Bash4LLM

在 AI 工具日益复杂的今天，许多命令行客户端依赖 Python、Node.js 或庞大的运行时环境。Bash4LLM⁺ 反其道而行之，它是一个单一的、自包含的 Bash 脚本，旨在为类 Unix 环境提供一个轻量、安全且完全可审计的大语言模型（LLM）交互接口。

它原生支持 Groq 兼容的 OpenAI Chat Completions API，并可通过扩展支持其他提供商。对于注重隐私、偏好本地执行以及希望最小化系统依赖的用户来说，这是一个极具吸引力的选择。

核心设计哲学：极简与安全

Bash4LLM⁺ 的设计严格遵循“Bash 优先”原则，所有功能均通过标准 Bash 命令和少量核心工具（如 curl, jq, awk）实现。

• 零依赖运行时：无需安装 Python、Java 或 Node.js。只要你的系统中有 Bash 和基础核心工具，即可运行。
• 极致安全：
  • 无 eval：彻底杜绝代码注入风险。
  • 不执行模型输出：脚本仅处理文本生成，绝不将 AI 返回的内容作为命令执行。
  • 隔离临时文件：不使用共享的 /tmp，而是创建权限为 700 的独立临时目录，防止信息泄露。
  • 原子操作：在 Termux/Android 等环境中，使用原子 mkdir 进行并发管理，确保数据一致性。
• 完全可审计：作为一个纯文本脚本，用户可以逐行检查其逻辑，确保没有后门或隐蔽的数据上传行为。

功能亮点

尽管体积小巧，Bash4LLM⁺ 的功能却十分完备：

1. 动态模型管理：通过 API 实时获取可用模型列表，无硬编码限制。支持设置默认模型、动态白名单以及自动选择最优模型。
2. 灵活的输入方式：支持直接提示词、多行输入（Here Document）、文件读取 (-f) 以及管道输入 (|)，完美融入 Shell 工作流。
3. 会话与上下文记忆：通过 --session 标志激活持久化会话，以 NDJSON 格式存储历史记录。支持配置上下文窗口大小 (--session-window)，实现多轮对话的记忆保持。
4. UI 状态系统集成：核心元数据以原子 JSON 格式暴露在配置目录中，方便外部 GUI 工具或监控脚本读取当前会话状态和 API 结果。
5. 流式与非流式输出：支持实时流式输出以获得更快的响应感知，也支持完整响应输出以便于后续处理。
6. 跨平台兼容：广泛支持 Linux、macOS、WSL、Cygwin、BSD 以及 Android (Termux)。

快速上手

安装过程极其简单，只需克隆仓库并赋予执行权限：

git clone --depth 1 --branch main https://github.com/kamaludu/bash4llm.git repo-bash4llm
mkdir -p bash4llm
cp repo-bash4llm/bin/bash4llm bash4llm/
chmod +x bash4llm/bash4llm
cd bash4llm

首次运行时，脚本会引导你输入 API 密钥（如 Groq API Key），并将其导出到环境变量中：

export GROQ_API_KEY="gsk_xxxxxxxxxxxxxxxxx"
./bash4llm --refresh-models

常用场景示例

• 直接提问：

  ./bash4llm "解释量子纠缠"
  

• 管道协作：

  cat code.py | ./bash4llm "检查这段代码的潜在 bug"
  

• 指定模型与提供商：

  ./bash4llm -m llama-3.3-70b-versatile --provider groq "写一篇关于 Rust 语言的短文"
  

• 试运行（Dry Run）：

  ./bash4llm --dry-run "你好" # 仅显示即将发送的请求，不实际调用 API
  

适用人群

Bash4LLM⁺ 特别适合以下用户：

• 极简主义者：厌恶庞大安装包，偏好单文件绿色软件。
• 安全敏感者：需要确保 API 密钥和对话内容不被第三方客户端窃取或记录。
• Shell 重度用户：希望将 LLM 能力无缝集成到 Bash 脚本、自动化任务或 CI/CD 流程中。
• 低配设备用户：在资源受限的设备（如旧笔记本、嵌入式开发板或手机 Termux）上运行 AI 客户端。

通过将复杂的 AI 交互简化为一个标准的 Bash 命令，Bash4LLM⁺ 证明了在 AI 时代，简单、透明和本地优先的工具依然具有强大的生命力。