30分钟带你从0手搓一个AI-Cli命令行工具

代码搬运媛2026-04-16 13:41

这篇教程就是带大家完整的手搓一个 ai-cli，可以调用硅基流动的AI模型，实现一个AI对话的命令行工具。

什么是 cli?

CLI 是 Command-Line Interface（命令行界面）的缩写。它是一种通过文本命令与计算机程序交互的方式，比如你在终端里输入的 git clone、npm install、python script.py 都属于 CLI 程序。

与之相对的是 GUI（图形用户界面），也就是你用鼠标点击窗口、按钮的那种交互方式。

特点

  • 高效 熟练后操作速度远超鼠标点击
  • 可脚本化 可以写 Shell 脚本批量执行命令
  • 资源占用少 不需要渲染图形界面
  • 远程友好 通过 SSH 连接服务器后，只能使用 CLI
  • 学习曲线 需要记忆命令和参数

一个 CLI 程序的基本组成

一个典型的 CLI 工具通常包含：

  • 入口点：用户输入的命令名称，比如 mycli

  • 参数解析：处理用户输入的选项（--help、-v）和参数（input.txt）

  • 核心逻辑：实际执行的功能

  • 输出：打印结果到终端（stdout / stderr）

  • 退出码：0 表示成功，非 0 表示失败（方便脚本判断）

使用场景

几乎每一个开发者、运维、数据科学家都会用到 CLI。常见场景包括：

  1. 开发工具 ● 代码版本控制（git） ● 包管理（npm, pip, go mod） ● 构建编译（make, webpack, tsc） ● 代码检查与测试（eslint, pytest）

  2. 服务器运维 ● 通过 SSH 连接远程 Linux 服务器后，只有 CLI 可用 ● 管理进程、查看日志、配置网络、定时任务（cron）

  3. 数据处理 ● 用 grep, awk, sed 处理文本日志 ● 用 ffmpeg 命令行转码视频 ● 用 jq 处理 JSON 数据

  4. AI / 大模型调用 ● 很多 AI 服务提供 CLI 工具，比如 ollama run llama3 ● 你可以自己写一个 CLI，调用 OpenAI / 硅基流动的 API，实现"对话式编程"

  5. 自动化脚本 ● 每天凌晨自动备份数据库 ● 批量重命名 1000 个文件 ● 自动部署项目到服务器

  6. 你自制的工具 ● 一个"代码生成器"：输入需求描述，自动调用 AI 生成代码文件 ● 一个"图片压缩工具"：imgmin input.png output.jpg ● 一个"日报生成器"：report --date 2026-04-16

如何开发一个 CLI？

开发一个 CLI 程序，本质上就是写一个接收命令行参数的程序，然后把它变成可以直接在终端敲命令运行。 核心步骤：

  1. 选择一门语言（Node.js / Python / Go / Rust / Shell 等）
  2. 解析命令行参数（用户输入的 --name、-v 等）
  3. 实现核心逻辑（你要让这个命令做什么）
  4. 输出结果到终端（console.log / print / fmt.Println）
  5. 打包成可执行命令（让它在任何目录都能被调用）

最终效果预览

js 复制代码 
# 安装后，在任何目录执行
ai-cli ask "什么是闭包？"
ai-cli code "用Python写一个快速排序"
ai-cli chat --model qwen --system "你是一个幽默的助手"

第一步：环境准备

确保你已经安装了：

  • Node.js（v18 或更高，建议 v20）
  • npm（通常随 Node 安装）

检查方法：

复制代码 
node -v
npm -v

如果没有，去 nodejs.org 下载安装。

第二步：创建项目

打开终端，创建一个新文件夹并初始化：

js 复制代码 
mkdir ai-cli
cd ai-cli
npm init -y

然后安装必要的依赖：

js 复制代码 
npm install typescript @types/node ts-node --save-dev
npm install commander chalk ora openai dotenv
  • commander：解析命令行参数
  • chalk：彩色输出
  • ora：显示加载动画
  • openai：调用 OpenAI 兼容的 API（硅基流动）
  • dotenv：读取 .env 文件中的 API Key

第三步：配置 TypeScript

创建 tsconfig.json：

js 复制代码 
{
  "compilerOptions": {
    "target": "ES2020",
    "module": "commonjs",
    "outDir": "./dist",
    "rootDir": "./src",
    "strict": true,
    "esModuleInterop": true,
    "skipLibCheck": true
  },
  "include": ["src/**/*"],
  "exclude": ["node_modules"]
}

第四步：创建源代码目录和文件

js 复制代码 
mkdir src
cd src
touch index.ts

第五步：编写核心代码

在 src/index.ts 中写入以下代码：

js 复制代码 
#!/usr/bin/env node

import { Command } from 'commander';
import chalk from 'chalk';
import ora from 'ora';
import OpenAI from 'openai';
import dotenv from 'dotenv';
import { readFileSync } from 'fs';
import { join } from 'path';

// 加载 .env 文件
dotenv.config();

// 初始化 OpenAI 客户端（兼容硅基流动）
const openai = new OpenAI({
  baseURL: 'https://api.siliconflow.cn/v1', // 硅基流动的 API 地址
  apiKey: process.env.SILICONFLOW_API_KEY || '',
});

const program = new Command();

program
  .name('ai-cli')
  .description('你的 AI 命令行助手')
  .version('1.0.0');

// 子命令：ask
program
  .command('ask <question>')
  .description('向 AI 提问')
  .option('-m, --model <model>', '模型名称', 'Qwen/Qwen2.5-7B-Instruct')
  .action(async (question, options) => {
    const spinner = ora(chalk.blue('AI 正在思考...')).start();
    try {
      const completion = await openai.chat.completions.create({
        model: options.model,
        messages: [
          { role: 'user', content: question }
        ],
        temperature: 0.7,
      });
      spinner.stop();
      const answer = completion.choices[0]?.message?.content || '无回复';
      console.log(chalk.green('\n🤖 回答：\n'));
      console.log(answer);
    } catch (error: any) {
      spinner.stop();
      console.error(chalk.red('❌ 出错了：'), error.message);
    }
  });

// 子命令：code（专门生成代码）
program
  .command('code <prompt>')
  .description('让 AI 生成代码')
  .option('-l, --lang <language>', '编程语言', 'python')
  .action(async (prompt, options) => {
    const systemPrompt = `你是一个专业的程序员。请只输出代码，不要解释。代码语言：${options.lang}。`;
    const spinner = ora(chalk.blue('正在生成代码...')).start();
    try {
      const completion = await openai.chat.completions.create({
        model: 'Qwen/Qwen2.5-7B-Instruct',
        messages: [
          { role: 'system', content: systemPrompt },
          { role: 'user', content: prompt }
        ],
        temperature: 0.5,
      });
      spinner.stop();
      const code = completion.choices[0]?.message?.content || '// 无法生成代码';
      console.log(chalk.cyan('\n💻 代码：\n'));
      console.log(code);
    } catch (error: any) {
      spinner.stop();
      console.error(chalk.red('❌ 出错了：'), error.message);
    }
  });

// 子命令：chat（交互式对话，带 system 提示）
program
  .command('chat')
  .description('进入交互式对话模式')
  .option('-m, --model <model>', '模型', 'Qwen/Qwen2.5-7B-Instruct')
  .option('-s, --system <prompt>', '系统提示词', '你是一个有用的助手。')
  .action(async (options) => {
    const readline = require('readline');
    const rl = readline.createInterface({
      input: process.stdin,
      output: process.stdout,
    });
    console.log(chalk.yellow(`\n进入对话模式（模型：${options.model}），输入 exit 退出\n`));
    const messages = [
      { role: 'system', content: options.system }
    ];
    const askQuestion = () => {
      rl.question(chalk.blue('你：'), async (input: string) => {
        if (input.toLowerCase() === 'exit') {
          console.log(chalk.yellow('再见！'));
          rl.close();
          return;
        }
        messages.push({ role: 'user', content: input });
        const spinner = ora('AI 正在回复...').start();
        try {
          const completion = await openai.chat.completions.create({
            model: options.model,
            messages: messages,
            temperature: 0.7,
          });
          const reply = completion.choices[0]?.message?.content || '无回复';
          spinner.stop();
          console.log(chalk.green(`\n🤖 AI：${reply}\n`));
          messages.push({ role: 'assistant', content: reply });
          askQuestion();
        } catch (error: any) {
          spinner.stop();
          console.error(chalk.red('出错：'), error.message);
          askQuestion();
        }
      });
    };
    askQuestion();
  });

program.parse();

第六步：配置 API Key

在项目根目录创建 .env 文件：

ini 复制代码 
SILICONFLOW_API_KEY=你的硅基流动API密钥

如果你还没有 API Key，去 siliconflow.cn 注册，在"API Keys"页面生成一个。新用户有免费额度。

为了安全，把 .env 添加到 .gitignore（如果你会用 git）。

第七步：在本地测试运行

先用 ts-node 直接测试：

bash 复制代码 
npx ts-node src/index.ts ask "你好，请介绍一下你自己"

应该能看到 AI 的回答。

测试 code 子命令：

css 复制代码 
npx ts-node src/index.ts code "快速排序" --lang javascript

测试交互模式：

bash 复制代码 
npx ts-node src/index.ts chat

第八步：打包成全局 CLI 命令

修改 package.json，添加 bin 字段和 build 脚本：

json 复制代码 
{
  "name": "ai-cli",
  "version": "1.0.0",
  "description": "AI 命令行助手",
  "main": "dist/index.js",
  "bin": {
    "ai-cli": "./dist/index.js"
  },
  "scripts": {
    "build": "tsc",
    "start": "node dist/index.js",
    "dev": "ts-node src/index.ts"
  },
  // ... 其余内容保持不变
}

然后编译 TypeScript：

arduino 复制代码 
npm run build

这会生成 dist/index.js 文件。

最后，将命令链接到全局（在项目根目录执行）：

bash 复制代码 
npm link

如果提示权限问题，可能需要 sudo npm link（不推荐），或者配置 npm 全局目录。一般普通用户下 npm link 即可。

现在，你可以在任何终端输入：

arduino 复制代码 
ai-cli ask "什么是闭包？"

回顾：完整流程图

css 复制代码 
用户输入: ai-cli ask "你好" --model Qwen/Qwen2.5-7B-Instruct
         ↓
program.parse() 解析 process.argv
         ↓
找到子命令 "ask"
         ↓
提取位置参数 question = "你好"
         ↓
提取选项 options = { model: "Qwen/Qwen2.5-7B-Instruct" }
         ↓
调用 action(question, options)
         ↓
执行你写的业务逻辑（调用 AI API）
         ↓
输出结果到终端

总结

你现在拥有一个属于自己的 AI 命令行助手了！你可以：

  • 随时在终端问问题
  • 生成代码片段
  • 进入交互式对话

如果想让其他人也能 npm install -g ai-cli 安装使用，你可以把它发布到 npm。

相关推荐
赛博切图仔2 小时前
前端性能内卷终点？Signals 正在重塑我们的开发习惯
前端·javascript·vue.js
小江的记录本2 小时前
【RAG】RAG检索增强生成（核心架构、全流程、RAG优化方案、常见问题与解决方案）
java·前端·人工智能·后端·python·机器学习·架构
程序员buddha2 小时前
SCSS从0到1精通教程
前端·css·scss
ZC跨境爬虫2 小时前
海南大学交友平台登录页开发实战day6（覆写接口+Flask 本地链接正常访问）
前端·后端·python·flask·html
Highcharts.js2 小时前
抉择之巅：从2029年回望2026年——企业可视化“战略分水岭”？
前端·javascript·信息可视化·编辑器·echarts·highcharts
沙振宇2 小时前
【Web】使用Vue3+PlayCanvas开发3D游戏（十）让人物动起来
前端·游戏·3d·人物·动
军军君013 小时前
数字孪生监控大屏实战模板：空气污染监控
前端·javascript·vue.js·typescript·前端框架·echarts·数字孪生
m0_694845573 小时前
opendataloader-pdf部署教程：构建PDF数据处理系统
服务器·前端·前端框架·pdf·开源
小李子呢02113 小时前
前端八股浏览器网络（1）---响应头
前端
热门推荐
012026年4月技术前沿：AI大模型爆发、智能体革命与量子安全新纪元02GitHub 镜像站点03一周AI热点速览（2026.03.31-04.06）：GPT-6曝光、谷歌开源Gemma 4、资本狂飙与模型军备竞赛04GPT-6核心能力解析及与现有主流大模型对比05基于 Docker 部署 Hermes Agent 并接入飞书机器人的完整指南06GPT-6发布日深度解析-Symphony架构200万Token实战07零成本！Ollama本地部署国产大模型全指南（支持Kimi-K2.5/GLM-5/Qwen，新手秒上手）08AI Weekly | 2026年4月第二周 · GitHub热门项目与AI发展趋势深度解析09从限购到畅通：GLM-5.1 Coding Plan接入攻略10CodeBuddy与WorkBuddy深度对比：腾讯两款AI工具差异及实操指南