从小白到创造者：我的 AI 命令行工具诞生记

nevermore在掘金75171
141 阅读6分钟

从小白到创造者：我的 AI 命令行工具诞生记

作者：weiwei2012holy
项目地址：AI-Bash
发布日期：2024-04-09

开端：命令行菜鸟的“救命”灵感

作为一个刚摸到编程门槛的菜鸟，我对命令行简直有种天然恐惧。记得有一次，我想找电脑里占用空间最大的文件，结果在网上翻了半小时教程，才拼凑出 dir /b /s /o-s（Windows）这么个命令。查个进程、杀个程序，甚至只是列个目录，我都得像侦探一样到处搜语法。更别提在 Linux 上折腾，动不动就被 man 手册的英文淹没。这种低效让我抓狂，也点燃了一个大胆的想法：能不能有个工具，让我用“人话”告诉它需求，比如“找大文件”“杀掉吃内存的进程”，它就直接给我命令？带着这个念头，我的 AI 编程冒险正式启程。

AI Cursor：从工具到“编程师父”

机缘巧合下，朋友推荐了 AI Cursor。我本来以为它只是个花哨的代码编辑器，结果发现它更像个全能的编程导师。我试着跟它“聊天”：“我想做一个工具，用自然语言描述需求，比如‘找大文件’，它就自动生成命令。” AI Cursor 不仅秒懂，还给我画了张蓝图：

  1. Python 做主力：简单易学，适合我这种新手。
  2. Click 搭界面：专门为命令行工具设计，轻量又强大。
  3. OpenAI API 加持：用大模型翻译“人话”成命令。
  4. 跨平台兼容：Windows 和 Linux 都能跑，不留死角。

更让我惊喜的是，它还会根据我的水平调整建议，完全不像网上那些高深莫测的教程。我瞬间觉得：这不就是我梦寐以求的“编程师父”吗？

实战：AI 带我从零写代码

第一步：从“空文件夹”到“跑起来”

我连怎么起头都一头雾水，AI Cursor 直接甩给我一串命令：

mkdir cmd_ai && cd cmd_ai
python -m venv venv
source venv/bin/activate  # Windows 用 venv\Scripts\activate
pip install click openai python-dotenv

几分钟后，项目环境就搭好了。它还顺便教我用 .env 文件存 API Key，避免硬编码的安全隐患。我敲下 pip list，看到一堆包整整齐齐列出来，心里那个成就感简直爆棚——从“懵”到“哇”，就这么简单。

第二步：Hello, World 的“开门红”

AI Cursor 建议我先写个简单框架热热手：

import click

@click.command()
def cli():
    """AI-Bash: 把人话变成命令的魔法工具"""
    click.echo("Hello, World!")

if __name__ == "__main__":
    cli()

敲完 python main.py，屏幕上跳出 “Hello, World!”，我乐得像个刚学会说话的孩子。AI 还逐行拆解：@click.command() 是命令的“开关”，click.echo() 是比 print() 更优雅的输出。我问：“为啥不用 print()？” 它答：“click.echo() 能处理编码问题，跨平台更稳。” 这波细节，直接让我对编程多了几分敬畏。

第三步：核心魔法——AI 生成命令

到了重头戏：怎么让 AI 理解我的需求并吐出命令？AI Cursor 给我设计了个 LLMClient 类：

from openai import OpenAI
from dotenv import load_dotenv
import os

load_dotenv()

class LLMClient:
    def __init__(self):
        self.client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
    
    def generate_command(self, query: str, platform: str = "auto") -> str:
        system_prompt = f"你是命令行大师，根据用户需求生成 {platform} 系统下的命令。"
        response = self.client.chat.completions.create(
            model="gpt-3.5-turbo",
            messages=[
                {"role": "system", "content": system_prompt},
                {"role": "user", "content": query}
            ]
        )
        return response.choices[0].message.content.strip()

我输入“找最近修改的文件”，它返回 dir /o-d /t:c（Windows）或 ls -lt（Linux），完美！AI 还解释：system_prompt 是给模型定调，platform 参数能让我指定操作系统，避免命令跑偏。我忍不住多试了几次：“杀掉 Chrome”“列出所有 txt 文件”，结果都准得让我怀疑自己是不是在做梦。

第四步：加点“人性化”调料

光有功能还不够，AI Cursor 提议加点用户体验的“调料”。比如一个加载动画，让等待不那么枯燥：

import threading
import sys
import time

class Spinner:
    def __init__(self, message="加载中"):
        self.spinner_chars = "⠋⠙⠹⠸⠼⠴⠦⠧⠇⠏"
        self.message = message
        self.running = False
    
    def _spin(self):
        while self.running:
            for char in self.spinner_chars:
                sys.stdout.write(f"\r{self.message} {char}")
                sys.stdout.flush()
                time.sleep(0.1)
        sys.stdout.write("\r")
        sys.stdout.flush()
    
    def start(self):
        self.running = True
        threading.Thread(target=self._spin).start()
    
    def stop(self):
        self.running = False

敲代码时，我差点忘了关线程导致程序卡死，AI Cursor 立刻提醒：“用 stop() 清理，别让动画抢主线程的风头。” 加上彩色输出（借助 click.style），界面一下从黑白默片变成了彩色大片。

第五步：细节打磨——配置文件和错误处理

AI 还建议我加个配置文件，让用户自定义 API Key 和偏好：

import json

def load_config(config_file="config.json"):
    try:
        with open(config_file, "r") as f:
            return json.load(f)
    except FileNotFoundError:
        return {"api_key": "", "platform": "auto"}

它还帮我加了错误处理，比如 API 超时或输入乱七八糟时，友好提示而不是直接崩掉。这些小细节让我意识到：好工具不只看功能，还得“体贴”。

项目“闪光点”：AI 赋予的超能力

  1. 聪明到爆：AI 能从“找大文件”生成 find . -size +100M，意图理解精准得像读心术。
  2. 跨平台无忧：Windows 的 dir 和 Linux 的 ls，AI 自动适配，我都不用操心。
  3. 赏心悦目：旋转动画、彩色提示，小心思拉满用户好感。
  4. 随心所欲：配置文件简单易改，API Key 一填就用，灵活性满分。

成长日记：从“慌”到“行”

  • 学到了啥：类怎么写、线程怎么开、API 怎么调，AI 边教边练，我从零基础到能看懂代码逻辑。
  • 摔过的坑：Linux 命令在 Windows 上跑崩、API 偶尔“脑抽”生成奇怪结果、动画线程忘了关。
  • AI 的救场：它不仅指出问题（“你忘了判断平台”），还给优化方案（“加个缓存试试”），甚至教我写测试用例验证效果。

我还记得第一次调试时，程序死循环，屏幕全是乱码。AI Cursor 让我加日志看变量，才发现是 API 返回空值。从那以后，我学会了“凡事留个后门查问题”。

下一步：和 AI 一起飞得更高

  1. 新玩法：加命令历史（别让我重复输入）、自定义模板（比如“备份文件”直接套模板）、支持更多命令类型（网络、权限管理等）。
  2. 跑得更快：缓存常用命令、优化 API 调用频率，争取秒级响应。
  3. 玩出圈：写份详细文档、加一堆测试用例，建个 GitHub Issue 收集反馈，搞不好还能拉几个贡献者。

我还想加个“学习模式”，让工具把生成的命令拆解解释，帮新手边用边学。AI 听完直夸：“这想法有潜力！”

尾声：AI 编程，未来已来

从一个被命令行虐到怀疑人生的菜鸟，到用 AI Cursor 打造出自己的工具，这一路我不仅学会了编程，还摸到了 AI 的“魔法边界”。它让我意识到：编程不是高不可攀的山，而是可以和 AI 一起翻越的坡。

如果你也厌倦了翻教程的日子，或者好奇 AI 怎么把创意变成现实，欢迎来 GitHub 仓库 围观我的“处女作”。有问题？提 kwest！有想法？来 PR！让我们一起，在 AI 的加持下，探索编程的新疆界！

avatar
文章
阅读
粉丝