AIChat
在终端中统一调用多家模型、处理文件与运行 AI 工作流。
按维度查看评分与理由
证据显示：工具支持Shell Assistant，可执行shell命令，但未明确要求用户确认；有RAG和文件读取功能，但未说明数据流向；依赖众多，但未提供安全审计；有外部效果（如执行命令、启动服务器），但未明确限制；无回滚机制；来源归属仅通过作者邮箱和仓库链接。扣分原因：缺少用户确认机制、数据流透明性不足、依赖安全未验证、外部效果未限制、无回滚、来源归属不明确。
证据显示：README和Cargo.toml一致，版本号一致；依赖列表完整，但未验证可用性；错误处理未在文档中说明。扣分原因：错误消息未在文档中体现，依赖可用性未验证。
证据显示：面向开发者，支持多种输入和场景；能力边界在README中有描述；触发精度未明确；支持多平台。扣分原因：触发精度未明确，能力边界描述不够详细。
证据显示：README结构清晰，有安装说明；命名稳定；有示例和FAQ；许可证明确；版本号存在但无changelog；维护责任通过作者和仓库体现。扣分原因：无changelog，已知限制未明确。
证据显示：输出为CLI工具，可用性高；提供多种功能，边际价值高；成本效益未明确。扣分原因：成本效益未说明。
证据显示：README中的功能描述与代码部分对应，但未提供测试证据；无外部来源佐证；事实与推断未明确区分。扣分原因：缺乏测试证据和外部佐证。
- Shell Assistant可能执行任意命令，需谨慎使用。
- 依赖众多，建议进行安全审计。
- 无回滚机制，操作需谨慎。
这个 Agent 能做什么，适合哪些场景？
AIChat 是一个面向命令行的 LLM 工具，提供 CMD 模式、交互式 Chat-REPL 和 Shell Assistant。它通过统一接口连接 OpenAI、Claude、Gemini、Ollama、Groq 等二十多家模型提供方，也支持 OpenAI-compatible API。用户可把标准输入、本地文件、目录、远程 URL 或外部命令输出作为上下文输入。它提供角色、会话、宏、RAG、函数调用、AI Tools、MCP 和由提示词、工具调用与 RAG 文档组成的 AI Agents。运行 aichat --serve 后，它在本机提供 Chat Completions、Embeddings 和 Rerank API，以及 Playground 和 Arena 网页界面。
在 CMD 模式中，aichat hello 将提示发送给已配置的模型；cat data.txt | aichat 可读取标准输入。通过 -f，命令可读取 image.png、data.txt、目录、https://example.com 等远程 URL，或如 git diff 这样的外部命令输出，再把它们与问题一起交给模型；REPL 中对应使用 .file。Shell Assistant 把自然语言任务转换为适应当前操作系统和 shell 环境的命令。会话保存对话上下文，角色把提示词与模型配置组合，宏可串联 REPL 命令；RAG 将外部文档纳入对话，AI Tools 与 MCP 可接入外部工具。使用 aichat --serve 时，服务监听 127.0.0.1:8000，并暴露 /v1/chat/completions、/v1/embeddings、/v1/rerank、/playground 和 /arena?num=2。
- 需要在终端快速询问代码、文本或管道数据的开发者，可使用 CMD 模式和标准输入。
- 经常把自然语言操作转成 shell 命令的终端用户，可使用 Shell Assistant 并让它适配当前 OS 和 shell。
- 需要在同一终端会话中持续追问、检索历史或输入多行内容的用户，可使用 Chat-REPL 与会话。
- 需要让模型结合本地文档、目录、远程页面或命令输出回答问题的研究者或工程师，可通过 -f 或 .file 提供上下文。
- 需要比较多个已支持模型回答效果的团队，可在本机 LLM Arena 中并排比较模型。
- 需要在工作流中连接外部工具、函数调用、MCP 与 RAG 文档的用户，可配置 AI Tools 或 AI Agents。
这个 Agent 有哪些优点和局限？
- 一个 CLI 同时提供 CMD、Chat-REPL、Shell Assistant、RAG、工具调用和本地 HTTP 服务。
- 输入范围具体且广泛：支持标准输入、本地文件与目录、远程 URL 和外部命令输出。
- 支持二十多家模型提供方及 OpenAI-compatible API，可降低单一模型提供方绑定。
- 内置 localhost 的 Chat Completions、Embeddings、Rerank API，以及 Playground 和 Arena。
- 资料没有给出模型凭据、API 密钥或提供方配置的具体步骤，首次接入仍需补充配置信息。
- 核心交互面是 shell/CLI；不使用终端的用户需要依赖 --serve 后的本地网页或 API。
- 远程 URL 输入、云端模型调用和外部工具接入可能带来网络、数据处理与访问权限方面的治理要求。
- AI Tools、MCP、RAG 和 AI Agents 的详细配置、权限范围及失败处理机制未在所给资料中说明。
如何安装或部署这个 Agent？
可通过 cargo install aichat、brew install aichat、pacman -S aichat、scoop install aichat、pkg install aichat 安装，也可下载 macOS、Linux 或 Windows 的预编译二进制并将 aichat 加入 PATH。首次调用示例：aichat hello。该资料确认支持多个模型提供方，但未给出配置任一提供方凭据或 API 密钥的具体步骤；在实际请求前需要完成相应模型提供方的配置。
如何使用这个 Agent？
执行 aichat hello 发起一次 CMD 请求；使用 cat data.txt | aichat 传入标准输入；使用 aichat -f dir/ -f data.txt explain 组合目录和文件上下文。启动本地服务：aichat --serve。随后可向 http://127.0.0.1:8000/v1/chat/completions 发送包含 model、messages 和 stream 的 POST 请求；浏览器界面位于 http://127.0.0.1:8000/playground，模型对比位于 http://127.0.0.1:8000/arena?num=2。