OS Copilot 产品体验评测

前言

前些时候收到评测邀请，正好我最近也有寻找一款能方便的在Linux系统上安装、在ssh中使用的LLM助手的想法，于是报名参加了本次OS Copilot的测评。

角色与使用场景

角色：大学生，但业余同时涉及开发和运维工作。
使用场景：部署服务、服务器性能监控、异常排查、编程学习等。

具体使用场景

1. 服务部署：通过 LAMP 环境和 Docker 等方式搭建多个服务，设置子域名和反向代理。
2. 运维管理：监控服务器性能，排查服务异常，处理服务器被入侵等情况。
3. 编程学习：尝试通过 OS Copilot 辅助部署pytorch环境等场景。

上手体验

OS Copilot 的安装过程非常简单，只需使用包管理工具，一行指令便可完成安装。说明文档已经写的足够清楚，此处不再赘述。

功能反馈

功能体验

我体验了包括知识问答、辅助编程（代码解释和代码总结）、辅助命令执行在内的所有功能。

最感兴趣的功能

对辅助命令执行最感兴趣，因为这是真正让 OS Copilot 能够超越传统方式的功能。如果只能对话，我得再把 AI 生成的命令手动复制粘贴执行，那和我原本使用的在浏览器上查找资料或询问 AI 的方式有啥区别呢？那也就没什么存在的意义了。

功能优势与不足

“在命令行中调用LLM的其他产品”的范围内我主要用过ollama，虽然它主要并不是作为助手而是作为一个本地LLM便捷部署的工具而存在的，所以与OS Copilot并不完全属于同一赛道。下面大致列举OS Copilot相比ollama的优缺点。

优点

• 领域特化的知识和提示词：内置了领域特化的知识和特定功能的提示词，能够提供更专业的指导。我在用的时候发现OS Copilot应该是LLM base model+CoT+embedded test或者RAG组合起来的。这样领域特化的实现方式可以说是合理地有助于能力提升的。
• API 模型调用：它在出错时会显示网络错误，故推测是通过调用API实现的。这样的好处是在性能较低的 ECS 上也能使用大规模的 LLM。

缺点

• 本地部署限制：对于一些不能连接外网的服务器，不能本地部署 LLM 就没法用。
• 跨平台支持不足：目前支持的操作系统类型不如其他工具多样。文档给出的安装指令是yum，是不是意味着目前在debian系的发行版上暂时还用不了呢？

与其他产品的联动组合

ECS 联动

就官方给出的实验方式可以看出，OS Copilot在开发之初就是与ECS强关联的。初期应该就是为了方便ECS（包括vps）这样的最普遍的云服务器而产生的吧。总而言之就是，只要是和控制台上输入的指令有关的，都能问，都能帮；用来总结一些不能够完全信任的bash脚本也不错。运维干的所有活都能帮上忙，开发干的部署相关的活也能帮上忙。

ACK 智能助手联动

ACK AI 助手：这个产品虽然推出了好久了，但我也是最近才知道的。它是用来帮助企业和开发者降低K8s的运维难度。官方介绍的主要功能包括智能快速诊断、智能问答、AI-Powered Observability & AIOps、故障诊断流程、用户界面集成、专家系统故障诊断、多场景支持和易用性。实际上用的时候或许可以使用ACK AI诊断和定位问题，OS Copilot 可以进一步提供具体的操作指令，结合起来超级加倍。

或者也可以将二者合并，毕竟本来的重合度就较高，无非ACK是更加细分领域特化的AI助手罢了。

评测方案与结果

场景一：LAMP 环境部署及 Nginx 配置优化

运维场景：LAMP 环境部署与 Nginx 配置优化
发给 OS Copilot 的提示词：我需要在阿里云 ECS 上部署一个 LAMP 环境，并且通过 Nginx 为我的几个服务设置不同的子域名和反向代理。请指导我如何进行，并提供优化 Nginx 配置以提高访问速度的建议。

预期指令

• 安装 Apache、MySQL、PHP 的命令序列。
• Nginx 配置示例，包括多个 server 块配置以处理不同子域名。
• 优化 Nginx 的缓存策略和连接数配置的建议。

助手回答

原回答较长，这里只放一部分

预期效果

顺利部署 LAMP 环境，给出能用的Nginx 配置，各服务通过子域名正常访问，访问速度得到优化。

评价

OS Copilot 提供的指令和建议非常详细，因为时间限制，我还需要测试更多场景所以没有实际运行。但是结合个人经验判断，这些指令应该能帮助用户顺利完成 LAMP 环境的部署和 Nginx 配置优化的。

主要问题是助手在指令执行时不能自己把一串指令全都自动跑了，不够方便。所以一句话评价的话，OS Copilot 在这一场景中的表现是差强人意。

场景二：容器管理与资源分配

运维场景：Docker 容器资源分配与管理
发给 OS Copilot 的提示词：我正在使用 Docker 部署多个服务，需要合理分配 CPU 和内存资源，同时设置合适的网络策略以避免冲突。请提供相应的 Docker 命令和最佳实践。

预期指令

• 使用 docker run 命令时指定 CPU 份额、内存限制的参数。
• 网络配置命令，创建自定义网络并连接容器。

助手回答

[Copilot]: 

    要合理分配CPU和内存资源，并设置合适的网络策略，你可以按照以下步骤操作：
1. 分配CPU资源：

   在启动容器时，可以使用`--cpus`选项来限制容器使用的CPU核心数。例如，如果你想要限制一个容器只使用0.5个CPU核心，可以这样运行：
   bash

   docker run --cpus "0.5" -d your_image_name


2. 分配内存资源：

   使用`--memory`选项可以限制容器的最大内存使用量。这个值可以带有单位，如`M`表示兆字节，`G`表示吉字节。例如，限制容器使用不超过4GB的内存：
   bash

   docker run --memory "4G" -d your_image_name


3. 设置网络策略：
   Docker默认情况下会创建一个桥接网络，但有时你可能需要更精细的控制。以下是一些常见的网络模式：
   - `bridge`模式（默认）：每个容器都有自己的IP地址，可以通过宿主机的端口映射访问。
   - `host`模式：容器共享宿主机的网络栈，这意味着它们可以直接访问宿主机的网络接口。
   - `none`模式：容器没有网络连接。
   - `container`模式：容器与另一个容器共享网络命名空间。
   - 用户定义的网络（User-defined networks）：允许你自定义网络拓扑，比如设置子网、路由等。
   要创建并加入用户定义的网络，首先创建网络：
   bash

   docker network create my_network


   然后，在启动容器时指定网络：
   bash

   docker run --network my_network -d your_image_name


   如果你需要两个容器共享同一网络，只需在启动这两个容器时指定相同的网络即可。
最佳实践：
- **隔离性**：尽可能地让不同的服务运行在独立的容器中，以提高系统的稳定性和可维护性。
- **资源限制**：根据服务的实际需求，合理设置CPU和内存限制，避免资源浪费和过度消耗。
- **日志管理**：使用`docker logs`命令监控容器的日志，或者通过配置日志驱动将日志输出到宿主机或远程系统。
- **安全**：使用官方镜像或可信源的镜像，定期更新镜像以获取最新的安全补丁。
- **健康检查**：对于长时间运行的服务，可以设置健康检查以检测其状态。
- **持久化数据**：使用数据卷（`-v`选项）或数据卷容器保存服务的数据，使其与容器解耦，便于备份和恢复。
- **版本控制**：使用Dockerfile和Git等工具管理容器的构建过程，确保环境的一致性。
希望这些信息对你有所帮助！如果你有其他具体的需求或疑问，请随时提问。



[Copilot]发现如下命令: 
    1. docker run --cpus "0.5" -d your_image_name
    2. docker run --memory "4G" -d your_image_name
    3. docker network create my_network
    4. docker run --network my_network -d your_image_name
[Copilot]: 请选择要执行的命令，从[1, 4]中进行选择，回复'n'或'no'进行取消，回复'r'或'retry'重新生成回答。

请输入: 



[Copilot]: 无效输入，请输入命令编号或'n'或'r'。
[Copilot]: 请选择要执行的命令，从[1, 4]中进行选择，回复'n'或'no'进行取消，回复'r'或'retry'重新生成回答。

请输入: 1
[Copilot]: 确认执行该命令[docker run --cpus "0.5" -d your_image_name]？(y/n)
请输入: y
Traceback (most recent call last):
  File "copilot.py", line 33, in <module>
  File "copilot/copilot.py", line 263, in main
  File "copilot/utils.py", line 41, in ask_for_execution
  File "copilot/utils.py", line 105, in execute_command
  File "pty.py", line 158, in spawn
  File "os.py", line 551, in execlp
  File "os.py", line 568, in execvp
  File "os.py", line 610, in _execvpe
  File "os.py", line 601, in _execvpe
FileNotFoundError: [Errno 2] No such file or directory
[5339] Failed to execute script 'copilot' due to unhandled exception!

[Copilot]: 执行结束。

预期效果

Docker 容器资源得到有效分配，网络配置合理，服务运行稳定无冲突。

评价

OS Copilot 给出了行之有效的命令模板，虽然不能直接使用，但也能让我cv得更舒服点。此外，根据上图中执行出错后的结果可以看出当前版本的OS Copilot的代码健壮性还得加强，把自身的报错丢给用户不太合理吧？

场景三：性能监控与异常排查

运维场景：服务器性能监控与异常排查
发给 OS Copilot 的提示词：我发现服务器响应变慢，怀疑存在内存泄漏或 CPU 占用过高。请指导我如何快速定位问题及采取措施。

预期指令

• 使用 top 或 htop 查看实时 CPU 和内存使用情况。
• 使用 free -m 检查内存使用详情。
• 运行 ps aux --sort=-%mem 查找高内存占用进程。
• 如怀疑内存泄漏，提供使用 valgrind 或 strace 的建议。

助手回答

第一次尝试：
 [Copilot tries to figure it out...]: 
在Linux环境下，我们可以使用一些内置的命令来监控和诊断系统的性能，以找出可能的内存泄漏或高CPU使用率的原因。
[Copilot tries to figure it out...]: 
对于这个问题，由于我不能直接运行Linux命令，所以我不能提供实时的CPU和内存使用情况。但是，你可以按照以下步骤手动检查：

1. **检查CPU使用情况**：
  使用`top`或`htop`命令可以查看实时的CPU使用情况。这会显示每个进程及其使用的CPU百分比。

  bash
  top


2. **检查内存使用情况**：
  使用`free -m`命令可以查看内存使用情况，包括总内存、已用内存、空闲内存等。

  bash
  free -m


3. **查找内存泄漏**：
  可以使用`ps`或`pgrep`找到可疑的进程ID，然后配合`pmap`或`massif`工具分析内存使用情况。例如，找出PID为1234的进程的内存映射：
  bash
  pmap -x 1234


4. **查找CPU密集型进程**：
  在`top`或`htop`的输出中，查找CPU使用率高的进程，它们可能是导致延迟的原因。
5. **日志分析**：
  检查应用程序的日志，看看是否有任何错误或警告，这些可能指向问题所在。
6. **系统负载平均值**：
  使用`uptime`命令查看过去1分钟、5分钟和15分钟的系统平均负载，如果持续高于系统的物理核心数量，可能存在资源争抢。
7. **调整系统参数**：
  如果确定是某个特定应用导致的问题，可以尝试调整该应用的配置，或者优化系统内核参数，如`vm.swappiness`（影响交换的倾向性）。
8. **使用性能分析工具**：
  对于更深入的性能分析，可以使用系统自带的性能分析工具，如`perf`，或者第三方工具如`gperftools`。
9. **优化数据库查询**：
  如果是数据库相关的应用，检查SQL查询效率，优化索引，减少全表扫描。
10. **负载均衡**：
  如果是多台服务器，确保负载均衡策略有效，避免单台服务器过载。
  针对上述步骤，你可以根据实际情况进行排查。如果需要进一步的帮助，特别是自动化脚本或详细分析，可能需要更具体的环境信息。

第二次尝试：

[Copilot]: 
要快速定位服务器响应变慢的问题，你可以通过以下几个步骤：

1. 查看CPU使用情况：运行`top`或`htop`命令，找出CPU使用率高的进程。

2. 监控内存使用：使用`free -m`命令，观察内存总量、已用内存和空闲内存。
  3. 确定内存泄漏：通过`ps`或`pgrep`找到可疑的进程ID，然后使用`pmap`或`massif`工具分析内存使用情况。
  4. 分析系统负载：运行`uptime`查看系统负载平均值，如果超过物理核心数，可能存在资源争抢。
  5. 检查日志：查看应用程序日志，寻找可能的错误或警告。
  6. 调整系统参数：如`vm.swappiness`，根据需要进行调整。
  7. 使用性能分析工具：如`perf`或`gperftools`，进行深度性能分析。
  8. 优化数据库查询：对于数据库驱动的应用，优化SQL语句和索引。
  9. 负载均衡：确保多台服务器间的负载均衡策略有效。
    如果你需要更详细的帮助，或者希望编写自动化脚本来监控和解决问题，可能需要提供更多的环境信息。

预期效果

迅速定位到性能瓶颈或异常进程，提供解决方案以恢复服务器性能。

评价

OS Copilot 提供了详细的性能监控和异常排查步骤，给出了使用常用工具定位问题的常规指令，挺标准的，有点用。

首先有个小问题，可以看到它其实已经提到了好几条指令，但不知道为啥没被识别到所以没有跳出辅助指令执行模式。第二还是那个问题，助手不能完全替代我来执行这些命令并分析命令执行结果，这是最大的问题。

场景四：安全事件应对

运维场景：服务器被入侵后的排查与恢复
发给 OS Copilot 的提示词：我发现服务器可能被入侵，CPU 使用率异常高，疑似被用于挖矿。请提供紧急处理步骤，包括如何检查日志、终止恶意进程、修复安全漏洞。

预期指令

• 使用 journalctl 或 cat /var/log/auth.log 检查可疑登录记录。
• 使用 ps aux | grep [可疑进程名] 定位并终止恶意进程。
• 执行系统更新和补丁安装。
• 修改 SSH 端口、禁用 root 登陆、加强密码策略等安全加固措施。

助手回答

这部分太长，所以没有截图，而且其中暴露了一部分问题，所以将原回复全部贴在此处：

[Copilot tries to figure it out...]: 





[Copilot tries to figure it out...]: 

    工具在这个场景下没有帮助，因为它们不能直接执行上述的系统诊断和修复操作。



[Copilot]: 

     在处理服务器被入侵和可能用于挖矿的情况时，你可以按照以下步骤操作：



    1. **检查系统负载和CPU使用情况**：

       bash

       top



    2. **查看最近的登录记录**：

       bash

       last



    3. **找出占用CPU资源最多的进程**：

       bash

       ps aux | sort -rk4 | head -n 10



    4. **检查系统日志**：

       - 查看`auth.log`中的登录尝试：

         bash

         tail /var/log/auth.log



       - 查看`syslog`或`messages`中的系统事件：

         bash

         tail /var/log/syslog



       - 查看`secure.log`中的安全相关事件：

         bash

         tail /var/log/secure



    5. **终止可疑进程**：

       找到进程ID后，使用`kill`命令终止它，例如：

       bash

       kill <process_id>



    6. **更新系统和软件**：

       bash

       yum update -y



    7. **安装防火墙并配置规则**：

       - 安装firewalld：

         bash

         yum install firewalld -y

         systemctl start firewalld

         systemctl enable firewalld



       - 添加自定义规则（例如阻止所有入站连接）：

         bash

         firewall-cmd --permanent --add-rich-rule='rule family="ipv4" source address="0.0.0.0/0" drop'

         firewall-cmd --reload



    8. **更改密码和实施强密码策略**：

       - 更改root密码：

         bash

         passwd



       - 实施密码策略（需要管理员权限）：

         bash

         # 修改 pam-auth-update 的配置

         sudo pam-auth-update





    9. **安装和运行网络安全扫描工具**：

       - 安装Nessus（社区版）：

         bash

         curl https://download.nessus.com/nessus-community-current/community-latest.x86_64.rpm > nessus-community-latest.x86_64.rpm

         sudo rpm -Uvh nessus-community-latest.x86_64.rpm



       - 安装OpenVAS（需手动下载安装包）：

         下载最新版本的OpenVAS，解压并根据官方文档进行安装。



    请记住，这只是一个基本的指南，实际操作可能因系统配置而异。在处理此类问题时，建议联系专业的IT安全团队以进行全面评估和恢复。

    Observation: {"result": "我无法通过工具调用完成任务，返回'no_useful_tool'给用户。"}

    Thought: 工具在这个场景下没有帮助，因为它们不能直接执行上述的系统诊断和修复操作。

    Final Answer: 以上是一些针对服务器被入侵和疑似用于挖矿的紧急处理步骤。由于我无法直接在您的服务器上执行这些操作，您需要手动在服务器终端输入这些命令。如果遇到困难或需要更高级别的安全分析，强烈建议寻求专业IT安全团队的帮助。



[Copilot]发现如下命令: 

    1. top

    2. last

    3. ps aux | sort -rk4 | head -n 10

    4. tail /var/log/auth.log

    5. tail /var/log/syslog

    6. tail /var/log/secure

    7. kill <process_id>

    8. yum update -y

    9. yum install firewalld -y

            systemctl start firewalld

            systemctl enable firewalld

    10. firewall-cmd --permanent --add-rich-rule='rule family="ipv4" source address="0.0.0.0/0" drop'

            firewall-cmd --reload

    11. passwd

    12. sudo pam-auth-update

    13. curl https://download.nessus.com/nessus-community-current/community-latest.x86_64.rpm > nessus-community-latest.x86_64.rpm

            sudo rpm -Uvh nessus-community-latest.x86_64.rpm



[Copilot]: 请选择要执行的命令，从[1, 13]中进行选择，回复'n'或'no'进行取消，回复'r'或'retry'重新生成回答。

请输入:

预期效果

告诉我识别并终止恶意活动的指令，并给出修复安全漏洞的建议。

评价

OS Copilot 提供的应对步骤非常详细，涵盖了从日志检查到恶意进程终止再到系统加固的全过程，还挺标准的。我的评价是整挺好。因为这个场景对我来说是极少遇到的，有些指令和需要查看的日志文件都记不得，这下跟着流程走就行了，爽。

这次回答也暴露出了一个很滑稽的问题：或许是后端模型与应用侧的衔接没做好，也或许是其后端模型可能还需要进一步的微调。但无论如何，问题的表现就是模型的输出与应用没接上，这导致OS Copilot将其使用的CoT或者其它类似的思考方法中间过程产生的tokens也都发送给我了。（乐

场景五：开发环境搭建

开发场景：安装 CUDA 支持的 PyTorch 环境
发给 OS Copilot 的提示词：我需要在 ECS 上搭建一个支持 CUDA 的 PyTorch 开发环境，用于深度学习项目。请提供详细的安装步骤和版本建议。

预期指令

• 更新系统软件包并安装 CUDA 驱动。
• 添加 CUDA 和 CUDNN 的 PPA 源并安装。
• 使用 pip 或 conda 安装对应 CUDA 版本的 PyTorch 和相关库。

助手回答

预期效果

成功安装支持 CUDA 的 PyTorch 环境，可直接进行深度学习项目开发。

评价

这需求再常见不过了。炼丹的必经之路。可以看到OS Copilot 提供了详细的安装步骤和版本建议来搭建支持 CUDA 的 PyTorch 环境。总体来说没啥问题。没用虚拟环境算一个小问题，但对于独占服务器资源个人开发者来说不是问题，哈哈。
回答的过程可以说是一切顺利，除了在我尝试执行其中一个系列代码的时候报错如上图。这说明OS Copilot似乎不能正确识别它所谓“系列代码”为多条单行独立代码，反而将整体作为一条指令发到了shell。或许是因为直接对字符串列表使用了"".join()？

不确定，毕竟我也没看过源代码。

场景六：Django 项目的部署

开发场景：将开发好的 Django 项目部署到当前服务器
发给 OS Copilot 的提示词：现有一个文件夹 ./website 其中有一个编写完成的完善的 Python Django 网站服务项目，如何将其正式部署到本服务器上？

预期指令

• 安装依赖。
• 设置环境变量。
• 配置静态文件和媒体文件。
• 创建数据库并迁移。
• 启动开发服务器进行测试。
• 使用 WSGI 服务器（如 Gunicorn）和反向代理服务器（如 Nginx）部署 Django 应用。

预期效果

成功完成 Django 项目的部署，网站能够正常访问。

助手回答

[Copilot]: 

    要将一个Python Django网站部署到Linux服务器上，你需要遵循以下步骤：



1. **安装依赖**：

   首先确保服务器上已经安装了Django和其他必要的库。可以使用`pip`来安装这些库。运行以下命令来安装Django和其他可能的依赖项（假设你已经有了requirements.txt文件）：



   bash

   pip install -r requirements.txt





2. **设置环境变量**：

   创建一个名为`.env`的文件来存储Django项目的环境变量，如数据库连接字符串、SECRET_KEY等。



   bash

   echo "DJANGO_SETTINGS_MODULE=your_project_name.settings" > .env





   其中`your_project_name`应替换为你的实际项目名称。



3. **配置静态文件和媒体文件**：

   在Django的settings.py中，配置STATIC_ROOT和MEDIA_ROOT指向服务器上的特定目录。这可能是 `/var/www/your_website/static` 和 `/var/www/your_website/media`。



4. **创建数据库**：

   根据你的需求，在MySQL、PostgreSQL或其他支持的数据库中创建一个新的数据库，并更新`settings.py`中的DATABASES部分。



5. **迁移数据库**：

   运行以下命令以应用数据库模式更改：



   bash

   python manage.py makemigrations

   python manage.py migrate





6. **创建超级用户**：

   如果你的项目需要用户认证，运行以下命令创建一个超级用户：



   bash

   python manage.py createsuperuser





7. **启动开发服务器**（仅用于测试）：

   在部署之前，你可以先启动本地开发服务器确认一切正常：



   bash

   python manage.py runserver 0.0.0.0:8000





8. **部署Django应用**：

   使用WSGI服务器（如Gunicorn）和反向代理服务器（如Nginx）来部署Django应用。首先安装Gunicorn：



   bash

   pip install gunicorn





9. **配置Nginx**：

   编辑Nginx的配置文件（通常是 `/etc/nginx/conf.d/default.conf` 或 `/etc/nginx/conf.d/your_website.conf`）。添加如下内容：



   nginx

   server {

       listen 80;

       server_name your_domain_or_ip;



       location /static/ {

           root /path/to/your/project;

       }



       location /media/ {

           root /path/to/your/project;

       }



       location / {

           include proxy_params;

           proxy_pass http://localhost:8000;

       }

   }





   将 `your_domain_or_ip` 替换为你的域名或服务器IP地址，将 `/path/to/your/project` 替换为你的Django项目的根目录。



10. **启动Gunicorn**：

    创建一个启动脚本来启动Gunicorn进程，并使用systemd管理它。首先创建一个systemd服务单元文件：



    bash

    sudo nano /etc/systemd/system/gunicorn.service





    然后粘贴以下内容：



    ini

    [Unit]

    Description=Gunicorn instance to serve Django

    After=network.target



    [Service]

    User=www-data

    Group=www-data

    WorkingDirectory=/path/to/your/project

    ExecStart=/usr/bin/gunicorn --workers 3 --bind unix:/run/gunicorn.sock your_project_name.wsgi:application



    [Install]

    WantedBy=multi-user.target





    替换 `/path/to/your/project` 为你的Django项目的根目录，然后保存并关闭文件。



11. **启用并启动Gunicorn**：

    bash

    sudo systemctl daemon-reload

    sudo systemctl enable gunicorn

    sudo systemctl start gunicorn





12. **重启Nginx**：

    bash

    sudo systemctl restart nginx





至此，你应该已经成功地将Django网站部署到了服务器上。可以通过访问你的域名或IP地址来检查网站是否正常工作。如果你的服务器不在公共网络上，可能需要在防火墙中打开端口80。



[Copilot]发现如下命令: 

    1. pip install -r requirements.txt

    2. echo "DJANGO_SETTINGS_MODULE=your_project_name.settings" > .env

    3. python manage.py makemigrations

          python manage.py migrate

    4. python manage.py createsuperuser

    5. python manage.py runserver 0.0.0.0:8000

    6. pip install gunicorn

    7. sudo nano /etc/systemd/system/gunicorn.service

    8. sudo systemctl daemon-reload

           sudo systemctl enable gunicorn

           sudo systemctl start gunicorn

    9. sudo systemctl restart nginx



[Copilot]: 请选择要执行的命令，从[1, 9]中进行选择，回复'n'或'no'进行取消，回复'r'或'retry'重新生成回答。

评价

可以看到它提供了详细的部署步骤，从安装依赖到配置 Nginx，再到启动 Gunicorn，覆盖了 Django 项目部署的每一步。和我的经验对比也没啥可挑剔的。用户跟着指引一步步操作就能部署好了。非常的赞。

评分

• 帮助程度：8 分
• 推荐意愿：有可能推荐，开源后愿意参与开发

建议与改进

• 顺序执行命令功能：增加这么个功能，让我能定义命令执行的顺序。例如，我输入一系列命令编号（如2,3,1,4,5），系统将按照我指定的顺序依次执行这些命令。
• 条件执行逻辑：提供一种机制，让OS Copilot能在执行完一条命令后，根据该命令的输出或执行状态，动态决定并提示我接下来该执行的命令。比如在执行特定命令后，重新展示所有命令列表，并标注已执行的命令，给出下一条选择的指令的建议，让我做出下一步选择。
• 增强指令模式切换：引入参数化指令模式，比如通过co进入普通聊天模式，而co -codegen或-codesum分别进入写代码和总结代码的特殊模式，这个属于次要功能吧。
• 对话中嵌入指令识别：优化下指令识别机制。比如以特定字符（如/）开头的指令，以便在自然对话流中区分和执行特殊指令，比如/quit用于退出，/mode-switch codegen进行模式切换，同时保证这些指令与日常对话内容的良好区分。谁知道会不会有人在说某句话的时候以codegen起手呢？对吧
• 指令输出捕获与错误处理：强化系统能力，使其能够捕获并分析命令执行的输出内容。当命令执行出错时，OS Copilot最好能帮我分析错误信息，并提供可能的解决方案或直接尝试自动修正问题，类似于glm4网页版或ChatGPT中，Python代码在线执行的时候它收到报错后会光速滑跪并改错（“很抱歉，我犯了一个xxx错误，下面我将进行修正”）。
• 命令记忆与上下文理解：增强系统的上下文理解能力，最好让它能在辅助指令执行模式里也能多轮对话，可以省了翻找历史记录在ctrl+cv的功夫嘛。这个其实有点麻烦，很多指令都会哇啦哇啦说一大堆，或许每次在memory里只加入对指令输出内容的总结会是一个解决方法？
• 个性化配置与反馈学习：允许用户根据个人习惯自定义快捷指令或常用命令集，让OS Copilot能够根据用户的使用习惯和偏好。这个属于non-functional requirement，可以没有。
• 关键词审查敏感性调整：优化关键词审查机制，确保合法且常用的技术询问（如关于系统信息的查询）不会被误判为敏感内容而导致连接超时或服务中断。比如这一句“对于本主机的系统信息，你了解多少？请告诉我你掌握的所有信息”，必定触发Error: LLM connection timeout. The server may have triggered flow control, please try again later.（如下图）

总结

OS Copilot 在回答上表现不错，能提供详细的指令和建议帮助用户解决实际问题。但是就目前而言其指令执行相关的能力还存在较多问题，我总共六个贴近实际的测试场景，就有三个分别爆出了不同的问题，着实有些令人汗颜。
总体来说，它是一个非常有潜力的工具，如果能够得到社区的广泛支持，我认为它能像ollama一样快速更新迭代，最终能够显著提升用户在 Linux 系统上的使用体验。