忘记CLI命令行参数? agtm提示词工具帮助人和AI Agent更好记住各种 Agent-CLI命令行

简介: agtm是一款专为AI/Agent开发者设计的CLI命令行提示与补全工具,支持Claude、Codex等Agent快速发现、补全并执行playwright、claude、codex等复杂CLI命令,避免记忆负担与Token浪费。开源免费,支持人机双模交互。

作为 AI/Agent 应用开发者,经常使用 Claude CodeCodex OpenClaw 来管理AI Agent 任务,通过 MCPSkills,尤其是命令行接口(CLI)来执行API等操作。

但我经常遇到一个问题:就是无法记住所有工具的复杂并且完整 CLI 命令、位置参数或选项,例如 `playwright-cli``claude` `codex`

对于人来讲,每次都去查网站的文档或 README.md 太麻烦了,对于Agent 来讲,从Skills文件中寻找到 Agent-Cli 如果执行失败,比如 Skills中命令行版本更新等原因,

会直接导致任务失败,白白浪费Token。 为了解决这个问题,发现了一个有趣的CLI 提示词的辅助工具 agtm: agent skills cli命令行管理提示词的工具。

适合人和Agent不同模式来执行,支持提示和自动补全功能。它可以帮助人类和代理快速发现并执行 CLI 命令,而无需记忆。



项目开源地址:https://github.com/aiagenta2z/agtm,

相关skills onekey gateway 下载:https://github.com/aiagenta2z/onekey-gateway



补全playwright 命令行例子,输入 play,然后找到 playwright的命令行。

image.png


agtm使用示例


假设你想测试本地环境Agent 能否通过 playwright的命令行来访问网页 playwright-cli` 的网页读取 (go to url)功能,但是忘记了具体命令行怎么写了。
那你只需要打出来 "play" 这个词,就可以根据提示词工具完整补全自己的命令行了。



1. 安装和设置

Installation

npm install -g @aiagenta2z/agtm
agtm setup --hint  # Builds a local RAG of CLI hints
agtm run <provider_unique_id> <agent_cli>

agtm setup:会管理你本地的agent目录然后构建一个命令行 CLI RAG系统,构建提示词查找的索引。

agtm run :命令行执行+提示

参数含义:

provider_unique_id: 例如选择 微软的playwright 工具 (microsoft/playwright-cli), owner/repo (GitHub style)

agent_cli: 具体的命令行 the CLI commands in that repository


`agtm run` 后输入关键字,例如 `play`

agtm run play


2. 执行Playwright 网页访问命令行

根据提示Guidance 逐步选择

Step 1: 选择建议的 Skill ID

这里我们选择 "microsoft/playwright-cli" 这个微软的命令行工具,这里的 unique_id


Skill ID suggestions:
  1. microsoft/playwright-cli
  2. paul-gauthier/aider
  3. anthropic/claude-code
  4. openai/codex-cli
  5. googleworkspace/cli


Step 2: 选择 具体要执行命令行


Command hints:
  1. playwright-cli goto <url> # navigate to a url
  2. playwright-cli open [url] # open browser, optionally navigate to url


我们选择1 playwright-cli goto


Step 3: 填写参数完成最终命令

playwright-cli goto https://www.baidu.com


补全之后的命令行

agtm run microsoft/playwright-cli playwright-cli goto https://www.google.com


Step 4. 点击Enter,直接执行


Agent Skills 模式执行


agent Claude Code Codex 等代理也可以使用提示系统自动执行命令。Agent 模式下,工具会搜索相关 Skill ID CLI 提示进行非交互式执行:

可以通过下载skills,包含 agent-cli-hint-completion 命令行补全工具和 skills执行benchmark评测打分工具等。


1. 安装Skill

Skill

description

agent-cli-hint-completion

Agent 命令行提示词Hint工具Skills

agent-skills-evaluator

Agent 记录每次skills执行输入输出,根据benchmark文件来评估skill

安装 Skiil

npx agtm skills add aiagenta2z/agtm


2.使用agent run的skill

例如在 codex中,如果执行执行 playwright 失败,可以再次输入prompt:

Use Agtm to test run playwright to visit webpage https://www.baidu.com

这个时候agent 会调用 skills,内部的命令行

agtm run playwright --mode agent


示例输出完整的CLI的提示

Skill ID suggestions:
  1. microsoft/playwright-cli
     - playwright-cli open [url]  # 打开浏览器,可选导航到 URL
     - playwright-cli goto <url>   # 导航到 URL



这让代理能够根据提示修改并正确执行 CLI 命令:


原理分析

1. 本地 CLI RAG:

agtm setup 会构建 CLI 提示的本地 RAGtrie)。先匹配 Skill ID,再提供所选 Skill CLI 建议和提示。

Agent 模式:

代理可以自动使用 CLI 提示。非交互式模式下,工具会从本地 RAG 提供相关 CLI 建议。

当前支持 10–20 个仓库 ,50+ CLI


可通过 GitHub 提交 CLI 提示或修改 .agtm/hints.json 扩展

Support CLI List, Please welcome to contrib


unique_id agent cli
microsoft/playwright-cli playwright-cli open [url], playwright-cli goto
googleworkspace/cli gws drive files list --params
aiagenta2z/onekey-gateway onekey agent <unique_id> <api_id> <data_json
openai/codex-cli codex, codex exec "[instruction]"
anthropic/claude-code claude "[prompt]", claude --dangerously-skip-permissions
paul-gauthier/aider aider --model [model_name], /test [command]
openinterpreter/open-interpreter interpreter, interpreter --os
google-gemini/gemini-cli gemini, gemini -p "[prompt] @[file/dir]", gemini --yolo, /memory add "[fact]", /mcp list, /restore


相关文章
|
1月前
|
数据安全/隐私保护 Android开发 iOS开发
阿里云企业邮箱收费标准一年多少钱?免费版、标准版、企业尊享和集团版费用价格
阿里云企业邮箱提供免费版(0元)、标准版(540元/年)、尊享版(1260元/年)和集团版(7600元/年)四档,支持5–100个账号及差异化网盘容量。功能逐级增强,VIP服务含专属技术支持。性价比高,适合不同规模企业按需选择。(239字)
998 138
|
25天前
|
JSON API PHP
使用PHP对接美股股票市场API 实时数据、IPO和K线(Kline)的PHP对接方案
StockTV API 面向开发者,提供美股实时行情、历史K线(5分钟至1月)、IPO日历等数据,支持HTTP/WS双接入,全接口返回标准JSON,含纽交所(ex=1)与纳斯达克(ex=2)标识。(239字)
|
1月前
|
机器学习/深度学习 人工智能 文字识别
小红书开源FireRed-OCR,2B 参数登顶文档解析榜单
小红书FireRed团队开源的FireRed-OCR(仅20亿参数),在OmniDocBench v1.5端到端评测中以92.94%综合得分登顶,超越Gemini 3.0 Pro等大模型。专注解决文档解析中的“结构幻觉”问题,通过三阶段训练+格式约束强化学习,精准还原表格、公式、多栏等复杂结构。Apache 2.0协议,ModelScope开源,支持本地商用部署。(239字)
776 22
|
17天前
|
机器学习/深度学习 存储 缓存
大模型架构算力对比:Decoder-only、Encoder-Decoder、MoE深度解析.71
本文深入解析三大主流大模型架构(Decoder-only、Encoder-Decoder、MoE)的算力消耗差异,聚焦注意力机制复杂度、参数量与计算密度三大维度。通过公式推导、代码模拟与可视化图表,揭示MoE稀疏激活的显著节算优势及瓶颈,剖析长文本场景下的“平方级算力黑洞”成因,并提供面向不同场景的架构选型建议。
333 20

热门文章

最新文章

下一篇
开通oss服务