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
|
2月前
|
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)
|
2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)
851 22
|
2月前
|
机器学习/深度学习 人工智能 边缘计算
转行AI需谨慎:那些半途而废的人,都忽略了这几点。
2025年AI岗位需求暴增543%,但超六成转行者半年内放弃。本文揭示五大陷阱:盲目跟风忽视赛道适配、混淆工具使用与真实能力、碎片化学习缺实战闭环、急功近利轻视伦理、为高薪而非兴趣出发,并指出科学路径才是破局关键。(239字)
588 12
|
2月前
|
人工智能 API iOS开发
什么是龙虾AI🦞OpenClaw?OpenClaw能干升么?OpenClaw介绍及如何本地/云端部署喂饭级图文教程
OpenClaw(前身为Clawdbot/Moltbot)是一款遵循MIT协议的开源、本地优先的AI自动化代理引擎,作为面向个人与企业的自托管式AI数字员工,它以自然语言指令为驱动,可在本地或私有云环境中完成文件操作、流程编排、浏览器自动化、多IM平台交互等各类任务,实现了从传统AI“对话式建议”到“自动化执行”的核心跨越。2026年该工具完成了对国内云平台与本地系统的深度适配,尤其支持阿里云百炼免费大模型API的无缝对接,让零基础用户也能快速搭建专属的AI自动化助手。本文将详细讲解2026年新手零基础下阿里云、MacOS、Linux、Windows11本地部署OpenClaw的完整步骤,同时
825 24
|
2月前
|
机器学习/深度学习 JSON 自然语言处理
DeepSeek 双百万 token 窗口对话数据的量化对比分析
本文基于第一个百万 token 窗口(以下简称 窗口 1)与第二个百万 token 窗口(以下简称 窗口 2)的完整对话数据,采用量化对比的方法,系统揭示两套对话在轮次、文本长度、语种构成以及估算 token 消耗方面的显著差异。研究发现,尽管窗口 2 的轮次和总字数均低于窗口 1,但其每轮对话的文本密度与估算 token 消耗显著更高。结合窗口 2 在生成 5 篇深度分析文章过程中的实际经验,本文提出“长文本生成的隐性 token 消耗”假说,并引用近期相关研究提供理论支撑。该假说为理解大模型在真实工程环境中的行为提供了新视角,也为用户在设计跨窗口连续工程时的指标控制与迁移提供了可操作的参考
DeepSeek 双百万 token 窗口对话数据的量化对比分析

热门文章

最新文章