
这个仓库包含了 Easy LLM CLI(Gemini ClI 的 Fork 版本),一个连接到您的工具、理解您的代码并加速您工作流程的命令行 AI 工具。它支持多种 LLM 提供商,包括 Gemini、OpenAI 以及任何遵循 OpenAI API 格式的自定义 LLM API。
使用 Easy LLM CLI,您可以:
本方案已经对多种不同提供商、模型以及本地部署的模型进行了多个维度(是否具备思考过程、能否完成简单任务、是否具备工具调用能力、是否具备多模态能力、是否具备复杂任务能力、是否可以统计 Toekn)的测试,以下是测试结果:
| 模型 | 思考过程 | 简单任务 | 工具调用 | MCP 调用 | 复杂任务 | 多模态 | Token 统计 |
|---|---|---|---|---|---|---|---|
| 【Google】Gemini-2.5-pro | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
| 【OpenRouter】Claude Sonnet 4 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
| 【OpenRouter】Gpt-4.1 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
| 【OpenRouter】Grok-4 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
| 【Volcengine】Doubao-Seed-1.6 | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
| 【Bailian】Qwen3-Plus | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ |
| 【Moonshot】kimi-k2 | ✅ | ✅ | ✅ | ✅ | ✅ | ❌ | ✅ |
| 【Volcengine】DeepSeek-R1 | ✅ | ✅ | ✅ | ✅ | ✅ | ❌ | ✅ |
| 【Siliconflow】DeepSeek-R1 | ✅ | ✅ | ✅ | ✅ | ✅ | ❌ | ✅ |
| 【Volcengine】Doubao-1.5-Pro | ❌ | ✅ | ✅ | ✅ | ⚠️ | ❌ | ✅ |
| 【Volcengine】DeepSeek-V3 | ❌ | ✅ | ✅ | ✅ | ⚠️ | ❌ | ✅ |
| 【Bailian】Qwen3-235b-a22b | ✅ | ✅ | ✅ | ✅ | ⚠️ | ❌ | ✅ |
| 【vLLM】Qwen2.5-7B-Instruct | ❌ | ✅ | ✅ | ✅ | ⚠️ | ❌ | ✅ |
| 【vLLM】DeepSeek-R1--32B | ✅ | ✅ | ✅ | ✅ | ⚠️ | ❌ | ✅ |
| 【Ollama】Qwen2.5-7B-Instruct | ❌ | ✅ | ✅ | ✅ | ⚠️ | ❌ | ✅ |
npx easy-llm-cli
或者使用以下命令安装:
npm install -g easy-llm-cli
elc
Easy LLM 命令行工具支持连接到任何兼容 OpenAI 的 LLM API。你可以使用以下环境变量配置首选的 LLM:
# 启用自定义 LLM 支持
export USE_CUSTOM_LLM=true
export CUSTOM_LLM_API_KEY="your-api-key" # 你的 LLM 提供商 API 密钥
export CUSTOM_LLM_ENDPOINT="https://api.your-llm-provider.com/v1" # API 端点
export CUSTOM_LLM_MODEL_NAME="your-model-name" # 模型名称
# 可选参数
export CUSTOM_LLM_TEMPERATURE=0.7 # 温度参数(默认值:0)
export CUSTOM_LLM_MAX_TOKENS=8192 # 最大令牌数(默认值:8192)
export CUSTOM_LLM_TOP_P=1 # Top P 参数(默认值:1)
当这些变量设置后,Easy LLM 命令行工具将使用你的自定义 LLM,而非默认的 Gemini 模型。
一旦 CLI 运行起来,你就可以从 shell 中与 Gemini 交互了。
你可以从新目录开始一个项目:
cd new-project/
elc
> 帮我写一个 Discord 机器人,它能使用我将要提供的 FAQ.md 文件来回答问题
或者处理一个已有的项目:
git clone https://github.com/ConardLi/easy-llm-cli
cd easy-llm-cli
elc
> 给我总结一下昨天所有的变更内容
Easy LLM 支持直接在代码中通过 NPM 引入并使用:
import { ElcAgent } from 'easy-llm-cli';
const agent = new ElcAgent({
model: 'custom-llm-model-name',
apiKey: 'custom-llm-api-key',
endpoint: 'custom-llm-endpoint',
extension: {
mcpServers: {
chart: {
command: 'npx',
args: ['-y', '@antv/mcp-server-chart'],
trust: false
}
},
excludeTools: ['run_shell_command']
}
});
const result = await agent.run('请帮我生成一个销售数据的柱状图');
console.log(result);
如果遇到问题,请查看故障排除指南。
首先进入一个已有的或新克隆的仓库,然后运行 elc。
> 描述这个系统架构的主要组成部分。
> 有哪些安全机制在运行?
> 为 GitHub 第 123 号 issue 实现初稿。
> 帮我把这个代码库迁移到最新版本的 Java。先制定一个计划。
使用 MCP 服务器将本地系统工具与企业协作套件集成。
> 制作一个幻灯片,展示过去 7 天的 git 历史,按功能和团队成员分组。
> 制作一个全屏网页应用,用于墙上显示器,展示我们互动最多的 GitHub 问题。
> 将此目录中的所有图像转换为 png 格式,并根据 exif 数据中的日期重命名。
> 按支出月份整理我的 PDF 发票。
$ claude mcp add easy-llm-cli \
-- python -m otcore.mcp_server <graph>