最近给 YeeroAI CLI 加了个 yeero do 子命令，用自然语言描述任务，自动匹配或生成 Python 脚本执行。
起因是平时在终端里总有些零碎操作——查个 IP 、看个文件树、杀个占端口的进程、列一下目录文件。每个单独看都不复杂，但跨平台命令不一样，每次切系统都得对应查一遍。yeero do 把这些收进了一句话，你说要干嘛，它帮你跑。
安装
macOS / Linux
curl -fsSL https://yeero.ai/cli/install.sh | sh
脚本会自动检测平台、下载最新版、配置 PATH 。装完之后新终端窗口就能用。
Windows （ PowerShell ）
irm https://yeero.ai/cli/install.ps1 | iex
安装目录默认在 %LOCALAPPDATA%\yeero，脚本会自动加进用户级 PATH 。
验证安装
yeero --version
有版本号输出就 OK 了。
登录
首次使用需要登录，用的是邮箱验证码，不需要密码：
yeero login
按提示输入邮箱，收 6 位验证码，再输入验证码就完事了。也可以非交互式登录：
yeero login --email [email protected] --code 123456
Token 会存在系统 Keychain 里，下次不用再登。
什么是 yeero do
yeero do 底层跑的是 yeero app 里的 Python 脚本，但它帮你把"记命令"这一步省了。你用自然语言描述想干嘛，它自动帮你找到合适的脚本跑起来，找不到就现场生成一个。
它的执行流程：
- 先在本地已同步的 Python App 里找最匹配的一个；
- 匹配度高的话直接执行；
- 找不到或匹配度低，就创建一个由 AI 生成代码的新 Python App ，再执行。
基础语法
yeero do [INTENT] [OPTIONS]
常用选项：
| 选项 | 作用 |
|---|---|
--dry-run |
只预演会匹配到哪个应用，不真正执行 |
--name <NAME> |
创建新应用时指定名称 |
--no-create |
匹配不到时不创建新应用，直接失败 |
--model <MODEL> |
创建新应用时指定生成代码的模型 |
实用例子
下面是一些常见用法，都带输出示例：
1. 查看本机 IP 地址
yeero do "本机 IP"
输出示例：
IPv4: 192.168.1.100
IPv6: fe80::1
不用管 Windows 是 ipconfig、Linux 是 ip addr、macOS 是 ifconfig，一句话就行。
2. 显示文件树
yeero do "文件树"
输出示例：
.
├── src
│ ├── main.py
│ └── utils.py
├── README.md
└── requirements.txt
3. 查看系统信息
yeero do "系统信息"
输出示例：
OS: macOS 14.5
CPU: Apple M3
Memory: 16 GB
Uptime: 3d 12h
4. 列出当前目录所有文件
yeero do "获取目录所有文件"
输出示例：
README.md
package.json
src/
public/
5. 停止占用 8080 端口的进程
yeero do "停止占用端口进程：8080"
输出示例：
Found process node (PID 12345) on port 8080
Process 12345 terminated
传统做法是 lsof -i:8080 找到 PID 再 kill -9，两步。
6. 图片格式批量转换
yeero do "png 批量转 webp"
输出示例：
image1.png -> image1.webp
image2.png -> image2.webp
7. CSV / Excel 数据处理
yeero do "CSV 去重排序导出 Excel"
输出示例：
Removed 12 duplicate rows
Sorted by amount descending
Exported to output.xlsx
传统写法是 pandas 的 read 、groupby 、sort 、to_excel 。
8. 生成二维码
yeero do "生成 example.com 的二维码"
输出示例：
Saved QR code to example_com_qr.png
传统做法：pip install qrcode 再写五行代码。
9. 批量整理文件
yeero do "图片按日期分文件夹"
输出示例：
2024-01-01/IMG_001.jpg
2024-01-02/IMG_002.jpg
10. 查看目录大小
yeero do "按大小列出子目录"
输出示例：
node_modules/ 1.2 GB
dist/ 45 MB
src/ 3 MB
等效命令是 du -sh * | sort -rh。
预演模式
如果你不确定它会匹配到哪个应用，可以用 --dry-run：
yeero do "生成 example.com 的二维码" --dry-run
这样只显示路由结果，不会真正执行。
匹配逻辑
运行 yeero do "..." 时，CLI 会先做一次 dry-run 探测：
- 高匹配：有明显匹配的应用就直接执行；如果有多个高分候选，会弹出列表让你用上下键选。
- 未匹配 / 弱匹配：会提示确认用于生成新应用的模型，确认后开始创建、安装依赖并执行。
执行过程中 creating、generating、installing、running 这些阶段都会实时输出到终端。
和 yeero app run 的区别
yeero do |
yeero app run |
|
|---|---|---|
| 输入方式 | 自然语言意图 | 应用 ID / 名称 |
| 匹配逻辑 | 自动路由，必要时创建新应用 | 直接运行指定应用 |
| 适用场景 | "我想做某事" | "我要运行这个应用" |
| 本质 | 最终执行的都是 yeero app 的 Python 脚本 |
同上 |
成本设计
之前用 AI Agent 跑这些零碎任务，就像用外卖平台点一碗白米饭——能吃，但配送费比饭还贵。跑个小脚本三秒钟的事，token 花得比脚本执行时间还长。
yeero do 的思路不一样：只在首次创建应用时调一次 LLM ，之后每次运行都是本地 Python 脚本，不再花一分钱 token 。就好比配了把钥匙——一次性成本，之后每次开门直接用，不用每次都叫锁匠。
如果你有些工具类任务需要高频跑，比如每天整理文件、分析日志、生成报告，长期用下来比 Agent 省太多了。
注意事项
yeero do需要 daemon 运行，未运行时会自动按需启动。- 首次创建新应用需要等待 AI 生成代码、安装依赖，耗时可能较长。
- 如果生成的应用运行失败，CLI 会提示应用 ID ，可以用
yeero app discuss <app-id>继续迭代修复。 - 生成的应用会同步到你的账号里，可以在网页端或桌面端继续编辑。
Select Language