KO | EN

GitLite

Minimalist Open Source Repository Search Engine

gitlite — search

#dsh #dsh-plugin #codex #typescript #developer-tools #ai-agents #deepseek-harness #claude-code #ai-agent #cli #react #mcp

baize

★ 40 Open GitHub ↗

baize 是一个将 LLM 能力集成至终端的工具框架。

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

![img](https://raw.githubusercontent.com/Syan-Lin/baize/master/banner.png)

# 简介
baize 是一个将大模型集成至终端的工具框架，提供一系列方便的交互模式，提高在终端中使用大模型的效率

> 白泽（baize）是中国古代神话中的瑞兽。能言语，通万物之情，知鬼神之事。

由于大模型调用价格被打下来了（百万 Token 低至几毛钱），使得个人使用 API 的成本迅速降低，让大模型可以真正高度定制化地接入到个人工作和生活的方方面面，baize 就是在这一背景下提出的

目前支持的接口：支持多家平台和本地部署，可以让大家薅尽羊毛~
- [通义千问](https://bailian.console.aliyun.com/)
- [智谱 AI](https://open.bigmodel.cn/)
- [DeepSeek](https://platform.deepseek.com/)
- [豆包](https://www.volcengine.com/product/doubao)
- [OpenAI](https://platform.openai.com/)
- [月之暗面](https://platform.moonshot.cn/)
- [Ollama](https://github.com/ollama/ollama)

https://github.com/Syan-Lin/baize/assets/57340079/dae3b8f4-92bc-493f-b6ca-4b6790870dc8

# 为什么需要 baize

简而言之，在终端中集成大模型是一个刚需，目前存在以下局限：

- 在终端的工作环境下，来回切换浏览器或其他 APP 与大模型交互的效率低
- 无法利用大模型构建自动化任务，即无法方便地在 Shell 脚本中使用大模型

解决第一点意味着能够利用大模型提高终端工作环境下的效率；解决第二点意味着可以基于大模型实现一些复杂任务的自动化，存在无限的想象力。除了这两点之外，baize 还提供了其他零碎场景的解决方案，等待大家自行探索！

基于终端的交互逻辑，我们的理念是让 baize 和普通的终端命令一样尽可能简单，每次调用几乎只需要输入一个命令。在这样的考虑下，baize 大部分的功能都相对较「底层」，具有一定的上手门槛，需要对大模型有一定的了解，但像其他终端命令一样，一旦上手，baize 就能成为你随处可用的「瑞士军刀」！

**如果你的工作和生活经常用到终端，那么 baize 就是你需要的！**

# 安装

可以直接下载可执行文件也可以手动编译

## 下载可执行文件

1. 在 [release](https://github.com/Syan-Lin/baize/releases) 中下载对应的压缩包

2. 创建目录并解压

```bash
mkdir -p ~/.baize
tar -xzf <下载的文件名> -C ~/.baize
```

> Windows 需要手动进行以上操作

## 手动编译

1. 克隆本仓库

```bash
git clone https://github.com/Syan-Lin/baize
```

2. 进入项目目录并安装依赖

```bash
cd baize
pip install -r requirements.txt
```

> 请你确保你的 Python 版本 >= 3.12，你可以通过 conda、venv 等工具来创建一个虚拟环境进行安装

3. 构建可执行程序

```bash
python install.py
```

## 添加系统路径

目前支持 Linux 和 Mac 下的 bash 和 zsh，Windows 需要手动添加系统路径

```bash
# 如果你用的是 bash
~/.baize/baize --init bash
# 如果你用的是 zsh
~/.baize/baize --init zsh
```

## 检查安装

```bash
# 如果正常输出版本信息，则代表安装成功
baize --version
```

# 快速开始
首次运行需要先进行模型的配置，之后你可以再次运行 `setup` 添加配置，通过 `modellist` 查看当前已配置的模型

```bash
# 模型配置
baize --setup
# 查看模型配置
baize --modellist
```

## 大模型交互
### 最简单的交互方式

```bash
baize 你好
```

你可以通过 `--stream -s` 参数来开启流式输出

```bash
baize 你好 -s
```

### 使用 Prompt 模板

通过 `--template -t` 参数，可以将输入和 Prompt 模板进行拼接，通过 `--list -l` 查看可用的模板

```bash
# 查看可用模板
baize -l
# acatrans 是一个用于学术中译英的 Prompt 模板
baize 深度学习有着广泛的应用 -t acatrans
```

对于模板还有以下操作：
- 创建模板：`--createtemplate`
- 查看模板内容：`--showtemplate <template>`
- 删除模板：`--deletetemplate <template>`

### 终端命令组合

终端命令组合是通过管道连接的方式实现的，管道连接是终端里面一个重要的概念，可以将多个命令组成一个 Pipeline 实现更复杂的任务

```bash
# 对文件进行总结再翻译成中文
cat book.txt | baize -t summary | baize -t acatrans
# 根据 diff 生成 commit
git diff HEAD | baize -t commit
# 获取网页内容总结
curl https://www.example.com | baize -t summary
```

### 多模态

对于多模态模型，baize 也提供了对应的功能，通过 `--file -f` 上传文本文件，`--img -i` 上传图片

```bash
# 文件支持一次上传多个
baize 总结一下这两篇文章 -f book.txt book2.txt
# 图片只有少数模型支持，是否可以上传多个由模型决定
baize 这个图片的内容是什么 -i cat.png
```

文件上传功能还可以与 Prompt 模板和管道组合，实现单文件的自动 Debug：

```bash
python example.py 2>&1 | baize 基于所给的文件及其输出信息，请你修复这个错误 -f example.py
```

### 历史上下文

在一些使用场景下，我们希望历史的对话留存在上下文中，可以通过 `--previous -p` 来引入上一次的对话记录，连续使用可以持续保留，直到下一次不使用该参数为止，此时历史对话会清空，可以通过 `-H` 来查看目前的历史上下文

```bash
baize 你好
baize 我上一句话说了什么 -p
baize -H
# 会清空之前的对话记录
baize 你好
```

## 更好的输入输出
### 复制粘贴
在命令行中工作时，有时候直接复制粘贴大段的文本，会使终端看起来很「脏」，或者导致命令解析错误，这个时候可以使用 `--paste -P` 直接将剪贴板的内容作为输入

```bash
baize -P
# 可以组合正常输入
baize 请你总结以下内容 -P
```

同时，有时候需要复制大模型的输出，这个时候可以通过 `--copy -C` 直接将模型的输出复制到剪贴板中

```bash
baize 请你给我一个 C++ 的快排实现 -C
```

> 由于复制粘贴功能依赖 Pyperclip，要求系统拥有 GUI，所以无 GUI 的系统无法使用复制粘贴；此外，使用 SSH 连接时，也无法使用复制粘贴功能。

### 输出到文件
在一些应用场景中，我们可以使大模型的输出直接保存到一个目录下，例如可以将文章的总结保存到我们的笔记目录下

```bash
cat book.txt | baize -t summary -o ~/obsidian/summary.md
```

### Markdown 输出
baize 支持在终端中渲染 Markdown，包含代码样式，你可以通过 `--markdown -M` 开启该功能，支持流式输出的 Markdown 渲染

```bash
baize 请你给我一个C++的快排实现 -M
```

## 命令行模式
在终端中使用大模型的一大场景就是构造终端命令，在传统的交互逻辑中，我们需要从其他地方搜索、问答，然后再复制到终端中。baize 则提供了一种更优雅的方式，通过 `--cli -c` 打开，该参数下，模型会直接给出命令。如果你想要详细的命令解释，你可以使用 `--clidetail` 参数，该参数下，模型会给出详细的命令解释

```bash
baize -c 在 main.py 文件中找到字符串 name，并打印出行号
`grep -n 'name' main.py` 是否执行 [y/n]:
```

如果是在详细模式下，则会具体解释所给的命令

```bash
baize --clidetail 在 main.py 文件中找到字符串 name，并打印出行号
# 命令行命令：grep
## 介绍
`grep` 是一个强大的文本搜索工具，它使用正则表达式搜索包含指定模式的字符串，并显示匹配的行。

## 语法
grep [options] pattern [file...]

## 常用选项
- `-n`：显示匹配行及其行号。
- `-i`：忽略大小写。
- `-v`：反转匹配，即显示不包含模式的行。
- `-c`：计数，只输出匹配行的数量。

确保在使用 `grep` 命令时理解其参数和选项，以便能有效地进行文本搜索和过滤。
`grep -n "name" main.py` 是否执行 [y/n]:
```

除了调用命令之外，baize 还支持 shell 的快捷键，目前支持 zsh 和 bash，在经过 `--init` 配置之后即可使用，快捷键为 `Ctrl + B`

```bash
# 直接输入问题
在 main.py 文件中找到字符串 name，并打印出行号
# 按下快捷键 Ctrl + B
grep -n 'name' main.py
```

## 工具模式
工具模式基于 function call，使 baize 具有一定 Agent 能力，例如调用一些预定义的接口，如数学计算、Code Interpreter、天气查询等。使 baize 可以执行现实中的动作，帮助我们解决一些简单的实际问题。考虑到目前各家大模型 Agent 的能力差异较大，需要能力较强的大模型才能很好地执行工具模式

通过 `--tool` 来指定一个预定义的工具执行，工具所对应的代码和调用接口目前需要手动配置

```bash
# interpreter 是 Python 解释器，可以执行大模型输出的代码
baize --tool interpreter --log
> 使用牛顿迭代法计算 x^3 = 5 的解
正在调用 `exec_code`

exec_code(code="""def newton_iteration(x0, iterations=10):
    x = x0
    for _ in range(iterations):
        x = x - (x**3 - 5) / (3 * x**2)
    return x

initial_guess = 1
iterations = 10
result = newton_iteration(initial_guess, iterations)
print(result)""")

{'stdout': '1.709975946676697\n', 'stderr': ''}

使用牛顿迭代法计算 x^3 = 5 的解为 x ≈ 1.70998。

# weather 是天气查询工具，定义了获取当前日期和根据日期、地点查询天气的函数
baize --tool weather --log
> 查询今天上海的天气
正在调用 `get_current_date`

get_current_date()

2024-06-27
正在调用 `get_weather`

get_weather(city="""上海""",date="""2024-06-24""")

{'reason': '查询成功!', 'result': {'city': '上海', {'date': '2024-06-27', 'temperature': '23/25℃', 'weather': '中雨', 'wid': {'day': '08', 'night': '08'}, 'direct': '持续无风向'}, 'error_code': 0}}

根据查询结果，2024年6月27日上海的天气情况如下：温度为23/25℃，天气状况为中雨，风向为持续无风向。请注意，由于是中雨天气，建议您当天外出时准备好雨具。
```

## Prompt 构造

Prompt 模板根据 `{<param_name>}` 进行格式化：
- `{input}`：代表命令的 Prompt 输入
- `{sysin}`：代表管道连接所获得的输入
- `{paste}`：代表粘贴命令所获得的输入

例如：
```markdown
这是用户输入：{input}，这是来自管道连接：{sysin}，这是来自粘贴：{paste}。顺序不重要，根据参数名格式化。
```

假设剪贴板复制内容为：`粘贴的内容`，输入命令：
```shell
echo hello | baize 你好 -P
```

可以得到格式化的模板：
```markdown
这是用户输入：你好，这是来自管道连接：hello，这是来自粘贴：粘贴的内容。顺序不重要，根据参数名格式化。
```

### 设置上下文
Context 是一个对用户进行描述的系统 Prompt，你可以在这里定义你的背景信息和希望得到的回答是什么，可以更好地与大模型对齐，这个设置是全局生效的，之后每次调用大模型都会附带这个 Context

```bash
baize --setcontext 我是一个程序员
```

你可以通过 `--context` 查看当前所用的 Context；通过 `--resetcontext` 删除 Context

## 工作流模式
工作流能够自定义一个简单的大模型交互流程，通过 `--workflow -w` 来指定一个预定义的工作流执行。工作流是一个由节点定义的有向无环图的流程结构，其中节点包括「输入节点」、「LLM 节点」、「Python 脚本节点」、「输出节点」，通过将这些节点组合成一个流程来实现一些复杂任务的自动化

这里以反思模式的 [英译中](https://github.com/andrewyng/translation-agent) 来作为示例

```bash
baize -w eng2ch
请输入参数 text:
The Sapir-Whorf hypothesis asserts that the structure of a language influences its speakers' cognition and worldview. According to this theory, the grammatical and lexical features of a language shape habitual thought patterns and perceptions. For example, how a language conveys concepts such as time, space, and color can affect how its speakers experience these dimensions. Despite ongoing debate and mixed empirical support, this hypothesis remains significant in cognitive science, anthropology, and linguistics. Its implications reach beyond academia, impacting cultural identity, communication, and even artificial intelligence.

节点 input_node 执行完毕
节点 first_trans 执行完毕
节点 reflection 执行完毕
节点 improve 执行完毕
节点 output_node 执行完毕

萨丕尔-沃尔夫假说认为，语言的结构影响其使用者的认知和世界观。根据这一理论，语言的语法和词汇特征塑造了习惯性的思维模式和感知。例如，语言如何表达时间、空间和颜色等概念会影响其使用者对这些维度的体验。尽管存在持续的争论和混合的实证支持，这个假说在认知科学、人类学和语言学中仍然具有重要意义。它的影响超出了学术界，影响到文化认同、沟通，甚至人工智能。
```

## 其他
你可以使用 `baize --help` 查看所有命令和选项

如果你需要自定义添加或修改模型名，例如调用最新的或未录入的模型，请在安装目录，默认是 `~/.baize/models.json` 中修改

baize

Explore Similar Repositories

Was this content helpful?

Recent Feedback

Download README