贝壳
由AI大语言模型（LLM）提供动力的命令行生产力工具。此命令行工具提供了简化的外壳命令，代码段，文档，消除了对外部资源的需求（例如Google搜索）。支持Linux，MacOS，Windows，并与PowerShell，CMD，Bash，Zsh等所有主要外壳兼容。
shellgpt.mp4
安装
pip install shell-gpt
默认情况下，ShellGPT使用OpenAI的API和GPT-4模型。您需要一个API密钥，可以在此处生成一个。将提示您的密钥，然后将其存储在〜/.config/ shell_gpt /.sgptrc中。 OpenAI API不是免费的，请参阅OpenAI定价以获取更多信息。
提示
另外，您可以免费使用可免费使用的本地托管的开源模型。要使用本地型号，您将需要运行自己的LLM后端服务器（例如Ollama）。要与Ollama建立ShellGPT，请遵循此综合指南。
❗️指出，ShellGPT并未针对本地模型进行优化，并且可能无法按预期工作。
用法
ShellGPT旨在快速分析和检索信息。这对于从技术配置到通用知识的直接请求很有用。
sgpt \" What is the fibonacci sequence \" # -> The Fibonacci sequence is a series of numbers where each number ...
ShellGPT接受stdin和命令行参数的提示。无论您喜欢通过终端输入管道输入还是直接按照参数指定，SGPT都会覆盖您。例如，您可以根据差异轻松地生成git提交消息：
git diff | sgpt \" Generate git commit message, for my changes \" # -> Added main feature details into README.md
您可以通过使用STDIN传递各种来源的日志以及提示。例如，我们可以使用它来快速分析日志，识别错误并获取有关解决方案的建议：
docker logs -n 20 my_app | sgpt \" check logs, find errors, provide possible solutions \"
Error Detected: Connection timeout at line 7.
Possible Solution: Check network connectivity and firewall settings.
Error Detected: Memory allocation failed at line 12.
Possible Solution: Consider increasing memory allocation or optimizing application memory usage.
您也可以使用各种重定向操作员传递输入：
sgpt \" summarise \" < document.txt # -> The document discusses the impact... sgpt << EOF What is the best way to lear Golang? Provide simple hello world example. EOF # -> The best way to learn Golang... sgpt <<< \" What is the best way to learn shell redirects? \" # -> The best way to learn shell redirects is through...
外壳命令
您是否曾经发现自己忘记了诸如查找之类的常见外壳命令，并且需要在线查找语法？使用-shell或快捷方式-S选项，您可以在终端中快速生成并执行所需的命令。
sgpt --shell \" find all json files in current folder \" # -> find . -type f -name \"*.json\" # -> [E]xecute, [D]escribe, [A]bort: e
Shell GPT知道您正在使用的OS和$ Shell，它将为您拥有的特定系统提供Shell命令。例如，如果您要求SGPT更新系统，它将根据您的操作系统返回命令。这是使用MacOS的示例：
sgpt -s \" update my system \" # -> sudo softwareupdate -i -a # -> [E]xecute, [D]escribe, [A]bort: e
在Ubuntu上使用相同的提示将产生不同的建议：
sgpt -s \" update my system \" # -> sudo apt update && sudo apt upgrade -y # -> [E]xecute, [D]escribe, [A]bort: e
让我们与Docker一起尝试：
sgpt -s \" start nginx container, mount ./index.html \" # -> docker run -d -p 80:80 -v $(pwd)/index.html:/usr/share/nginx/html/index.html nginx # -> [E]xecute, [D]escribe, [A]bort: e
我们仍然可以使用管道传递到SGPT并生成Shell命令：
sgpt -s \" POST localhost with \" < data.json # -> curl -X POST -H \"Content-Type: application/json\" -d \'{\"a\": 1, \"b\": 2}\' http://l**oc*alhost # -> [E]xecute, [D]escribe, [A]bort: e
在我们的提示中应用其他外壳魔术，在此示例中，将文件名传递给ffmpeg：
ls # -> 1.mp4 2.mp4 3.mp4 sgpt -s \" ffmpeg combine $( ls -m ) into one video file without audio. \" # -> ffmpeg -i 1.mp4 -i 2.mp4 -i 3.mp4 -filter_complex \"[0:v] [1:v] [2:v] concat=n=3:v=1 [v]\" -map \"[v]\" out.mp4 # -> [E]xecute, [D]escribe, [A]bort: e
如果您想使用管道传递生成的Shell命令，则可以使用-No Itteraction选项。这将禁用交互式模式，并将打印生成的命令对Stdout。在此示例中，我们使用PBCopy将生成的命令复制到剪贴板：
sgpt -s \" find all json files in current folder \" --no-interaction | pbcopy
壳集成
这是一个非常方便的功能，它允许您直接在终端中使用SGPT Shell完成，而无需使用及时的sgpt键入SGPT。 Shell Integration可以在您的终端中使用Hotkeys使用ShellGPT，并由Bash和Zsh壳支持。此功能将SGPT完整直接放入终端缓冲区（输入线），允许立即编辑建议的命令。
要安装Shell Integration，请运行SGPT-Antall-Integration，然后重新启动您的终端以应用更改。这将为您的.bashrc或.zshrc文件添加几行。之后，您可以使用CTRL+L（默认情况下）调用ShellGPT。当您按CTRL+L时，它将用建议的命令替换当前输入线（缓冲区）。然后，您可以对其进行编辑，然后按Enter执行。
生成代码
通过使用-CODE或-C参数，您可以特别请求纯代码输出，例如：
sgpt --code \" solve fizz buzz problem using python \"
for i in range ( 1 , 101 ): if i % 3 == 0 and i % 5 == 0 : print ( \"FizzBuzz\" ) elif i % 3 == 0 : print ( \"Fizz\" ) elif i % 5 == 0 : print ( \"Buzz\" ) else : print ( i )
由于它是有效的Python代码，因此我们可以将输出重定向到文件：
sgpt --code \" solve classic fizz buzz problem using Python \" > fizz_buzz.py python fizz_buzz.py # 1 # 2 # Fizz # 4 # Buzz # ...
我们还可以使用管道传递输入：
cat fizz_buzz.py | sgpt --code \" Generate comments for each line of my code \"
# Loop through numbers 1 to 100 for i in range ( 1 , 101 ): # Check if number is divisible by both 3 and 5 if i % 3 == 0 and i % 5 == 0 : # Print \"FizzBuzz\" if number is divisible by both 3 and 5 print ( \"FizzBuzz\" ) # Check if number is divisible by 3 elif i % 3 == 0 : # Print \"Fizz\" if number is divisible by 3 print ( \"Fizz\" ) # Check if number is divisible by 5 elif i % 5 == 0 : # Print \"Buzz\" if number is divisible by 5 print ( \"Buzz\" ) # If number is not divisible by 3 or 5, print the number itself else : print ( i )
聊天模式
通常，保留和回忆谈话很重要。 SGPT在要求的每个LLM完成中创建对话对话。对话可以在一个depl循环（depp模式）中进行一对一或互动开发。这两种方式都依靠同一基础对象，称为聊天会话。该会话位于可配置的CHAT_CACHE_PATH上。
要启动对话，请使用-Chat选项，然后使用唯一的会话名和提示。
sgpt --chat conversation_1 \" please remember my favorite number: 4 \" # -> I will remember that your favorite number is 4. sgpt --chat conversation_1 \" what would be my favorite number + 4? \" # -> Your favorite number is 4, so if we add 4 to it, the result would be 8.
您可以通过提供其他详细信息来使用聊天会议来迭代地改善GPT建议。可以使用 – 编码或-shell选项来启动-Chat：
sgpt --chat conversation_2 --code \" make a request to localhost using python \"
import requests response = requests . get ( \'http://l**oc*alhost\' ) print ( response . text )
让我们要求LLM添加缓存，以应对我们的要求：
sgpt --chat conversation_2 --code \" add caching \"
import requests from cachecontrol import CacheControl sess = requests . session () cached_sess = CacheControl ( sess ) response = cached_sess . get ( \'http://l**oc*alhost\' ) print ( response . text )
外壳命令同样适用：
sgpt --chat conversation_3 --shell \" what is in current folder \" # -> ls sgpt --chat conversation_3 \" Sort by name \" # -> ls | sort sgpt --chat conversation_3 \" Concatenate them using FFMPEG \" # -> ffmpeg -i \"concat:$(ls | sort | tr \'\\n\' \'|\')\" -codec copy output.mp4 sgpt --chat conversation_3 \" Convert the resulting file into an MP3 \" # -> ffmpeg -i output.mp4 -vn -acodec libmp3lame -ac 2 -ab 160k -ar 48000 final_output.mp3
要列出对话模式的所有会话，请使用-list -chat或-lc选项：
shell_gpt/chat_cache/conversation_1
# …/ shell_gpt /chat_cache/conversation_2\”>
sgpt --list-chats # .../ shell_gpt /chat_cache/conversation_1 # .../ shell_gpt /chat_cache/conversation_2
要显示与特定对话有关的所有消息，请使用-show-chat选项，然后使用会话名称：
sgpt --show-chat conversation_1 # user: please remember my favorite number: 4 # assistant: I will remember that your favorite number is 4. # user: what would be my favorite number + 4? # assistant: Your favorite number is 4, so if we add 4 to it, the result would be 8.
复制模式
有非常方便的repl（读取 – eval -print循环）模式，它使您可以与GPT模型进行交互性聊天。要以模式启动聊天会话，请使用-repl选项，然后使用唯一的会话名称。您还可以将“临时”用作会话名来开始临时repl会话。请注意，-Chat和-repl使用相同的基础对象，因此您可以使用-Chat开始聊天会话，然后使用-Repl将其拾取以在REPP模式下继续对话。
sgpt --repl temp
Entering REPL mode, press Ctrl+C to exit.
>>> What is REPL?
REPL stands for Read-Eval-Print Loop. It is a programming environment ...
>>> How can I use Python with REPL?
To use Python with REPL, you can simply open a terminal or command prompt ...
复制模式可以与 – shell和 – 代码选项一起使用，这对于交互式壳命令和代码生成非常方便：
sgpt --repl temp --shell
Entering shell REPL mode, type [e] to execute commands or press Ctrl+C to exit.
>>> What is in current folder?
ls
>>> Show file sizes
ls -lh
>>> Sort them by file sizes
ls -lhS
>>> e (enter just e to execute commands, or d to describe them)
提供多行提示使用三重引号“”：
sgpt --repl temp
Entering REPL mode, press Ctrl+C to exit.
>>> \"\"\"
... Explain following code:
... import random
... print(random.randint(1, 10))
... \"\"\"
It is a Python script that uses the random module to generate and print a random integer.
您也可以通过将其作为参数或stdin传递，甚至两者兼而有之输入模式：
sgpt --repl temp < my_app.py
Entering REPL mode, press Ctrl+C to exit.
──────────────────────────────────── Input ────────────────────────────────────
name = input(\"What is your name?\")
print(f\"Hello {name}\")
───────────────────────────────────────────────────────────────────────────────
>>> What is this code about?
The snippet of code you\'ve provided is written in Python. It prompts the user...
>>> Follow up questions...
函数调用
功能调用是OpenAI提供的强大功能。它允许LLM在系统中执行功能，该功能可用于完成各种任务。安装默认函数运行：
sgpt --install-functions
ShellGPT具有定义功能并使用功能的方便方法。为了创建您的自定义函数，请导航到〜/.config/ shell_gpt /functions，并使用功能名称创建一个新的.py文件。在此文件中，您可以使用以下语法来定义您的函数：
# execute_shell_command.py import subprocess from pydantic import Field from instructor import OpenAISchema class Function ( OpenAISchema ): \"\"\" Executes a shell command and returns the output (result). \"\"\" shell_command : str = Field (..., example = \"ls -la\" , descriptions = \"Shell command to execute.\" ) class Config : title = \"execute_shell_command\" @ classmethod def execute ( cls , shell_command : str ) -> str : result = subprocess . run ( shell_command . split (), capture_output = True , text = True ) return f\"Exit code: { result . returncode } , Output: \\n { result . stdout } \"
同类中的DocString注释将传递给OpenAI API，作为该函数的描述，以及标题属性和参数描述。如果LLM决定使用您的函数，则将调用执行函数。在这种情况下，我们允许LLM执行系统中的任何Shell命令。由于我们正在返回命令的输出，LLM将能够分析并确定它是否适合提示。这是一个示例LLM可以执行该函数的示例：
sgpt \" What are the files in /tmp folder? \" # -> @FunctionCall execute_shell_command(shell_command=\"ls /tmp\") # -> The /tmp folder contains the following files and directories: # -> test.txt # -> test.json
请注意，如果出于某种原因，该函数（execute_shell_command）将返回错误，LLM可能会尝试根据输出来完成任务。假设我们没有在系统中安装JQ，我们要求LLM解析JSON文件：
sgpt \" parse /tmp/test.json file using jq and return only email value \" # -> @FunctionCall execute_shell_command(shell_command=\"jq -r \'.email\' /tmp/test.json\") # -> It appears that jq is not installed on the system. Let me try to install it using brew. # -> @FunctionCall execute_shell_command(shell_command=\"brew install jq\") # -> jq has been successfully installed. Let me try to parse the file again. # -> @FunctionCall execute_shell_command(shell_command=\"jq -r \'.email\' /tmp/test.json\") # -> The email value in /tmp/test.json is johndoe@example.
也可以在提示中链接多个函数调用：
sgpt \" Play music and open hacker news \" # -> @FunctionCall play_music() # -> @FunctionCall open_url(url=\"https://news.yco*mbina*t*or.com\") # -> Music is now playing, and Hacker News has been opened in your browser. Enjoy!
这只是如何使用函数调用的一个简单示例。它确实是一个强大的功能，可用于完成各种复杂的任务。我们在GitHub讨论中有专门的类别，用于共享和讨论功能。 LLM可能会执行破坏性命令，因此请以您自己的风险使用它
角色
ShellGPT允许您创建自定义角色，可以将其用于生成代码，外壳命令或满足您的特定需求。要创建一个新角色，请使用-create-lole选项，然后使用角色名称。将提示您为角色提供描述以及其他细节。这将在〜/.config/ shell_gpt /角色中创建一个带有角色名称的JSON文件。在此目录中，您还可以编辑默认的SGPT角色，例如Shell ， Code和Default 。使用-List-Ololes选项列出所有可用的角色，以及-Show-lole选项，以显示特定角色的详细信息。这是自定义角色的一个示例：
sgpt --create-role json_generator # Enter role description: Provide only valid json as response. sgpt --role json_generator \" random: user, password, email, address \"
{
\"user\" : \" JohnDoe \" ,
\"password\" : \" p@ssw0rd \" ,
\"email\" : \" johndoe@example.com \" ,
\"address\" : {
\"street\" : \" 123 Main St \" ,
\"city\" : \" Anytown \" ,
\"state\" : \" CA \" ,
\"zip\" : \" 12345 \"
}
}
如果该角色的描述包含单词“ apply markdown”（case敏感），则除非用-NO-MD明确关闭，否则将使用Markdown格式显示聊天。
请求缓存
使用-CACHE（默认）和-NO-CACHE选项控制缓存。此缓存适用于OpenAI API的所有SGPT请求：
sgpt \" what are the colors of a rainbow \" # -> The colors of a rainbow are red, orange, yellow, green, blue, indigo, and violet.
下次，相同的查询将立即从本地缓存获得结果。请注意，SGPT“彩虹的颜色是什么” – 温度0.5将提出新的请求，因为我们不提供以前的请求的 – 温度（同样适用于 – top概率）。
这只是使用OpenAI GPT型号可以做什么的一些示例，我敢肯定，您会发现它对您的特定用例有用。
运行时配置文件
您可以在运行时配置文件中设置某些参数〜/.config/ shell_gpt /.sgptrc：
shell_gpt/chat_cache
# Request cache length (amount).
CACHE_LENGTH=100
# Request cache folder.
CACHE_PATH=/tmp/ shell_gpt /cache
# Request timeout in seconds.
REQUEST_TIMEOUT=60
# Default OpenAI model to use.
DEFAULT_MODEL=gpt-4o
# Default color for shell and code completions.
DEFAULT_COLOR=magenta
# When in –shell mode, default to \”Y\” for no input.
DEFAULT_EXECUTE_SHELL_CMD=false
# Disable streaming of responses
DISABLE_STREAMING=false
# The pygment theme to view markdown (default/describe role).
CODE_THEME=default
# Path to a directory with functions.
OPENAI_FUNCTIONS_PATH=/Users/user/.config/ shell_gpt /functions
# Print output of functions when LLM uses them.
SHOW_FUNCTIONS_OUTPUT=false
# Allows LLM to use functions.
OPENAI_USE_FUNCTIONS=true
# Enforce LiteLLM usage (for local LLMs).
USE_LITELLM=false\”>
# API key, also it is possible to define OPENAI_API_KEY env.
OPENAI_API_KEY=your_api_key
# Base URL of the backend server. If \"default\" URL will be resolved based on --model.
API_BASE_URL=default
# Max amount of cached message per chat session.
CHAT_CACHE_LENGTH=100
# Chat cache folder.
CHAT_CACHE_PATH=/tmp/ shell_gpt /chat_cache
# Request cache length (amount).
CACHE_LENGTH=100
# Request cache folder.
CACHE_PATH=/tmp/ shell_gpt /cache
# Request timeout in seconds.
REQUEST_TIMEOUT=60
# Default OpenAI model to use.
DEFAULT_MODEL=gpt-4o
# Default color for shell and code completions.
DEFAULT_COLOR=magenta
# When in --shell mode, default to \"Y\" for no input.
DEFAULT_EXECUTE_SHELL_CMD=false
# Disable streaming of responses
DISABLE_STREAMING=false
# The pygment theme to view markdown (default/describe role).
CODE_THEME=default
# Path to a directory with functions.
OPENAI_FUNCTIONS_PATH=/Users/user/.config/ shell_gpt /functions
# Print output of functions when LLM uses them.
SHOW_FUNCTIONS_OUTPUT=false
# Allows LLM to use functions.
OPENAI_USE_FUNCTIONS=true
# Enforce LiteLLM usage (for local LLMs).
USE_LITELLM=false
Default_Color的可能选项：黑色，红色，绿色，黄色，蓝色，洋红色，青色，白色，白色，bright_black，bright_red，bright_green，bright_yellow，bright_blue，bright_magenta，bright_magenta，bright_cyan，bright_white，bright_white。 code_theme的可能选项：https：//pygments.org/styles/
参数的完整列表
╭─ Arguments ──────────────────────────────────────────────────────────────────────────────────────────────╮
│ prompt [PROMPT] The prompt to generate completions for. │
╰──────────────────────────────────────────────────────────────────────────────────────────────────────────╯
╭─ Options ────────────────────────────────────────────────────────────────────────────────────────────────╮
│ --model TEXT Large language model to use. [default: gpt-4o] │
│ --temperature FLOAT RANGE [0.0<=x<=2.0] Randomness of generated output. [default: 0.0] │
│ --top-p FLOAT RANGE [0.0<=x<=1.0] Limits highest probable tokens (words). [default: 1.0] │
│ --md --no-md Prettify markdown output. [default: md] │
│ --editor Open $EDITOR to provide a prompt. [default: no-editor] │
│ --cache Cache completion results. [default: cache] │
│ --version Show version. │
│ --help Show this message and exit. │
╰──────────────────────────────────────────────────────────────────────────────────────────────────────────╯
╭─ Assistance Options ─────────────────────────────────────────────────────────────────────────────────────╮
│ --shell -s Generate and execute shell commands. │
│ --interaction --no-interaction Interactive mode for --shell option. [default: interaction] │
│ --describe-shell -d Describe a shell command. │
│ --code -c Generate only code. │
│ --functions --no-functions Allow function calls. [default: functions] │
╰──────────────────────────────────────────────────────────────────────────────────────────────────────────╯
╭─ Chat Options ───────────────────────────────────────────────────────────────────────────────────────────╮
│ --chat TEXT Follow conversation with id, use \"temp\" for quick session. [default: None] │
│ --repl TEXT Start a REPL (Read–eval–print loop) session. [default: None] │
│ --show-chat TEXT Show all messages from provided chat id. [default: None] │
│ --list-chats -lc List all existing chat ids. │
╰──────────────────────────────────────────────────────────────────────────────────────────────────────────╯
╭─ Role Options ───────────────────────────────────────────────────────────────────────────────────────────╮
│ --role TEXT System role for GPT model. [default: None] │
│ --create-role TEXT Create role. [default: None] │
│ --show-role TEXT Show role. [default: None] │
│ --list-roles -lr List roles. │
╰──────────────────────────────────────────────────────────────────────────────────────────────────────────╯
Docker
使用OpenAI_API_KEY环境变量运行容器，以及用于存储缓存的Docker卷。考虑根据您的喜好设置环境变量OS_NAME和SHELL_NAME。
shell_gpt \\
ghcr.io/ther1d/ shell_gpt -s \”update my system\”\”>
docker run --rm \\
--env OPENAI_API_KEY=api_key \\
--env OS_NAME= $( uname -s ) \\
--env SHELL_NAME= $( echo $SHELL ) \\
--volume gpt-cache:/tmp/ shell_gpt \\
ghcr.io/ther1d/ shell_gpt -s \" update my system \"
对话的示例，使用别名和OpenAI_API_KEY环境变量：
shell_gpt \”
export OPENAI_API_KEY=\”your OPENAI API key\”
sgpt –chat rainbow \”what are the colors of a rainbow\”
sgpt –chat rainbow \”inverse the list of your last answer\”
sgpt –chat rainbow \”translate your last answer in french\”\”>
alias sgpt= \" docker run --rm --volume gpt-cache:/tmp/ shell_gpt --env OPENAI_API_KEY --env OS_NAME= $( uname -s ) --env SHELL_NAME= $( echo $SHELL ) ghcr.io/ther1d/ shell_gpt \" export OPENAI_API_KEY= \" your OPENAI API key \" sgpt --chat rainbow \" what are the colors of a rainbow \" sgpt --chat rainbow \" inverse the list of your last answer \" sgpt --chat rainbow \" translate your last answer in french \"
您还可以使用提供的Dockerfile来构建自己的图像：
docker build -t sgpt .
Docker + Ollama
如果要将请求发送到Ollama实例并在Docker容器中运行ShellGpt，则需要调整Dockerfile并自己构建容器：需要LITELLM软件包，并且需要正确设置ENV变量。
示例Dockerfile：
shell_gpt
VOLUME /tmp/ shell_gpt
ENTRYPOINT [\”sgpt\”]\”>
FROM python:3-slim ENV DEFAULT_MODEL=ollama/mistral:7b-instruct-v0.2-q4_K_M ENV API_BASE_URL=http://10.10.1***0.10:11434 ENV USE_LITELLM=true ENV OPENAI_API_KEY=bad_key ENV SHELL_INTERACTION=false ENV PRETTIFY_MARKDOWN=false ENV OS_NAME=\"Arch Linux\" ENV SHELL_NAME=auto WORKDIR /app COPY . /app RUN apt-get update && apt-get install -y gcc RUN pip install --no-cache /app[litellm] && mkdir -p /tmp/ shell_gpt VOLUME /tmp/ shell_gpt ENTRYPOINT [\"sgpt\"]
附加文档
- Azure集成
- Ollama整合
