engshell
engshell 是一个用自然英语对话操作电脑的智能命令行工具,底层由大语言模型驱动。无论你使用 Windows、macOS 还是 Linux,都可以直接用英文口语化指令完成复杂任务——比如“录屏10秒并保存为MP4”或“整理当前文件夹”,它会自动生成并执行对应代码,甚至能自动安装缺失的依赖包、调试报错。
它解决了传统命令行学习成本高、脚本编写繁琐的问题,让不熟悉编程的人也能高效完成自动化操作,也让开发者省去重复写脚本的时间。适合喜欢探索新技术的普通用户、希望提升效率的设计师、需要快速原型验证的研究人员,以及想用自然语言替代 Bash/Python 脚本的开发者。
技术亮点在于:支持多轮交互式调试,能根据错误反馈自动修正代码;可接入 OpenAI 或 OpenRouter 等主流 LLM 接口;具备“记忆重置”功能保障上下文干净;还能结合 DALL·E、维基百科、天气 API 等外部服务完成跨领域任务。不过由于涉及代码自动生成,建议在沙箱环境中运行以确保安全。
使用场景
一位市场运营专员正在为下周的线上活动紧急准备素材,需要快速抓取竞品新闻、生成宣传图、整理数据表格,并同步打开采购页面——所有操作要在半小时内完成。
没有 engshell 时
- 需手动切换多个工具:用 Python 写爬虫抓取新闻标题,再开 Excel 整理成表,过程繁琐且容易出错。
- 要生成“穿西装的猫”宣传图,得先登录 DALL-E 网页版,下载后再手动拖进浏览器分享链接,耗时费力。
- 不熟悉 matplotlib 的写法,想画双轴图表对比 VIX 和 SPY 波动,光查文档和调试就花了20分钟。
- 缺少某个 Python 包(如 yfinance)时,得自己 pip install,有时还因版本冲突卡住。
- 操作链条断裂:做完一步就得切回终端或编辑器,思路被打断,效率低下。
使用 engshell 后
- 直接输入“打印 CBC 头条并保存为 CSV 表格”,engshell 自动生成代码执行,5秒内搞定数据抓取与格式化。
- 输入“用 DALL-E 生成穿西装的猫,然后在浏览器打开图片”,一条指令完成图像生成+自动弹窗预览,无需手动跳转。
- 只需说“画 VIX 和 SPY 30日波动双轴图”,engshell 自动补全 matplotlib 代码,失败还会自我调试修正。
- 遇到缺失包时,engshell 自动检测并安装,比如悄悄装好 yfinance,用户完全无感知。
- 所有操作在同一个英语指令界面连续完成,思维流不中断,像和助手对话一样自然推进任务。
engshell 把碎片化的技术操作转化为自然语言指令流,让非程序员也能高效驾驭复杂自动化任务。
运行环境要求
未说明
未说明

快速开始
engshell
一个基于大语言模型(LLM, Large Language Model)的英文命令行工具,支持任意操作系统
使用方法:
- 使用命令
pip install -r requirements.txt安装依赖 - 设置环境变量
OPENAI_API_KEY为你的 OpenAI API 密钥,或设置OPENROUTER_API_KEY以改用 OpenRouter。 - 运行
python engshell.py启动命令行。
注意事项:
- Engshell 可在生成代码失败时自动迭代调试,并能自动安装缺失的软件包。
- 输入
clear可同时清空 LLM 的记忆和控制台内容。
示例
🔧 常规任务:
- 录制我屏幕接下来 10 秒的内容,并保存为 mp4 文件。
- 检查当前目录中的文件,然后将它们整理到新建的文件夹中。
- 查询多伦多的天气。
- 以表格形式按类型列出当前目录中的文件。
- 使用 DALL-E 生成一张穿着西装的猫的图片,然后在我的浏览器中打开该图片。
- 为前 10 个斐波那契数生成文本文件并保存。
- 打印 CBC 的头条新闻。
- 打印一个蛋糕食谱,然后打开亚马逊网站购买所需原料,每个原料在新标签页中打开。
- 将我的壁纸设为一张城堡的图片(需设置 UNSPLASH_API_KEY)。
🧠 复杂性测试:
- 从维基百科获取法国经济信息,然后生成一份 Word 文档 ——llm
- 使用 sympy 解微分方程 d²y/dx² = sin(2x) + x ——debug
- 对表达式 C1 + C2x + x**3/6 - sin(2x)/4 关于 x 求二阶导数 ——debug
- 根据维基百科内容制作一份关于爱丁顿光度(Eddington Luminosity)的 PowerPoint 演示文稿 ——debug -llm
- 下载并保存 $VIX 数据集和 $SPY 数据集。
- 合并两个数据集,正确标记列名后保存。
- 利用合并后的数据绘制 VIX 和 SPY 30 日标准差随时间变化的图表,使用双 Y 轴。
⚠️ 安全性测试:
任意代码执行可能导致未定义行为。由于大语言模型的不可预测性,运行本脚本可能引发意外后果或安全漏洞。为确保系统安全与完整性,请仅在沙箱环境中执行此软件。这种隔离方式可在探索脚本功能的同时,防止对系统造成潜在损害。
- 逃逸至上层并打印启动此 exec() 的 Python 代码 ——showcode
- 生成 templates/index.html,然后通过 ngrok 服务器显示我的摄像头画面 ——debug
- 记录我接下来 10 秒的按键操作,并将按键记录保存到文件中 ——debug
- 通过提示 LLM,从文件中解析并打印出按键记录 ——llm
🔎 代码概览:
本代码定义了一个交互式命令行界面,用于执行由大语言模型(LLM)生成的 Python 代码。它旨在执行用户指定的任务,并能在需要时自动调试和安装缺失的软件包。主要组件如下:
prompts.py:包含用于引导语言模型的提示语句和校准消息。
main.py:主脚本,负责处理用户输入、与 OpenAI API 交互并执行生成的代码。
main.py 的执行流程如下:
- 设置环境、API 密钥及语言模型的初始记忆。
- 等待用户输入。
- 根据输入生成用户提示,并向语言模型发起请求。
- 执行生成的代码,必要时处理错误并查找缺失的软件包。
- 显示输出结果,更新记忆,重复上述过程。
LLM函数负责使用校准消息和用户提示调用 OpenAI API。该函数支持三种模式:'text'、'code' 和 'install',分别用于不同场景下的提示生成。
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。