8000 GitHub - no-today/aidev-clis: AI Closed-loop Development CLI Toolkit · GitHub
[go: up one dir, main page]

Skip to content

About

AI Closed-loop Development CLI Toolkit

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Repository files navigation

aidev-clis

给 AI agent 补齐验证一次改动所需的全部权限,让"改代码 → 看结果 → 再改"在真实环境里闭环。

AI agent 默认只有代码权限:能读写代码,能在本地编译、跑测试。本地能回答的问题,都应该在本地回答。但跨服务调用是否打通、数据是否按预期落库、部署后的配置是否生效、线上报错由哪个请求引起,这些只有真实环境才有答案。要拿到答案,agent 还需要另外四种权限:发布、调用、日志、数据库。

flowchart LR
  Code["代码权限<br/>改代码 / 配置<br/>agent 自带"] --> Local{"本地能验证?"}
  Local -->|能| Fast["编译 · 单测 · 集成测试"]
  Local -->|不能| Release["发布权限<br/>jcli · 构建 / 部署"]
  Release --> Call["调用权限<br/>httpcli · 触发业务"]
  Call --> Log["日志权限<br/>logcli · 查看轨迹"]
  Call --> DB["数据库权限<br/>dbcli · 检查状态"]
  Fast --> Verdict{"改对了吗?"}
  Log --> Verdict
  DB --> Verdict
  Verdict -->|没有:带着证据回去改| Code
  Verdict -->|对了| Keep["沉淀结论<br/>本地回归测试 / tcli 断言"]
Loading

五种权限齐了,agent 才能自己走完整个循环;缺任何一环,它都只能停下来等人去部署、去点接口、去翻日志、去查库。aidev-clis 把后四种权限各做成一个 CLI,再加上把结论固化成断言的 tcli,和告诉 agent 当前工作区接通了哪些能力的 aidev。

每个 CLI 默认输出结构化 JSON,访问后端的调用都会写审计。几个 CLI 互相独立:没有 Jenkins 的团队,发布这一环换成自己的部署脚本或 CI 即可,其余 CLI 照常使用。

系统架构

flowchart LR
  Actor["AI agent / CI / Operator"] --> CLIs

  subgraph CLIs["aidev-clis"]
    direction LR
    aidev["aidev<br/>Discovery / Config backup"]
    jcli["jcli<br/>Jenkins"]
    httpcli["httpcli<br/>HTTP"]
    dbcli["dbcli<br/>DB"]
    logcli["logcli<br/>logs"]
    tcli["tcli<br/>case runner"]
  end

  tcli -.->|delegates| httpcli
  tcli -.->|delegates| dbcli
  tcli -.->|delegates| logcli

  CLIs --> Core["Local control plane<br/>config · credentials · sessions · audit"]
  Core --> Backends["Runtime backends<br/>DB · logs · HTTP apps · Jenkins"]
Loading

六个 CLI

CLI 负责 用途 典型命令
jcli 发布 触发和观察 Jenkins 构建/部署。 jcli build orders-service --target uat --wait
httpcli 调用 以本机会话/凭据调用 HTTP app,支持多步登录、会话保存、自动重登。 httpcli call portal /api/me --actor alice --env pre
logcli 日志 从日志源读取日志。支持 local-file、kubectl、docker、ssh-file、ssh-docker、sls。 logcli sls --target prod search "level:ERROR" --from 1h
dbcli 数据库 查询数据库;写入必须显式加 --allow-write。支持 mysql、postgres、kingbase、redis、sqlite、mongo。 dbcli mysql --target uat "SELECT id FROM orders LIMIT 5"
tcli 固化 用 YAML case 编排 httpcli/dbcli/logcli,给出 PASS/FAIL 裁决和 CI 退出码。 tcli run examples/tcli-case.yaml
aidev 发现 列出当前工作区可用的能力、target 和 httpcli app;也能备份/恢复本机配置。 aidev

怎么用好这个闭环

本地优先。 好的闭环应该短、确定、可重复:几秒出结果,失败信息直接指向原因,同样的输入总是同样的结论。本地编译、单元测试和集成测试最接近这个目标;只有本地证明不了的问题,才走图中下面那条真实环境的路。

先探索,再固化。 一开始关系还不清楚时,agent 直接用 httpcli、logcli、dbcli 进入真实系统收集证据,自己下结论。tcli 不负责找答案,只在关系已经明确之后,把它写成可重复执行的断言。

把结论沉淀到最快的那条路上。 在真实环境里确认过的判断:

  • 单个服务就能表达的,写成本地回归测试;
  • 只在本次迭代里需要反复裁决的运行态关系,写成一次性 tcli case,迭代结束就丢弃;
  • 只有跨系统的不变量,才值得作为长期 tcli 回归保留。

随着系统演进,验证应该不断从慢的真实环境前移到快的本地反馈。真实环境这条链路本身的耗时不会消失,但不再需要人盯着,工程师可以并行处理其他工作。

凭据与安全

凭据放在本机配置目录(默认 ~/.aidev-clis),由 CLI 在调用时注入,不出现在命令参数和输出里,因此不会进入 AI 的上下文和对话记录。但这不是沙箱:同一系统账号下的进程仍然能直接读取凭据文件。真正的权限边界是后端账号本身的授权范围(只读库账号、只能看日志的 ServiceAccount、只能触发指定 job 的 token 等),详见安全模型。

Quick Start

1. 安装

从源码安装(需要 Go):

make install

安装预编译版本:

# macOS / Linux
curl -fsSL https://raw.githubusercontent.com/no-today/aidev-clis/main/scripts/get.sh | bash
# Windows PowerShell(用户级,无需管理员)
irm https://raw.githubusercontent.com/no-today/aidev-clis/main/scripts/get.ps1 | iex

两种方式都会安装六个二进制、agent skills 和 shell completion。

2. 配置

配置默认放在 ~/.aidev-clis。从 examples/ 复制示例,再按上方「六个 CLI」表格 阅读对应 CLI 手册。

3. 发现并调用

aidev                         # 当前工作区能用什么
dbcli targets                 # 已配置的数据库 target
dbcli mysql --target uat "SELECT 1"

aidev 会读取离当前目录最近的 .aidev.yaml,只展示该工作区场景允许使用的能力。
完整参数以各命令的 -h 为准。

稳定契约

License

MIT

About

AI Closed-loop Development CLI Toolkit

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages

0