pickfit

瀏覽本機 AI 工具

superfluid

服務常駐程式,提供單一排程器與 API,跨執行環境與機器進行本機 LLM 推論。

已在 Linux 上測試

使用

Linux x86_64

  1. 透過 npm 全域安裝 superfluid

    npm install --global @basecompute/superfluid

確認能用

superfluid --version

輸出應包含「superfluid 0.1.6」。

先試試這個

superfluid runtimes 2>&1
mkdir -p ~/models && curl -fL -o ~/models/stories260K.gguf https://huggingface.co/ggml-org/test-model-stories260K/resolve/main/stories260K-f32.gguf && ls -lh ~/models/
superfluid runtime install llamacpp 2>&1
superfluid serve ~/models/stories260K.gguf --port 8453 2>&1
curl -s http://127.0.0.1:8453/v1/models

執行 superfluid runtime install llamacpp 新增執行環境,再執行 superfluid serve <model.gguf> --port 8453 開始提供模型服務。

它能做什麼

  • 跨執行環境提供本機 LLM 推論服務
    怎麼使用
    1. 以 superfluid runtime install llamacpp 安裝執行環境。
    2. 以 superfluid serve <model.gguf> --port 8453 開始提供模型服務。
    3. 向 API 傳送請求,例如 curl -s http://127.0.0.1:8453/v1/completions -H 'content-type: application/json' -d '{"model":"<model>","prompt":"<your text>","max_tokens":16}'。
    已測試
  • 服務 OpenAI、Anthropic 與 Ollama 用戶端
    沒有看到它可用
  • 以本機模型執行程式設計代理
    未測試
  • 新增機器分擔服務工作
    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:專案說支援,但 pickfit 還沒試過。

適合用來

  • 透過 OpenAI、Anthropic 或 Ollama API 提供本機 LLM 推論
  • 在本機模型上執行 coding agent
  • 在區域網路的多台機器間分散服務

可替代 llama-server、Ollama 和 mlx_lm.server。

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11月1日
  • 版本 0.1.6

測試機器遇到的差異

  • README: runtime installed on first use from its own project's releases
    測試中: 在 serve 前明確執行 `superfluid runtime install llamacpp` 以確保 CPU 版本存在;serve 日誌顯示執行環境已就緒
  • README: model has chat template for OpenAI/Anthropic/Ollama examples
    測試中: stories260K GGUF 沒有聊天範本,聊天路由回傳 'codec has no chat dialect';改用 /v1/completions 進行推論且可正常運作,並確認 Ollama/Anthropic 端點存在,但需要具聊天範本的模型

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。