Dla nas "dinozaurów", którzy dorastaliśmy w terminalu, nowoczesna rewolucja AI poczuła się trochę... odłączona. spędzamy nasze dni w środowisku CLI o wysokiej wydajności, ale za każdym razem, gdy potrzebujemy pomocy LLM, jesteśmy zmuszeni do przełączania kontekstu do przeglądarki, wklejania kodu do okna czatu i mam nadzieję, że cykl "kopiowania-wklejania" nie przerwie naszego przepływu. I zbudowany Jest to lokalny, ukierunkowany na prywatność CLI, który przynosi wizję i semantyczne zrozumienie bezpośrednio do rury Unix. bez API, bez wycieków danych, tylko mózg o parametrach 0,8B, który działa na lokalnym sprzęcie. qsh „Wielka Trójka”: Wizja, Filtr i Dowództwo nie jest tylko chatbotem; jest to rozszerzenie filozofii coreutils. traktuje LLM jako inteligentny filtr. qsh Wizja semantyczna : PipePowered przez unifikowany procesor Qwen 3.5-0.8B Zamiast ręcznego przewijania przez folder zrzutów ekranu w celu znalezienia błędu, możesz teraz przesłać obrazy bezpośrednio do zapytania: qsh # Find every image with a cat and open it automatically
ls examples/*.jpg | qsh vision "is there a cat?" | xargs open
 Model ocenia zapytanie dla każdego obrazu, drukuje nazwę pliku tylko wtedy, gdy odpowiedź brzmi „tak” i pozwala następnej rurce obsłużyć wynik. Filtr semantyczny: uchwyć znaczenie Standardem jest świetny do znalezienia strun, ale jest bezużyteczny do znalezienia • The polecenie ocenia wejście standardowe w stosunku do zapytania w języku naturalnym: grep intencji filter # Filter a messy TODO list by context
cat notes.txt | qsh filter "What is due tomorrow?"
 LLM zwraca "Tak" lub "Nie", pozwalając na przewijanie dzienników lub notatek z logiką na poziomie człowieka. Tryb dowódcy: AI-Powered Autocomplete Wszyscy tam byliśmy: popełniasz błąd w repozytorium Git i nie możesz zapamiętać dokładnej syntazy, aby anulować ostatnie trzy zobowiązania bez utraty pracy. qsh "Undo my last 3 git commits but keep the changes"
 przekłada twój zamiar na ważny, wykonalny Bash, ale nie tylko ślepo go uruchamia... qsh Bezpieczeństwo na pierwszym miejscu: Deterministyczne ogrodzenia "Ale bezpieczeństwo muh!" Już mogę usłyszeć krzyki Linux SysAdmins. Dawanie AI dostępu do powłoki jest z natury ryzykowne. Aby to rozwiązać, Używaj A : qsh Hybrid Safety Model 
 
 
 Deterministyczne skanowanie: Rust binary wykorzystuje odpowiednik wzoru o wysokiej wydajności (zdefiniowany w safety.rs) do skanowania wyjścia sztucznej inteligencji na niebezpieczne struny, takie jak rm -rf /, mkfs lub dd. Interaktywny przegląd: Jeśli polecenie wygląda niebezpiecznie, jest oznaczone jasnym czerwonym tekstem.Użytkownikowi prezentuje się dwustopniowy proces potwierdzenia, oferując szansę na dalsze wyjaśnienie lub ciężką aborcję. Jest to najlepsze z obu światów: moc prawdopodobna z LLM i bezpieczeństwo deterministyczne z Rust. Architektura: Rust i Python? Najczęstszym pytaniem, które otrzymuję jest: Wybrałem architekturę hybrydową, aby zagrać z mocnymi stronami każdego z nich: "How does a system language like Rust talk to a machine learning language like Python without lag?" Obsługuje szybkie I/O, bazę danych historii SQLite, logikę bezpieczeństwa i interfejs CLI. Rust • Podnoszenie ciężkiego obciążenia i o w bibliotece . Chciałbym użyć Rust do wszystkiego, ale wsparcie dla najnowszych architektur Qwen 3.5 nie jest w pełni wdrożone w Rust Hugging Face Biblioteka wciąż – ( Do tego czasu używamy szybkiego mostu Python. Instalacja jest prostym pojedynczym linerem, który tworzy lokalne środowisko wirtualne ( Aby utrzymać system w czystości: Python torch transformers candle so I submitted a Pull Request to fix that! https://github.com/huggingface/candle/pull/3396 qenv curl -sSL https://raw.githubusercontent.com/woodRock/qsh/main/setup.sh | sh
 Manifest „Local First” Dlaczego nie użyć tylko OpenAI API lub Claude? dam ci trzy powody: 
 
 
 
 Zero-Data Leakage: Twoja historia terminala i lokalne ścieżki plików nigdy nie opuszczają Twojej maszyny. biorąc pod uwagę ostatnie wiadomości o firmach AI i umowach rządowych, czy naprawdę chcesz wysłać cały kontekst systemu plików do serwera w chmurze? Usługa offline: qsh działa w piwnicy, w samolocie lub w strefie wojny. Zyskujesz stały czas pracy w 100% bez obaw o ograniczenia prędkości lub przeciążenia serwera. 0.8B Sweet Spot: Qwen 3.5-0.8B jest wystarczająco mały, aby działać na standardowym laptopie (nawet bez beefy GPU), ale wystarczająco "inteligentny", aby opanować syntezę Bash. Zbudowany na ostatnie: stabilność i pamięć Aby narzędzie było naprawdę „użyteczne”, musi być niezawodne. 
 
 
 Pamięć SQLite: qsh nie widzi poleceń w izolacji. Przechowuje historię sesji w lokalnej bazie danych SQLite. Umożliwia to śledzenie świadome kontekstu, takie jak: qsh "Co to za plik, który właśnie wymieniłem?" Wdrożyliśmy kompleksowy pakiet testów integracji i rurociąg GitHub Actions CI, aby zapewnić, że zabezpieczenia logiczne i bezpieczeństwa pozostają nienaruszone wraz z rozwojem narzędzia. 6 Co jest następne? Celem jest ostatecznie przenieść wniosek całkowicie do Rust, gdy ekosystemu, usuwając całkowicie uzależnienie od Pythona. Do tego czasu, Jest tutaj, aby dać twoim rurom Unix mózg, na który czekali.   candle qsh Check out the project on GitHub: https://github.com/woodrock/qsh https://github.com/woodrock/qsh

This post provides insights into new product. 

This story contains new, firsthand information uncovered by the writer.

2022 - HackerNoon Contributor of the Year - Nintendo

Read My Stories

Nominated for 2022 - HackerNoon Contributor of the Year - Nintendo

Ten dźwięk jest produkowany w oryginalnym języku historii!

Beyond Grep: Giving the Unix Pipe a Brain z Qsh

About Author

UWAGI

ZAWIEŚĆ TAGI

ARTYKUŁ TEN ZOSTAŁ PREZENTOWANY W

Related Stories

Meet Klink Finance: HackerNoon Company of the Week

How HackerNoon Feels About AI Generated Content (Hint: 👎🏽)

Meet the Writer: HackerNoon's Contributor Emmanuel Nwaka, Content Marketing Professional

From Desk to HackerNoon: Your Ultimate Guide on How to Publish a Story

Meet Klink Finance: HackerNoon Company of the Week

How HackerNoon Feels About AI Generated Content (Hint: 👎🏽)

Meet the Writer: HackerNoon's Contributor Emmanuel Nwaka, Content Marketing Professional

From Desk to HackerNoon: Your Ultimate Guide on How to Publish a Story

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps