最近 Vibe coding 和 Agent 都比较火，最近还是比较有空，就用 Cursor 随手撸了一个命令行 agent 工具，取名 shex （ shell + execute ）。

起因

每次用终端的时候，总有那么几个命令死活记不住。比如 tar 的参数到底是 -xvf 还是 -cvf ，find 命令的语法又是什么来着... 以前都是现查，现在有了大模型，干脆让它帮我生成命令算了。

市面上类似的工具不少，但要么功能太重，要么配置太麻烦。我就想要一个最简单的：输入自然语言，执行命令，完事。

效果

安装：

pip install shex

使用：

shex 列出当前目录所有文件
shex 查看磁盘使用情况
shex 找出所有 python 文件
shex 压缩 logs 文件夹

首次运行会引导你选语言、选大模型、填 API Key ，之后就可以直接用了。

特性

• 支持十来个大模型：DeepSeek 、OpenAI 、Claude 、Gemini 、通义千问、Kimi 等等，也支持任何兼容 OpenAI 接口的 API
• 失败自动重试：命令执行失败会自动分析错误，换个方法再试
• 危险命令确认：涉及删除、格式化这类操作会先问你
• 实时输出：命令执行过程中的输出会实时显示
• 跨平台：Windows 、macOS 、Linux 都能用

实现

核心思路是用 OpenAI 的 Function Calling （ Tool Calling ）机制，把命令执行封装成一个 tool 。用户输入自然语言后，大模型决定要执行什么命令，然后调用这个 tool 。

大概架构：

用户输入 -> LLM 分析 -> Tool Call (execute_command) -> 执行结果 -> LLM 判断是否需要重试

如果执行失败，LLM 会根据错误信息自动尝试其他方法，最多重试 3 次。

危险命令的判断也交给 LLM ，它会在调用 tool 时传一个 is_dangerous 参数，程序根据这个参数决定是否弹确认。

代码

项目已经发到 PyPI 了，源码在 GitHub：

• PyPI: https://pypi.org/project/shex/
• GitHub: https://github.com/YUHAI0/shex

代码量不大，核心逻辑就几百行，感兴趣的可以看看。

最后

整个项目从想法到发布大概花了一个下午，大部分代码都是 Cursor 帮忙写的，我主要就是提需求、调调 prompt 、修修 bug 。不得不说现在 vibe coding 的效率确实高，以前这种工具起码得写两三天。

欢迎试用，有问题可以提 Issue 。

另外再附上上一个 Agent 项目链接： https://fin-agent.chat