pickfit

瀏覽本機 AI 工具

RigSpark

可感知硬體的 CLI,檢查本機模型是否符合硬體並估算速度。

已在 Linux 上測試

使用

Linux x86_64

  1. 下載預先建置的封存檔並驗證檢查碼

    mkdir -p /tmp/rigspark-dl && curl -fL -o /tmp/rigspark-dl/rigspark-x86_64-unknown-linux-gnu.tar.gz https://github.com/shashankswe2020-ux/rigspark/releases/download/v3.0.6/rigspark-x86_64-unknown-linux-gnu.tar.gz && echo "d139e9f656e26af006332201810ed0c8b8f21b54c5987c4bc12f24d453d4efae  /tmp/rigspark-dl/rigspark-x86_64-unknown-linux-gnu.tar.gz" | sha256sum -c
  2. 解壓縮封存檔並將執行檔安裝到 PATH

    tar xzf /tmp/rigspark-dl/rigspark-x86_64-unknown-linux-gnu.tar.gz -C /tmp/rigspark-dl && cp /tmp/rigspark-dl/rigspark-x86_64-unknown-linux-gnu/rigspark /tmp/rigspark-dl/rigspark-x86_64-unknown-linux-gnu/llmup /tmp/rigspark-dl/rigspark-x86_64-unknown-linux-gnu/rigspark-gui ~/.local/bin/ && chmod +x ~/.local/bin/rigspark ~/.local/bin/llmup ~/.local/bin/rigspark-gui && rigspark --version

確認能用

rigspark --version

輸出應包含「rigspark 3.0.6」。

先試試這個

rigspark recommend

執行 rigspark recommend 查看哪些模型適合這台電腦。

它能做什麼

  • 取得模型能否執行的判定:可以、緩慢或不行
    怎麼使用
    1. 執行 rigspark recommend,為這台電腦排序模型並逐一給出判定。
    2. 執行 rigspark can-run <model>,在下載前先檢查單一模型。
    已測試
  • 估算每秒 token 數
    沒有看到它可用
  • 下載、驗證並提供模型服務
    未測試
  • 產生圖片與短影片
    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

macOS 和 Windows:專案說支援,但 pickfit 還沒試過。

適合用來

  • 為本機排名適合的模型
  • 下載前檢查單一模型
  • 與目前使用的模型對話

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31日
  • 版本 3.0.6

測試機器遇到的差異

  • README: cargo binstall rigspark-cli / cargo install rigspark-cli (needs Rust toolchain)
    測試中: 從 GitHub releases 下載預先建置的 rigspark-x86_64-unknown-linux-gnu.tar.gz,驗證 SHA-256 後將 rigspark/llmup/rigspark-gui 複製到 ~/.local/bin
  • README: rigspark can-run llama3.1:8b
    測試中: 判定為 no 時 can-run 會以 1 結束;應依輸出文字判斷,而非 exit 0
  • README: offline yes/slow/no verdicts for this machine
    測試中: 容器回報可用記憶體為 0.0 GiB 並出現 GPU 偵測備援警告,因此這裡所有判定都是 no/ram-bound;同樣指令在實體硬體上會得到 yes/slow

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。