核心功能
LLM 是 Simon Willison 开发的命令行工具与 Python 库，可用统一命令调用 OpenAI、Anthropic、Gemini 等远程模型，也能通过插件接入 Ollama 本地模型；所有提示词与回复自动写入 SQLite，可用 llm logs 检索复盘。
功能亮点
管道式用法
支持 cat myfile.py | llm -s 这类管道写法串联命令
对话日志库
每次提问回答都落库，llm logs 可按模型或会话过滤检索
插件生态
llm install llm-ollama 之类命令即可挂载本地模型与工具
多模态附件
加 -a 参数附上图片，让模型直接提取扫描件里的文字
自定义模型 / 模型接入
完全自定义
默认内置OpenAI模型，插件可扩Claude、Ollama等；任意OpenAI兼容端点写进extra-openai-models.yaml即可用。
接入方式
- 官方OpenAI：llm keys set openai后llm -m gpt-4o
- 装插件扩厂商：llm install llm-anthropic、llm-gemini
- OpenAI兼容端点：extra-openai-models.yaml配api_base
- 本地模型：llm install llm-gguf、llm-ollama或llm-mlx
- 额外请求头：配置项headers:适配OpenRouter等网关
支持模型
OpenAI GPT系列ClaudeGeminiMistralDeepSeekOllama本地模型本地GGUF/MLX
bash
查配置目录位置 dirname "$(llm logs path)" 在该目录新建extra-openai-models.yaml，写入自定义端点 - model_id: my-deepseek model_name: deepseek-chat api_base: "https://api.deepseek.com" api_key_name: deepseek 存入该端点的密钥 llm keys set deepseek 确认模型已注册 llm models --options -m my-deepseek 直接提问 llm -m my-deepseek '你好'
适用场景
• 终端里快速试用不同厂商模型
• 用管道把代码或日志交给模型分析
• 批量生成文本并留存可查询记录
• 在 shell 脚本中调用模型生成内容
安装配置
bash
pip install llm brew install llm pipx install llm uv tool install llm
使用方法
bash
llm keys set openai llm "Ten fun names for a pet pelican" cat myfile.py | llm -s "Explain this code" llm "extract text" -a scanned-document.jpg llm install llm-ollama llm -m llama3.2:latest 'What is the capital of France?' llm chat -m gpt-4.1 llm logs
优点
- 同一套命令切换 OpenAI、Anthropic、Gemini 等模型，脚本不用改
- 对话默认写入 SQLite，可用 SQL 或 Datasette 回溯任意历史请求
- 天然契合 Unix 管道，能和 grep、jq、shell 脚本组成流水线
- 插件既能接云端 API，也能接 Ollama 本地模型，断网也可用
缺点
- 没有官方图形界面，全部操作依赖终端命令与参数记忆
- 调用云端模型的 token 费用由各家 API 另行结算，工具不含额度
- 插件由社区维护，更新节奏与质量参差，模型新特性常滞后
- 官方文档专门为 Homebrew 安装方式给出警告，插件安装易踩坑