gpt-cli

GitHub
725 82 简单 1 次阅读 昨天MIT语言模型插件开发框架
AI 解读 由 AI 自动生成,仅供参考

gpt-cli 是一款专为终端用户设计的命令行工具,让你无需离开键盘即可直接与 ChatGPT、Claude、Google Gemini 等主流大语言模型进行对话。它主要解决了开发者在编码或系统管理过程中频繁切换窗口、打断工作流的痛点,将强大的 AI 助手无缝集成到熟悉的终端环境中。

这款工具特别适合开发者、运维工程师及习惯使用命令行的技术研究人员。通过简单的配置,用户可以定义不同场景的专属助手(如通用问答、代码开发或 Bash 脚本生成),并灵活切换。gpt-cli 的独特亮点在于其精细的控制能力:支持自定义模型参数(如温度、top_p),甚至能开启 Claude 3.7 的“扩展思维模式”以查看复杂问题的推理过程。此外,它还具备实用的 API 用量追踪功能,实时显示 Token 消耗与费用,帮助团队有效控制成本。

安装简便,支持通过 YAML 文件进行高度定制化配置,同时提供多行输入、Markdown 渲染开关及丰富的快捷键操作,确保交互流畅自然。无论是快速查询文档、调试代码还是自动化任务,gpt-cli 都能让 AI 成为你终端中得力的全天候伙伴。

使用场景

一位后端工程师在排查生产环境日志时,需要快速分析多段复杂的报错堆栈并生成修复脚本。

没有 gpt-cli 时

  • 切换繁琐:必须在浏览器中打开多个标签页,手动复制终端报错信息,粘贴到网页版 ChatGPT 或 Claude,再复制结果回终端,打断心流。
  • 上下文割裂:无法直接在本地配置文件(如 gpt.yml)中预设"Dev"角色,每次对话都要重复输入“你是一个资深后端专家”等提示词。
  • 成本黑盒:频繁调用 API 时,无法实时查看 Token 消耗和预估费用,容易导致预算超支而不自知。
  • 格式混乱:网页返回的 Markdown 代码块在终端直接粘贴时往往格式错乱,需要二次调整才能执行。

使用 gpt-cli 后

  • 终端直连:直接在终端运行 gpt dev,一键读取剪贴板或管道输入的报错日志,秒级获得修复建议,无需离开命令行环境。
  • 角色预置:通过配置文件预先定义 dev 助手,自动加载精简回复风格和特定技术栈上下文,开箱即用。
  • 透明监控:每次对话结束后,gpt-cli 自动在底部显示本次消耗的 Token 数量及对应美元金额,让成本清晰可控。
  • 原生适配:输出内容自动适配终端 Markdown 渲染,代码块高亮清晰,配合 Ctrl-R 快捷键可直接重新生成或修改上一条指令。

gpt-cli 将大模型能力无缝融入开发者原有的命令行工作流,彻底消除了网页交互带来的效率损耗与上下文断层。

运行环境要求

操作系统
  • Linux
  • macOS
GPU

未说明

内存

未说明

依赖
notes该工具为命令行客户端,本身不运行本地大模型,而是通过 API 调用云端模型(如 OpenAI, Anthropic, Google Gemini, Cohere 等)或兼容 OpenAI 接口的本地/远程服务。因此无需本地 GPU 或大显存。用户需自行配置对应服务的 API Key(可通过环境变量或 YAML 配置文件)。支持通过 uvx 直接运行或通过 pip 安装。若连接本地模型(如 LM Studio),需确保本地服务已启动并配置正确的 Base URL。
python未说明 (需具备 Python 和 pip)
gpt-command-line
PyYAML (隐含,用于配置文件)
gpt-cli hero image

快速开始

gpt-cli

用于聊天型大语言模型的命令行界面。

立即试用

export ANTHROPIC_API_KEY=xcxc
uvx --from gpt-command-line gpt

支持的提供商

  • OpenAI
  • Anthropic
  • Google Gemini
  • Cohere
  • 其他兼容 OpenAI 的 API(例如 Together、OpenRouter,以及使用 LM Studio 的本地模型)

截图

功能特性

  • 命令行界面:直接在终端中与 ChatGPT 或 Claude 交互。
  • 模型自定义:为每个助手覆盖默认的模型、温度和 top_p 值,从而对 AI 的行为进行精细控制。
  • 扩展思考模式:启用 Claude 3.7 的扩展思考功能,以查看其在复杂问题上的推理过程。
  • 用量跟踪:通过统计 token 数量和价格信息来跟踪 API 使用情况。
  • 快捷键:使用 Ctrl-C、Ctrl-D 和 Ctrl-R 快捷键,更方便地管理对话和输入。
  • 多行输入:进入多行模式,以处理更复杂的查询或对话。
  • Markdown 支持:可选择开启或关闭聊天会话中的 Markdown 格式,以便根据个人偏好调整输出。
  • 预设消息:为自定义助手设置预设消息,以建立上下文或角色扮演场景。
  • 多助手支持:轻松在不同助手之间切换,包括通用助手、开发助手以及在配置文件中定义的自定义助手。
  • 灵活配置:可在 YAML 配置文件中定义助手、模型参数和 API 密钥,便于自定义和管理。

安装

此安装假定您有一台已安装 Python 和 pip 的 Linux/OSX 机器。

pip install gpt-command-line

从源代码安装最新版本:

pip install git+https://github.com/kharvd/gpt-cli.git

或者手动克隆仓库进行安装:

git clone https://github.com/kharvd/gpt-cli.git
cd gpt-cli
pip install .

将 OpenAI API 密钥添加到您的 .bashrc 文件中(位于主目录下)。在此示例中我们使用 nano 编辑器,您也可以使用任何其他文本编辑器。

nano ~/.bashrc
export OPENAI_API_KEY=<your_key_here>

运行工具:

gpt

您还可以使用 gpt.yml 文件进行配置。请参阅下方的 配置 部分。

使用方法

请确保将 OPENAI_API_KEY 环境变量设置为您自己的 OpenAI API 密钥(或将其放入 ~/.config/gpt-cli/gpt.yml 文件中,如下所述)。

用法: gpt [-h] [--no_markdown] [--model MODEL] [--temperature TEMPERATURE] [--top_p TOP_P]
              [--thinking THINKING_BUDGET] [--log_file LOG_FILE] 
              [--log_level {DEBUG,INFO,WARNING,ERROR,CRITICAL}] [--prompt PROMPT] 
              [--execute EXECUTE] [--no_stream] [{dev,general,bash}]

运行与 ChatGPT 的聊天会话。更多信息请访问 https://github.com/kharvd/gpt-cli。

位置参数:
  {dev,general,bash}
                        要使用的助手名称。`general`(默认)是一个通用的帮助助手,`dev` 是一个软件开发助手,回复较短。您可以在配置文件 ~/.config/gpt-cli/gpt.yml 中指定自己的助手。更多信息请参阅 README。

可选参数:
  -h, --help            显示此帮助信息并退出
  --no_markdown         禁用聊天会话中的 Markdown 格式。
  --model MODEL         用于聊天会话的模型。覆盖助手定义的默认模型。
  --temperature TEMPERATURE
                        用于聊天会话的温度。覆盖助手定义的默认温度。
  --top_p TOP_P         用于聊天会话的 top_p 值。覆盖助手定义的默认 top_p。
  --thinking THINKING_BUDGET
                        启用 Claude 的扩展思考模式,并指定 token 预算。仅适用于 Claude 3.7 模型。
  --log_file LOG_FILE   日志写入文件。支持 strftime 格式代码。
  --log_level {DEBUG,INFO,WARNING,ERROR,CRITICAL}
                        日志级别
  --prompt PROMPT, -p PROMPT
                        如果指定,则不会启动交互式聊天会话,而是将响应打印到标准输出并退出。可以多次指定。使用 `-` 可从标准输入读取提示。隐含 --no_markdown。
  --execute EXECUTE, -e EXECUTE
                        如果指定,会将提示传递给助手,并允许用户在执行之前编辑生成的 shell 命令。隐含 --no_stream。使用 `-` 可从标准输入读取提示。
  --no_stream           如果指定,将不会将响应流式传输到标准输出。这在需要将响应用于脚本时很有用。当未指定 --prompt 选项时,此选项将被忽略。
  --no_price            禁用价格记录。

输入 :q 或 Ctrl-D 退出,:c 或 Ctrl-C 清除对话,:r 或 Ctrl-R 重新生成上一条回复。要进入多行模式,输入反斜杠 \ 后换行。按 ESC 键后再按 Enter 键即可退出多行模式。

dev 助手被设定为软件开发专家,并提供简短的回复。

$ gpt dev

bash 助手被设定为 Bash 脚本专家,只提供 Bash 命令。使用 --execute 选项可以执行这些命令。它最适合与 gpt-4 模型配合使用。

gpt bash -e "How do I list files in a directory?"

这将提示您在执行前使用 $EDITOR 编辑该命令。

配置

您可以在配置文件 ~/.config/gpt-cli/gpt.yml 中配置助手。该文件是一个 YAML 文件,具有以下结构(另请参阅 config.py):

default_assistant: <assistant_name>
markdown: False
openai_api_key: <openai_api_key>
anthropic_api_key: <anthropic_api_key>
log_file: <path>
log_level: <DEBUG|INFO|WARNING|ERROR|CRITICAL>
assistants:
  <assistant_name>:
    model: <model_name>
    temperature: <temperature>
    top_p: <top_p>
    thinking_budget: <token_budget>  # 仅限 Claude 3.7 模型
    messages:
      - { role: <role>, content: <message> }
      - ...
  <assistant_name>:
    ...

您也可以覆盖预定义助手的参数。

可以通过设置 default_assistant 字段来指定默认使用的助手。如果您未指定,则默认助手为 general。您还可以为助手指定要使用的 modeltemperaturetop_p。如果未指定,则使用默认值。这些参数也可以通过命令行参数进行覆盖。

示例:

default_assistant: dev
markdown: True
openai_api_key: <openai_api_key>
assistants:
  pirate:
    model: gpt-4
    temperature: 1.0
    messages:
      - { role: system, content: "你是一名海盗。" }
$ gpt pirate

> Arrrr
你好啊,伙计!是什么风把你吹到这片海域来了?无论你是来寻宝还是冒险,我们都可以一起扬帆远航。准备好你的地图和罗盘吧,因为我们的旅程还很长呢!

使用 !include 将其他上下文读入助手

您可以使用 !include <file_path> 将文件内容读入助手的上下文中。

default_assistant: dev
markdown: True
openai_api_key: <openai_api_key>
assistants:
  pirate:
    model: gpt-4
    temperature: 1.0
    messages:
      - { role: system, content: !include "pirate.txt" }

自定义 OpenAI API URL

如果您使用的是与 OpenAI Python SDK 兼容的其他模型,可以通过修改配置文件中的 openai_base_url 设置或使用 OPENAI_BASE_URL 环境变量来进行配置。

示例:

openai_base_url: https://your-custom-api-url.com/v1

对于非 GPT 模型名称,可以在模型名称前加上 oai-compat: 前缀,以将其传递给 API。例如,要在 Together 上与 Llama3-70b 对话,可以使用以下命令:

OPENAI_API_KEY=$TOGETHER_API_KEY OPENAI_BASE_URL=https://api.together.xyz/v1 gpt general --model oai-compat:meta-llama/Llama-3-70b-chat-hf

在将请求发送到 API 之前,会先去掉该前缀。

同样,使用 oai-azure: 模型名称前缀可以使用通过 Azure Open AI 部署的模型。例如,oai-azure:my-deployment-name

借助助手配置,您可以为特定助手覆盖基础 URL 和 API 密钥。

# ~/.config/gpt-cli/gpt.yml
assistants:
  llama:
    model: oai-compat:meta-llama/llama-3.3-70b-instruct
    openai_base_url_override: https://openrouter.ai/api/v1
    openai_api_key_override: $OPENROUTER_API_KEY

其他聊天机器人

Anthropic Claude

要使用 Claude,您需要从 Anthropic 获取 API 密钥(目前 API 访问仍处于等待名单中)。获取 API 密钥后,您可以添加一个环境变量

export ANTHROPIC_API_KEY=<your_key_here>

或者在 ~/.config/gpt-cli/gpt.yml 中添加一行配置:

anthropic_api_key: <your_key_here>

现在您应该可以使用 --model claude-3-(opus|sonnet|haiku)-<date> 运行 gpt 命令了。

gpt --model claude-3-opus-20240229

Claude 3.7 Sonnet 扩展思考模式

Claude 3.7 Sonnet 支持扩展思考模式,该模式会在给出最终答案之前展示 Claude 的推理过程。这对于复杂分析、高级 STEM 问题以及具有多重约束的任务非常有用。

通过 --thinking 参数启用该模式,并指定用于思考过程的 token 预算:

gpt --model claude-3-7-sonnet-20250219 --thinking 32000

您也可以在配置中为特定助手配置思考模式:

assistants:
  math:
    model: claude-3-7-sonnet-20250219
    thinking_budget: 32000
    messages:
      - { role: system, content: "你是一位数学专家。" }

注意:当启用思考模式时,温度会自动设置为 1.0,而 top_p 则会被取消设置,这是 Claude API 的要求。

Google Gemini

export GOOGLE_API_KEY=<your_key_here>

或者

google_api_key: <your_key_here>

Cohere

export COHERE_API_KEY=<your_key_here>

或者

cohere_api_key: <your_key_here>

版本历史

v0.4.32025/04/15
v0.4.22025/04/14
v0.4.12025/03/23
v0.4.02025/02/25
v0.3.22025/01/23
v0.3.12025/01/21
v0.3.02024/11/17
v0.2.12024/09/18
v0.2.02024/05/29
v0.1.72024/05/15
v0.1.62024/05/15
v0.1.52024/03/04
v0.1.42023/12/12
v0.1.32023/07/11
v0.1.22023/07/11
v0.1.2.dev02023/07/09
v0.1.12023/07/09

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|2天前
Agent开发框架图像

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。

162.1k|★★★☆☆|2天前
开发框架图像Agent

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

144.7k|★★☆☆☆|今天
开发框架Agent语言模型

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。

107.9k|★★☆☆☆|昨天
开发框架图像Agent

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|昨天
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|昨天
语言模型图像Agent