gorilla-cli
gorilla-cli 是一款由加州大学伯克利分校研发的智能命令行助手,旨在让用户通过自然语言直接操作终端。只需输入如“列出所有 GCP 实例”这样的通俗指令,它便能利用大语言模型(LLM)自动生成精准的 Shell 命令供你选择执行。
这款工具主要解决了开发者需要记忆海量复杂 CLI 参数和语法的痛点。无论是管理 Kubernetes 集群、操作 AWS/GCP/Azure 云服务,还是使用 Git、Curl 等常用工具,gorilla-cli 都能覆盖约 1500 种 API 场景,让你不再为繁琐的命令格式头疼。它特别适合各类开发者、运维工程师及云原生研究人员,能显著提升日常工作效率。
在技术实现上,gorilla-cli 创新性地融合了 Gorilla LLM、GPT-4、Claude 等多个主流模型的能力。它会综合各模型的反馈,经过过滤和排序后,以交互式界面呈现最相关的命令选项。用户拥有完全的控制权:所有命令必须经人工确认后方可执行,且系统承诺绝不收集命令输出数据,仅利用查询和错误日志优化模型,充分保障了用户的隐私与安全。安装简便,通过 pip 即可快速上手,是让命令行交互变得更人性化的高效利器。
使用场景
某云原生工程师急需排查跨多个命名空间的 Kubernetes 集群故障,并快速提取特定镜像版本的 Pod 列表以进行回滚操作。
没有 gorilla-cli 时
- 必须死记硬背
kubectl复杂的jsonpath语法或频繁查阅官方文档,严重打断排查思路。 - 手动拼接长命令时极易出现引号不匹配或参数顺序错误,导致反复试错,浪费宝贵时间。
- 面对多集群或多云环境(如同时涉及 GCP 和 AWS),需要切换不同的 CLI 工具并记忆各自独特的参数风格。
- 在紧急故障压力下,因担心输错 destructive 命令(如误删资源)而产生心理负担,操作变得畏手畏脚。
使用 gorilla-cli 后
- 直接用自然语言描述需求(如“获取所有运行中 Pod 的镜像 ID"),gorilla-cli 即刻生成精准的
kubectl命令候选项。 - 通过箭头键浏览多个由不同大模型生成的命令选项,直观对比后一键执行,彻底告别语法调试过程。
- 无缝切换上下文,无论是查询 Kubernetes 状态还是调用 AWS/GCP API,只需改变口语指令即可自动适配对应语法。
- 所有命令在执行前均需人工确认,既保留了最终控制权消除安全顾虑,又提供了智能辅助提升信心。
gorilla-cli 将开发者从繁琐的记忆与语法纠错中解放出来,让命令行交互回归到纯粹的业务逻辑解决上。
运行环境要求
- 未说明 (基于 Python pip 安装,通常支持 Linux
- macOS
- Windows)
不需要 (调用远程 API 或本地轻量级推理,README 未提及本地 GPU 需求)
未说明

快速开始
Gorilla CLI
Gorilla CLI 以用户为中心的工具,为您的命令行交互提供强大支持。您只需简单描述目标,Gorilla CLI 就会生成可供执行的潜在命令。目前,Gorilla 支持约 1500 个 API,包括 Kubernetes、AWS、GCP、Azure、GitHub、Conda、Curl、Sed 等众多服务。再也不用费力回忆复杂的 CLI 参数了!🦍
Gorilla-CLI 由加州大学伯克利分校作为研究原型开发,始终将用户控制权和数据隐私放在首位:
- 命令仅在您明确批准后才会执行。
- 虽然我们会利用查询和错误日志(stderr)来优化模型,但我们绝不会收集输出数据(stdout)。

快速开始
您可以使用 pip 轻松安装 Gorilla CLI。
pip install gorilla-cli
使用方法
通过 gorilla 命令启动 Gorilla CLI,后面跟上用自然语言描述的任务即可。
例如,要生成一个包含 100 个随机字符的文件,可以输入:
$ gorilla generate 100 random characters into a file called test.txt
或者,如果您担心字符串解析问题,也可以用引号包裹整个指令:
$ gorilla "generate 100 random characters into a file called test.txt"
Gorilla CLI 会生成候选命令列表。使用方向键浏览选项,然后按 Enter 键执行选定的命令。
🦍 欢迎使用 Gorilla。请使用方向键选择
» cat /dev/urandom | env LC_ALL=C tr -dc 'a-zA-Z0-9' | head -c 100 > test.txt
echo $(head /dev/urandom | LC_CTYPE=C tr -dc 'a-zA-Z0-9' | dd bs=100 count=1) > test.txt
dd if=/dev/urandom bs=1 count=100 of=test.txt
更多示例:
$ gorilla list all my GCP instances
» gcloud compute instances list --format="table(name,zone,status)"
gcloud compute instances list --format table
gcloud compute instances list --format="table(name, zone, machineType, status)"
$ gorilla get the image ids of all pods running in all namespaces in kubernetes
» kubectl get pods --all-namespaces -o jsonpath="{..imageID}"
kubectl get pods --all --namespaces
kubectl get pod -A -o jsonpath='{range .items[*]}{"\n"}{.metadata.name}{"\t"}{.spec.containers[].image}{"\n"}{end}'
工作原理
Gorilla-CLI 融合了多种语言模型(LLM)的能力,如 Gorilla LLM、OpenAI 的 GPT-4、Claude v1 等,从而提供一个友好易用的命令行界面。对于每个用户查询,我们都会从所有参与的 LLM 中收集响应,经过筛选和排序后,为您呈现最相关的选项。
参数说明
usage: go_cli.py [-h] [-p] [command_args ...]
Gorilla CLI 帮助文档
位置参数:
command_args 输入给 Gorilla 的提示语
可选参数:
-h, --help 显示帮助信息并退出
-p, --history 显示命令历史
历史功能允许用户返回之前执行过的命令,并以类似终端历史的方式重新执行。
贡献
我们欢迎您对 Gorilla CLI 的改进!如果您有改进建议,请随时在我们的 GitHub 页面提交 Pull Request。
许可证
Gorilla CLI 采用 Apache 2.0 许可证。更多详情请参阅 LICENSE 文件。同时,我们也衷心感谢 questionary 提供的优秀 UI!
版本历史
0.0.92023/07/18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。