Ell：纯 Bash 写的 LLM 命令行工具

基本用法

用于与 LLM 交互的命令行界面。

在终端中向 LLM 提问的基本用法（webm，1.6MiB）

从终端向 LLM 提问

将你的终端上下文带给 LLM 并提出问题

在终端中与 LLM 聊天

通过模板支持函数调用等更多功能

敏感信息脱敏（#14）

环境要求

要使用 ell，你需要以下工具：

• coreutils / OS X utilities、awk 和 sed
• curl（用于发送 HTTPS 请求）
• util-linux（如果不使用 record mode 可选。用于 script 命令来记录终端输入和输出）

安装

git clone --depth 1 https://github.com/simonmysun/ell.git \
  "${XDG_DATA_HOME:-$HOME/.local/share}/ell"
echo 'export PATH="${XDG_DATA_HOME:-$HOME/.local/share}/ell:$PATH"' >> ~/.bashrc

这会将仓库克隆到 ${XDG_DATA_HOME:-$HOME/.local/share}/ell（遵循 XDG Base Directory Specification）并将其添加到你的 PATH。你可以将其克隆到任何地方；只有 PATH 上的目录才重要。

另一种方式是，如果 ~/.local/bin 已经在你的 PATH 中（在许多现代发行版上都是这样），你可以将仓库目录从 PATH 中移除，转而将启动器符号链接到该位置：

mkdir -p ~/.local/bin
ln -s "${XDG_DATA_HOME:-$HOME/.local/share}/ell/ell" ~/.local/bin/ell

链接 ell 启动器（不是 ell.sh）：它将符号链接解析回克隆目录，以便始终能找到包含的辅助工具、模板和插件。

从较旧的安装升级？之前的布局（git clone ... ~/.ellrc.d，配置在 ~/.ellrc）仍然有效：~/.ellrc 仍会被读取，~/.ellrc.d 下的模板和插件仍会被识别。不需要迁移。

Windows 上的使用

ell 是一个 Bash 程序，所以需要在 Bash 环境中运行，如 Git Bash、MSYS2、Cygwin 或 WSL。

ell 命令是一个纯粹的包装脚本（不是符号链接），所以即使在 git 无法在检出时创建符号链接的情况下也能工作——在 Windows 上这是默认行为，除非拥有开发者模式或管理员权限。无需额外设置；只需克隆仓库并按上述方式将其目录添加到 PATH。你调用它的方式相同，例如 ell "your prompt"。

Bash 环境的差异和限制

Bash 环境在模拟 POSIX 系统的程度上有所不同，某些功能会相应降级：

• WSL 的行为类似 Linux；所有功能都能正常工作。
• MSYS2 和 Cygwin 提供相当完整的 POSIX 层（支持 ACL 的文件权限、真实符号链接、script(1)），所以整个功能集都能工作。
• Git Bash 故意精简。在 NTFS 上，它无法创建真正的组/全局可写文件，所以 load_config 中的配置文件权限检查（拒绝源导入世界可写的 .ellrc）和临时认证头文件上的 chmod 600 无法被强制执行；它也缺少 script(1)（record mode）并且默认缺少真实符号链接。ell 仍能运行，但在多用户机器上应将这些视为安全限制——详见配置 → Windows 部分的详细信息和更安全的替代方案（MSYS2 / WSL）。

为获得 Windows 上最完整的体验，优先选择 WSL 或 MSYS2 而不是 Git Bash。

配置

下面是一个配置示例，用于从 Google 使用 gemini-1.5-flash。你需要在配置文件 ${XDG_CONFIG_HOME:-$HOME/.config}/ell/config 中设置这些变量（旧版本的 ~/.ellrc 也仍然有效）：

ELL_API_STYLE=gemini
ELL_LLM_MODEL=gemini-1.5-flash
ELL_TEMPLATE=default-gemini
ELL_API_KEY=xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
ELL_API_URL=https://generativelanguage.googleapis.com/v1beta/models/

下面是一个配置示例，用于从 OpenAI 使用 gpt-4o-mini。

ELL_API_STYLE=openai
ELL_LLM_MODEL=gpt-4o-mini
ELL_TEMPLATE=default-openai
ELL_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
ELL_API_URL=https://api.openai.com/v1/chat/completions

确保你的配置正确。

使用示例

基本用法

ell "What is the capital of France?"

指定模型并使用文件作为输入

ell -m gpt-4o -f user_prompt.txt

从标准输入读取

cat somecode.py | ell -f -

如果你更喜欢即时添加另一段 prompt 而不是在模板中添加：

(cat somecode.py; echo "Explain this code") | ell -f -

记录终端输入和输出并用作上下文

ell -r
# do random stuff
ell What does the error code mean?
ell How to fix it?

交互模式

ell -i

在交互模式下，record mode 会自动启用，允许你在有上下文的情况下与 LLM 聊天。

指定模板并启动 record mode 和交互模式

ell -r -i -t ctf-gemini

ell -r -i -t ctf-openai

取决于你使用的是哪个 API。

示例应用：夺旗赛游戏（webm，2.6MiB）

插件和模板

请注意，ell 中对 LLM 提供商插件支持的使用是通过模板实现的。

这里的术语"插件"指的是可以被 ell 调用的脚本。它可以用于扩展 ell 的功能。LLM 提供商支持的插件不包括在这里。请参阅模板。

Backend 将 ell 适配到某个 LLM API"风格"（使用 --api-style / ELL_API_STYLE 选择）。OpenAI 和 Gemini 开箱即用支持，你也可以添加自己的。

有关 ell 的构成、启动序列、配置优先级、请求管道及其四个钩子阶段、backend 和 record mode 的详细信息，请参阅架构。

请参阅风险考量。

常见问题

Q: 为什么叫 "ell"？

A: "ell" 是 shell 和 LLM 的组合。它是用来使用 LLM backend 的 shell 脚本。曾经考虑过"shellm"，但被放弃了，因为可能会被误解为"she llm"。"ell" 更短，易于输入和记忆。它不与任何活跃的软件冲突。注意"shell"这个 shell 脚本的名称之所以存在，是因为它是暴露给用户的操作系统的外层。它并不表示这是 CLI 或 GUI。不幸的是，它无法缩短为"L"（同音），因为那会与太多东西冲突。

Q: 为什么用 Bash 编写？

A: 因为 Bash 是类 Unix 系统上最常见的 shell，没有必要为此使用更复杂的语言。

Q: ell 与其他类似项目有什么区别？

A: ell 几乎完全用 Bash 编写，这使它非常轻量级且易于安装。它也非常易于扩展和修改。它是管道友好的，这意味着它设计用于与其他工具结合使用。

相关项目

https://github.com/kardolus/chatgpt-cli - 用 Go 编写的 ChatGPT CLI。

https://github.com/kharvd/gpt-cli 用于各种 LLM backend 的 CLI，用 Python 编写。

https://github.com/JohannLai/gptcli 用于 OpenAI LLM 的 CLI，用 TypeScript 编写。

https://github.com/x-cmd/x-cmd 包含 LLM API CLI 的大量工具集合。该项目用 POSIX bash 和 awk 编写。

https://github.com/llimllib/gpt-bash-cli 用于 OpenAI API 的 CLI，将请求和响应保存到数据库中。它也使用系统钥匙环来存储 API 密钥，这更安全。该项目也用 bash 编写。

https://github.com/charmbracelet/mods 用 Go 编写的与 LLM 交互的 CLI 工具。它在会话管理方面具有丰富的功能。

https://github.com/hiquest/nicechat 用于 OpenAI 模型的 CLI 聊天界面，用 Node.js 编写。

https://github.com/closedloop-technologies/autocomplete-sh 用于 LLM 的 CLI，使用补全与用户交互。它还获取多个历史操作以提供更好的建议，也用 bash 编写。

https://github.com/plandex-ai/plandex 用于开发 AI 集成工作流的 CLI 工具，用 Go 编写。

https://github.com/simonw/llm 用于深度操作 LLM 的 CLI 工具，用 Python 编写。

https://github.com/sigoden/aichat 与各种 LLM 提供商交互的 CLI 工具，用 Rust 编写。

https://github.com/npiv/chatblade ChatGPT 的 CLI 瑞士军刀，用 Python 编写。

测试

使用 bash tests/entry.sh 在你的主机上运行整个测试套件，或使用 bash tests/docker.sh 在 Docker 中跨受支持的 Bash 版本运行。测试是自检查的且不需要依赖（LLM backend 通过 ell_echo backend 和 file:// fixtures 离线运行，所以不需要网络或 API 密钥）。有关布局以及如何添加测试，请参阅 CONTRIBUTING.md。

贡献

欢迎贡献！请提交 issue 或发送 pull request。有关编码约定和测试套件，请参阅 CONTRIBUTING.md。

有关重要更改，请参阅 CHANGELOG.md。

许可证

该项目在 MIT License 下授权。详见 LICENSE 文件。