yoda
Yoda 是一款运行在终端里的智能个人助手,旨在让用户无需离开命令行界面即可高效完成日常任务。它解决了开发者在编码或运维过程中频繁切换窗口、打断工作流的问题,将 AI 对话、系统工具和网络查询等功能直接集成到熟悉的终端环境中。
这款工具特别适合开发者、运维工程师以及习惯使用命令行的技术爱好者。通过简单的 pip 安装和配置,用户不仅能利用内置插件快速检查网站状态、生成安全密码或测试网速,还能调用本地大语言模型进行自然语言交互。
Yoda 最大的技术亮点在于其高度的可扩展性。它采用插件化架构,允许用户编写自定义插件,甚至可以直接通过 AI 指令自动生成新的功能模块。这种“用 AI 构建 AI 助手”的特性,使得 Yoda 能够随着用户需求不断进化,成为真正懂你工作流的得力伙伴。无论是日常开发辅助还是自动化脚本编写,Yoda 都能让终端操作变得更加智慧与便捷。
使用场景
一名后端开发者在深夜排查线上服务异常时,需要快速诊断网络连通性、生成临时测试凭证并查询域名备案信息。
没有 yoda 时
- 需要在浏览器中打开多个标签页,分别搜索在线密码生成器和 WHOIS 查询网站,打断终端操作流。
- 手动编写临时的 Python 脚本或 curl 命令来测试特定端口的连通性,耗时且容易出错。
- 记忆复杂的命令行参数来调用不同的系统工具,一旦忘记语法需反复查阅文档。
- 在不同工具间复制粘贴数据(如生成的密码),增加了信息泄露的风险和操作步骤。
- 遇到不熟悉的运维指令时,必须离开终端去搜索引擎查找示例,严重降低排查效率。
使用 yoda 后
- 直接在终端输入
yoda dev generatepassword即可即时获得高强度密码,无需切换窗口。 - 通过
yoda dev checksite和yoda dev speedtest一键完成服务状态与网速诊断,结果立即可见。 - 利用
yoda dev whois快速获取域名详细信息,所有操作均在当前命令行会话中闭环完成。 - 借助
yoda ai chat自然语言描述需求,让 AI 直接生成所需的复杂检查命令或解释报错原因。 - 通过插件机制按需扩展功能,将常用的运维检查固化为标准命令,形成个人专属的效率工具箱。
yoda 将分散的运维辅助工具与 AI 能力整合进终端,让开发者在不离开命令行的情况下高效完成诊断与决策。
运行环境要求
- 未说明
未说明
未说明

快速开始
尤达个人助理
命令行上的个人助理。

安装
pip install yodapa
yoda --help
配置尤达
yoda configure
插件
尤达设计为可扩展的。你可以编写自己的插件,也可以让 AI 为你生成一个。
列出插件
使用 --help 命令可以列出所有可用的插件。
❯ yoda --help
使用方法:yoda [选项] 命令 [参数]...
╭─ 选项 ────────────────────────────────────────────────────────────────╮
│ --install-completion 安装当前 shell 的补全功能。 │
│ --show-completion 显示当前 shell 的补全脚本,以便复制或自定义安装。 │
│ --help 显示此消息并退出。 │
╰──────────────────────────────────────────────────────────────────────────╯
╭─ 命令 ───────────────────────────────────────────────────────────────╮
│ ai AI 命令。允许你与本地 LLM 对话 │
│ config 配置管理 │
│ dev │
│ init 初始化尤达配置 │
│ plugin 管理插件的命令 │
│ url │
╰──────────────────────────────────────────────────────────────────────────╯
你可以通过 --help 标志查看每个插件的详细信息。以下是一些示例:
❯ yoda ai --help
使用方法:yoda ai [选项] 命令 [参数]...
AI 命令。允许你与本地 LLM 交流
╭─ 选项 ────────────────────────────────────────────────────────────────╮
│ --help 显示此消息并退出。 │
╰──────────────────────────────────────────────────────────────────────────╯
╭─ 命令 ───────────────────────────────────────────────────────────────╮
│ chat 根据提供的提示与 AI 模型聊天。 │
│ generate-command 根据提供的提示生成新插件命令的代码。 │
╰──────────────────────────────────────────────────────────────────────────╯
❯ yoda dev --help
使用方法:yoda dev [选项] 命令 [参数]...
╭─ 选项 ────────────────────────────────────────────────────────────────╮
│ --help 显示此消息并退出。 │
╰──────────────────────────────────────────────────────────────────────────╯
╭─ 命令 ───────────────────────────────────────────────────────────────╮
│ checksite 检查网站是否正常运行 │
│ coinflip 抛硬币! │
│ generatepassword 生成安全密码 │
│ speedtest 测试你的互联网连接 │
│ whois 查询域名的 WHOIS 信息 │
╰──────────────────────────────────────────────────────────────────────────╯
为尤达编写自己的插件
只需创建一个带有 @yoda_plugin(name="plugin-name") 装饰器的类,并为其添加方法。非私有方法将自动作为子命令添加到尤达中,命令名称即为你提供给装饰器的名称。
import typer
app = typer.Typer(help="""
欢迎插件。打个招呼。
示例:
$ yoda hi hello --name MP
$ yoda hi hello
""")
@app.command()
def hello(name: str = None):
"""打招呼。"""
name = name or "学徒"
typer.echo(f"你好 {name}!")
使用 AI 生成自己的插件
$ yoda ai generate-command weather "显示指定位置的天气"
🤖 生成的代码:
import requests
from typing import Optional
app = typer.Typer(help="""
显示给定位置的天气。
示例:
$ yoda weather London
$ yoda weather -l London
""")
@app.command()
def weather(location: str, units: Optional[str] = None):
"""显示给定位置的当前天气。"""
# 在这里设置你的 API 密钥或数据库连接
api_key = "YOUR_API_KEY"
db_conn = None # 在这里初始化你的数据库连接
# 使用 requests 库向 API 发送 HTTP 请求
url = f"https://api.openweathermap.org/data/2.5/weather?q={location}&appid={api_key}"
response = requests.get(url)
# 如果响应成功,解析 JSON 数据并以 typer 可显示的格式返回
if response.status_code == 200:
data = response.json()
temperature = data["main"]["temp"]
humidity = data["main"]["humidity"]
wind = data["wind"]["speed"]
pressure = data["main"]["pressure"]
typer.echo(f"{location} 的天气情况:")
typer.echo(f"\t温度:{temperature}°C")
typer.echo(f"\t湿度:{湿度}%")
typer.echo(f"\t风速:{风速} m/s")
typer.echo(f"\t气压:{压力} hPa")
# 如果响应不成功,打印错误信息
else:
typer.echo(f"错误:{response.status_code}")
或者与尤达聊天:
❯ yoda ai chat "你好吗?"
🤖 AI 回答:
我很好,年轻人。原力在我体内很强大。
开发环境搭建
# 1. 从他们的官网安装 poetry:https://python-poetry.org/docs/#installation
# 2. 安装依赖和本包
poetry install
# 3. 激活虚拟环境
poetry shell
# 现在你应该可以与 yoda 交互了
yoda --help
测试
# 在虚拟环境中运行测试
pytest
版本历史
2.0.22024/10/13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。