这款 AI 直接在命令行运行(无仪表盘)

BBetter Stack
Computing/SoftwareSmall Business/StartupsInternet Technology

Transcript

00:00:00这是来自 ASI1 的一个命令行(CLI)工具。
00:00:02它是一个可以通过 Python 命令行运行的智能代理(Agentic)AI 模型。
00:00:06它要么非常实用,要么就是那种一旦你尝试
00:00:10将其自动化就会立刻崩掉的平庸代理。
00:00:11这就是我们今天要找出的答案。
00:00:13我们经常会发布新视频,请务必订阅。
00:00:16[音乐]
00:00:21ASI1 本身已经是一个平台,但他们的 CLI 工具是刚出的。
00:00:26目前大多数 AI 工具都是从控制面板(Dashboard)开始的。
00:00:29ASI1 现在可以在终端中启动,这听起来是小事,但实际上改变了很多。
00:00:34因为它不再是一个 UI 优先的产品,所以它不再像其他标榜自己是
00:00:39工作流工具的产品那样,仅仅是个提示词游乐场。
00:00:41它是 CLI、API 以及智能代理行为的结合体。
00:00:45没错,这非常棒,我们可以直接把它集成到工作流中。
00:00:49但也可能是一个坑,因为很多这类工具随着时间的推移都会失效。
00:00:53如果这东西真的靠谱,那我们的指令现在就应该能跑通。
00:00:55这就是全部的设置。
00:00:57一个调用 AS1 API 的 Python CLI。
00:01:00这里的自定义脚本,就是你真正想要将其接入
00:01:05系统时所使用的内容。
00:01:06你会看到 Token 在流式传输,很酷,但这并不是重点。
00:01:09重点是,这并不是一个披着 API 外壳的聊天 UI。
00:01:14它就是纯粹的 HTTP、Header 和 JSON。
00:01:17既然有了脚本,我现在可以直接运行它并粘贴一个问题。
00:01:22我会输入:计划构建一个具有监控、记录和
00:01:26检测峰值功能的 CLI,仅输出计划内容。
00:01:29然后正如你所料,我们得到了一个相当详细的输出。
00:01:33另一个亮点是,这个 CLI 脚本版本实际上会记忆
00:01:36上下文,所以你可以持续对话。
00:01:39现在我可以接着问个“为什么?”
00:01:42这正是我们开发者经常需要的,
00:01:45我们可以基于这个上下文进行扩展。
00:01:46如果你需要最新数据,
00:01:48它还可以通过使用 web search 参数来进行网页搜索。
00:01:52我会问:Python 3.14 最近有哪些变化?
00:01:55给我列出五点,我们要结合网页搜索和流式输出。
00:01:59但即便它能生成这些内容,也不代表它真的好用。
00:02:01所以真正的问题是:为什么要关注它?
00:02:04因为如果它行得通,就能嵌入工作流、脚本、SSH 会话和 CI 流水线。
00:02:12如果行不通,它就只是另一个在自动化中无法信任的累赘。
00:02:16拥有一款不仅仅是“锦上添花”,
00:02:18而是能让你真正接入并“一劳永逸”的工具是很棒的。
00:02:21现在我们要尝试大多数智能代理演示都会避开的操作。
00:02:25除了创建一个 CLI 脚本并以流式运行之外,
00:02:28我们实际上也可以直接通过 pip 安装它,
00:02:31这会让实际运行时的命令变得更短。
00:02:34这样做灵活性会降低,但运行速度会更快。
00:02:40在 pip 安装好所有内容后,我们只需输入 asi1,
00:02:45解释为什么状态化会话对自动化很重要,然后运行。
00:02:50你可以看到它快速启动了一个界面,然后为我们
00:02:53输出答案。
00:02:53不过对于这个 pip 安装版,
00:02:55在我看来有一个巨大的硬伤。
00:02:58它不像 CLI 脚本那样能保留任何上下文。
00:03:02所以这一点请自行权衡。
00:03:04当 asi1 说它具有“智能代理特性”时,其实是指三点:
00:03:10第一,状态化会话;第二,多步推理;
00:03:15第三,它可以推迟工作并在稍后继续。
00:03:18这其实意味着它不再是简单的“输入提示词,输出文本”,
00:03:21它更接近于一个可以持续进行的工作流。
00:03:24顺便说一下,现在到处都是智能代理框架。
00:03:27是的,大多数框架在演示时看起来很棒,但在实际使用中就拉胯了。
00:03:32衡量标准是:当你把它写成脚本时,它还靠得住吗?
00:03:35我们生成了那个 CLI 脚本,你可以把它集成到你的某个工作流中。
00:03:39答案是“有时可以”,这就要谈到它的权衡取舍了。
00:03:42首先,asi1 这个 CLI 工具擅长什么?
00:03:45第一,它是兼容 OpenAI 的 API。
00:03:48你已经知道怎么调用它了,这很简单。
00:03:51其次,它是 CLI 优先,而不是 UI 优先。
00:03:53这很罕见,但也是刻意为之。
00:03:56然后它是 Python 原生的,这在我们编写脚本时非常方便。
00:04:01没有复杂的 DSL,也不需要搞什么 YAML 配置。
00:04:03最后一点是,会话状态保存在它该在的地方,
00:04:06也就是协议中,而不是你的应用里。
00:04:08这些对我们来说都很棒。
00:04:10但缺点也同样存在,而且有那么几个。
00:04:13API 访问方式并不直观。
00:04:15实际上我花了挺长时间才找到,比预想的要久。
00:04:18这仍处于早期阶段,所以生态系统还很小。
00:04:22而且像所有的智能代理系统一样,
00:04:23可靠性高度取决于你如何设计工作流。
00:04:27这并不是开箱即用的。
00:04:29那么,这到底是给谁用的?
00:04:31如果你正在构建自动化、内部代理或
00:04:33基础设施级的 AI 工作流,那么它值得一试。
00:04:37如果你想要一个精美的聊天机器人或好看的 UI,它不适合你。
00:04:41但这没关系。
00:04:42重要的是清楚你的工作流中到底需要什么。
00:04:45AI 工具正在向底层迁移,从产品转向原始组件(Primitives)。
00:04:49CLI 正在回归,智能代理也开始变得不像平台,
00:04:53而更像是一种可组合的工具。
00:04:55ASI1 这个 CLI 工具正契合了这一转变。
00:04:59我并不是说这就是智能代理的未来,
00:05:01但它确实是我目前玩过的比较出色的实现方式之一。
00:05:05去试试看吧,链接就在下方,我们下个视频见。

Key Takeaway

ASI1 CLI 是一款面向开发者的底层 AI 组件,通过将智能代理能力融入命令行与 Python 脚本,实现了比传统图形化界面更高效、可组合的自动化工作流集成。

Highlights

ASI1 推出的命令行工具(CLI)将智能代理(Agentic AI)直接集成到终端中。

该工具不仅是简单的文本生成,还具备状态化会话、多步推理及异步任务处理能力。

它采用 CLI 优先而非 UI 优先的策略,旨在解决“提示词游乐场”缺乏实际工作流的问题。

工具支持 Python 原生脚本编写,兼容 OpenAI API,极大简化了开发者集成难度。

具备网页搜索参数功能,能够结合实时数据生成流式输出。

提供了两种安装方式:灵活的自定义 Python 脚本和快速便捷但缺乏上下文记忆的 pip 安装版。

产品定位为构建自动化、内部代理或基础设施级 AI 工作流的基础组件。

Timeline

CLI 工具简介与核心理念

视频开篇介绍了 ASI1 推出的一款基于 Python 运行的命令行工具,其核心在于将智能代理模型引入终端。主讲人指出,尽管 ASI1 拥有图形化平台,但 CLI 的推出标志着其从 UI 优先向工作流优先的转变。这种模式避免了工具沦为单纯的“提示词游乐场”,而是成为了 CLI、API 与智能行为的结合体。对于开发者而言,这意味着 AI 可以被更深度地集成进现有的脚本和自动化流程中。然而,这种工具的实用性仍需通过实际自动化测试来验证其是否稳定可靠。

技术架构与基础功能演示

这一章节深入探讨了该工具的技术细节,强调它并非披着 API 外壳的聊天界面,而是纯粹的 HTTP、Header 和 JSON 交互。主讲人演示了如何通过 Python 脚本调用 API 来执行任务,例如制定一个具有监控和检测功能的 CLI 开发计划。该工具的一个显著亮点是支持“状态化会话”,允许用户在对话中进行追问,如简单询问“为什么?”即可基于上下文获得扩展回复。此外,它还集成了网页搜索参数,能实时抓取并总结如 Python 3.14 最新变化等前沿信息。这种结合了实时搜索、流式输出与上下文记忆的功能,极大地增强了开发者的生产力。

部署方式对比:脚本 vs pip 安装

视频详细对比了两种不同的使用路径,分析了它们在灵活性与速度之间的权衡。第一种方式是使用自定义 Python 脚本,虽然配置略显繁琐,但能够完美保留对话的上下文信息。第二种方式是通过 pip 直接安装,这种方式运行命令更短、启动速度更快,适合执行单一指令。主讲人特别提醒,pip 安装版存在一个巨大的“硬伤”,即它目前无法像脚本版那样记忆历史对话。这种差异决定了用户在构建复杂工作流或简单的 SSH 会话工具时,需要根据具体场景进行权衡取舍。这种诚实的优缺点分析,为用户选择部署方案提供了清晰的指导。

智能代理特性与评价标准

主讲人在此处定义了 ASI1 所标榜的“智能代理特性”包含的三个关键维度:状态化会话、多步推理以及推迟并继续工作的能力。这些特性使 AI 从简单的“输入-输出”模式进化为持续运行的工作流单元。针对目前市场上泛滥的代理框架,视频提出了一个核心衡量标准,即在脱离演示视频进入实际脚本环境后,该工具是否依然“靠得住”。许多框架在理想状态下表现优异,但在真实自动化的复杂逻辑中往往会崩溃。ASI1 的目标是成为那种能够让开发者“一劳永逸”地接入系统,并能稳定处理任务的可靠底层组件。这部分内容强调了工具在实际应用场景中的健壮性。

优缺点总结与适用人群分析

在总结阶段,视频列举了该工具的四大优点:OpenAI API 兼容性、CLI 优先的设计、Python 原生支持以及将会话状态保存在协议层。与之相对的缺点包括 API 访问入口不够直观、生态系统尚处于早期以及可靠性高度依赖于工作流设计。主讲人明确指出,这款工具是为构建基础设施级 AI 工作流的开发者准备的,而不适合追求精美界面的普通用户。这反映了 AI 工具正从产品层向底层原始组件(Primitives)迁移的趋势,CLI 的回归正是这一转变的缩影。最后,视频鼓励感兴趣的开发者去尝试这种可组合的工具,并认为它是目前较出色的智能代理实现方案之一。

Community Posts

View all posts