zsh_codex

GitHub
1.7k 100 简单 1 次阅读 今天MIT开发框架图像Agent
AI 解读 由 AI 自动生成,仅供参考

zsh_codex 是一款专为命令行打造的智能辅助插件,它让开发者能在终端中直接调用 OpenAI Codex、Google Gemini、Groq 等多种大模型能力。当你输入自然语言注释或变量名时,只需按下快捷键,它就能自动生成对应的 Shell 命令或代码片段,极大提升了编写复杂指令的效率。

这款工具主要解决了用户在记忆繁琐命令参数、构思正则表达式或编写快速脚本时的痛点,将“想做什么”直接转化为“怎么做”,减少了查阅文档和反复试错的时间。它不仅支持主流的云端 AI 服务,还独特地兼容自托管的 Ollama 等本地模型,允许用户通过简单的配置文件灵活切换不同的 AI 后端,兼顾了便利性与数据隐私需求。

zsh_codex 非常适合频繁使用终端的软件开发人员、运维工程师以及数据科学家。对于希望提升命令行操作流畅度、减少机械性输入的极客用户而言,它是一个实用且强大的效率加速器,让命令行交互变得更加智能和人性化。

使用场景

一位后端工程师正在清理服务器日志,需要快速构建一条包含复杂时间范围过滤、多关键词排除及格式转化的 findgrep 组合命令。

没有 zsh_codex 时

  • 记忆负担重:开发者必须准确回忆 find 命令中 -mtime-exec 等繁琐参数的具体语法,极易记错。
  • 查阅中断流:不得不切换窗口去搜索引擎或 Man 手册查找正则表达式写法,打断了当前的操作思路。
  • 试错成本高:手动拼接长命令时容易遗漏引号或转义字符,导致执行报错,需反复修改调试。
  • 效率低下:原本只需几秒的简单任务,因查阅和纠错耗时长达数分钟,严重拖慢运维节奏。

使用 zsh_codex 后

  • 自然语言驱动:只需在命令行输入注释如"# 查找过去 7 天修改过且不含 error 的 log 文件”,zsh_codex 即可自动补全完整命令。
  • 零上下文切换:AI 直接在终端内生成代码,开发者无需离开当前界面,保持了高度的专注力。
  • 语法精准无误:生成的命令自动处理了复杂的引号嵌套和参数顺序,首次执行成功率大幅提升。
  • 即时响应:按下 ^X 快捷键瞬间获得结果,将原本几分钟的检索编写过程压缩至几秒钟。

zsh_codex 通过将自然语言意图直接转化为精准的 Shell 命令,彻底消除了命令行场景下的记忆障碍与查阅成本,让终端操作变得像对话一样流畅高效。

运行环境要求

操作系统
  • Linux
  • macOS
GPU

未说明

内存

未说明

依赖
notes该工具是 ZSH 插件,依赖外部 API(如 OpenAI, Google Gemini, Groq, Mistral 或自托管 Ollama),而非本地运行大型模型,因此无特定 GPU/内存要求。需配置 ~/.config/zsh_codex.ini 文件以设置 API Key 和服务类型。若使用虚拟环境,需设置 ZSH_CODEX_PYTHON 环境变量指向正确的 Python 可执行文件。
python未说明 (需安装 python3 及 pip3)
openai
google-generativeai
boto3
zsh_codex hero image

快速开始

⌨️ 🦾 Zsh Codex

命令行中的人工智能。

仓库的星标数 问题数量 许可证
最新提交 GitHub 仓库大小

你只需要写下注释或变量名,AI 就会为你写出相应的代码。

这是什么?

这是一个 ZSH 插件,它让你可以在命令行中使用由 AI 驱动的代码补全功能。目前支持 OpenAI 的 Codex 和 Google 的生成式 AI(Gemini)。OpenAI Codex 是 GitHub Copilot 背后使用的 AI 模型,而 Gemini 则是 Google 的先进语言模型。

如何安装?

手动安装

  1. 安装 OpenAI 包、Google 包或 boto3。
pip3 install openai

或者

pip3 install google-generativeai

或者

pip3 install boto3
  1. 下载 ZSH 插件。
git clone https://github.com/tom-doerr/zsh_codex.git ~/.oh-my-zsh/custom/plugins/zsh_codex 
  1. 在你的 .zshrc 文件中添加以下内容。

使用 oh-my-zsh:

    plugins=(zsh_codex)
    bindkey '^X' create_completion

不使用 oh-my-zsh:

    # 在你的自定义路径下需要有一个 "plugins" 文件夹,并在其中克隆 zsh_codex 仓库
    export ZSH_CUSTOM="your/custom/path"
    source "$ZSH_CUSTOM/plugins/zsh_codex/zsh_codex.plugin.zsh"
    bindkey '^X' create_completion
  1. ~/.config 目录下创建一个名为 zsh_codex.ini 的文件。示例:
; 主要服务配置
; 将 'service' 设置为下面定义的其中一个部分。
[service]
service = groq_service

; 自托管 Ollama 服务的示例配置。
[my_ollama]
api_type = openai
api_key = dummy_key
model = llama3.1
base_url = http://localhost:11434/v1

; OpenAI 服务配置
; 提供 'api_key',并在需要时指定 'model'。
[openai_service]
api_type = openai
api_key = <openai_apikey>

; Groq 服务配置
; 提供 'api_key'。
[groq_service]
api_type = groq
api_key = <groq_apikey>
model = gemma2-9b-it

; Mistral 服务配置
; 提供 'api_key'。
[mistral_service]
api_type = mistral
api_key = <mistral_apikey>
model = mistral-small-latest

在这个配置文件中,你可以定义多个具有各自配置的服务。api_type 的必填和可选参数在 services/sevices.py 中指定。在 [service] 部分选择你要使用的服务。

  1. 运行 zsh,开始输入并使用 ^X 来完成代码!
  2. 如果你使用虚拟环境,可以将 ZSH_CODEX_PYTHON 设置为安装了 openaigoogle-generativeai 的 Python 可执行文件。 例如,对于 miniconda,你可以使用:
export ZSH_CODEX_PYTHON="$HOME/miniconda3/bin/python"

Fig 安装

故障排除

未处理的 ZLE 小部件 'create_completion'

zsh-syntax-highlighting: 未处理的 ZLE 小部件 'create_completion'
zsh-syntax-highlighting: (这有时是因为在没有使用 `zle -N` 或 `zle -C` 创建 'create_completion' 小部件的情况下执行了 `bindkey <keys> create_completion`。)

在调用 bindkey 之前,但在加载插件(plugins=(zsh_codex))之后,添加以下行:

zle -N create_completion

目标目录已存在且非空

fatal: destination path '~.oh-my-zsh/custom/plugins'

尝试再次下载 ZSH 插件。

git clone https://github.com/tom-doerr/zsh_codex.git ~/.oh-my-zsh/custom/plugins/zsh_codex

请我喝杯咖啡

传递上下文

由于当前的文件系统不会传递给 AI,你需要要么

  1. 在描述性命令中直接传递所有上下文
  2. 使用一个命令来收集上下文

为了使选项 2 能够工作,你需要先在 .zshrc 文件中添加 export ZSH_CODEX_PREEXECUTE_COMMENT="true" 来启用该功能。

[!WARNING] 这将在每次使用前运行你的 zsh 提示符,这可能会在你按下 ^X 时修改你的系统。

完成这些操作并重启 shell 后,你可以这样操作:

# git add 所有文件。同时根据 $(git diff) 的内容提交当前的更改集,并附上描述性信息。然后 git push

更多使用示例


Fish 版本

流量统计

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|★★★☆☆|3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|★★★☆☆|4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

147.9k|★★☆☆☆|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。

108.1k|★★☆☆☆|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|★★☆☆☆|3天前
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|★★★☆☆|3天前
语言模型图像Agent