tmp/qm-test.yaml -no-generate -listen 127.0.0.1:18080
curl -s http://127.0.0.1:18080/logs

確認能用

quartermaster -version

輸出應包含「v1.7.2」。

先試試這個

cat > /tmp/qm-test.yaml <<'YAML'
models:
  dummy:
    cmd: python3 -m http.server ${PORT}
YAML
cat /tmp/qm-test.yaml
quartermaster -config /tmp/qm-test.yaml -no-generate -listen 127.0.0.1:18080
curl -s http://127.0.0.1:18080/logs

執行 quartermaster 啟動本機伺服器,再於瀏覽器開啟其位址(例如 http://127.0.0.1:18080),或將 API 用戶端指向該位址。

它能做什麼

  • 在自己的電腦上聊天、產生圖片並使用語音
    未測試
  • 依 GPU 記憶體自動設定模型
    未測試
  • 透過單一共用 API 切換模型
    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 0 項可用
  4. 可離線使用

macOS 和 Windows:專案說支援,但 pickfit 還沒試過。

適合用來

  • 在家中與本機 LLM 私密聊天
  • 以本機擴散模型產生與編輯圖片
  • 在本機合成語音及轉錄音訊
  • 在應用程式中搜尋 Hugging Face 並下載量化版本
  • 透過 OpenAI 相容 API 提供本機模型服務

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 v1.7.2

測試機器遇到的差異

  • README: building from source requires Go 1.26+ and Node.js 24
    測試中: 使用 README 記載的預先建置版 quartermaster-linux-amd64 v1.7.2,並以 SHA256SUMS 驗證,無需工具鏈
  • README: smallest config shows cmd with ${PORT}
    測試中: cmd 必須逐字包含 ${PORT},例如 python3 -m http.server ${PORT},否則設定載入會失敗

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。