shellus-llmcmd 1.0.0

Unified LLM CLI for text, image, audio, and batch tasks

---

name: llm description: Use when text generation, image generation or editing, audio transcription, or mixed YAML orchestration tasks need to be handled through one unified CLI entry.

Unified LLM CLI

通过统一的 llm.py / llm 入口处理对话生成、图片生成/编辑、音频转录，以及显式的 YAML 编排调用。

使用时机

当用户有以下需求时，优先使用这个 skill：

• 文本输入、文本输出：改写、润色、总结、提取、翻译、生成文案
• 图片生成或编辑：文生图、参考图编辑、批量生成图片
• 音频转录：将音频转为文本或 SRT 字幕
• 需要一个 YAML 文件里统一编排多条 chat / image / audio 任务

[!warning] 单次模式和 YAML 模式必须显式区分。

• 单次：chat / image / audio
• YAML：batch <yaml_path>

不要再使用“把 .yaml 当作位置参数自动识别”的旧方式。

安装

# 推荐：pip editable 安装（安装后可直接使用 llm 命令）
pip install -e ~/.claude/skills/llm

# 或直接运行脚本（向后兼容）
python3 ~/.claude/skills/llm/llm.py

单次调用

对话

llm chat "写一段产品介绍"
llm chat @prompt.txt -o result.md
llm chat "总结重点" -i article.md -i notes.md
llm chat "整理为 JSON" -s @system.txt
llm chat "详细描述这张图的所有细节" -r photo.jpg
llm chat "把人物脸型改成偏瘦" --edit 商务女性生图.md
llm chat "按要求改写" --edit 商务女性生图.md -o 商务女性生图.v2.md

规则：

• prompt 支持字面量或 @文件
• -s/--system 支持字面量或 @文件
• -i/--input 可重复传入多个文本文件，作为补充上下文
• -r/--reference 可传入一张图片，用于视觉理解/图片分析
• --edit 用于编辑目标文本文件；模型必须输出 SEARCH/REPLACE diff blocks，CLI 会自动应用
• --edit 不带 -o 时直接覆盖原文件；带 -o 时输出到新文件
• 非 edit 模式下，有 -o 时写入文件；无 -o 时输出到终端

图片

llm image "画一只猫"
llm image @prompt.txt -o cat.jpg
llm image "保留主体，改成极简插画风格" -r photo.jpg
llm image @prompt.txt -r ref.png -s @system.txt -o result.jpg
llm image "生成三张海报方案" -n 3 -o poster.jpg

规则：

• prompt 支持字面量或 @文件
• -s/--system 支持字面量或 @文件
• -r/--reference 为可选参考图
• -n/--count 用于控制生成数量，单命令多图会遵循 image 模式并发配置
• 多图模式会输出轻量进度：开始、每张完成、最终写入结果
• -o poster.jpg -n 3 时会输出为 poster.jpg、poster_1.jpg、poster_2.jpg
• 无 -o 时，默认输出到当前目录下的 gemini-output/output_时间戳.jpg

音频

llm audio demo.mp3
llm audio demo.mp3 -o demo.srt
llm audio demo.mp3 -p @prompt.txt
llm audio demo.mp3 -p "请转成带说话人标注的 SRT" -s @system.txt

规则：

• 主位置参数必须是音频文件路径
• -p/--prompt 为可选附加要求，支持字面量或 @文件
• -s/--system 支持字面量或 @文件
• 无 -o 时，默认输出为音频同目录同名 .srt

YAML 编排模式

llm batch tasks.yaml

[!note] 只有 batch 子命令才会进入 YAML 模式。

执行时会输出：

• 上游地址
• 任务总数和并发数
• 每个任务的开始和完成状态（含使用的模型）

YAML 示例

mode: chat
system_prompt: "你是严谨的处理助手"
output_dir: outputs

tasks:
  - id: summary
    prompt: "总结下面内容"
    input: article.md
    output: summary.md

  - id: edit-prompt
    prompt: "把人物脸型改成偏瘦，不要改动其他描述"
    edit: 商务女性生图.md
    output: 商务女性生图.v2.md

  - id: hero-image
    mode: image
    prompt: "为产品主页生成一张极简横幅图"
    system_prompt: "@prompts/image-system.txt"
    count: 3
    output: hero.jpg

  - id: transcript
    mode: audio
    audio_file: meeting.mp3
    prompt: "请输出标准 SRT 字幕"

### YAML 字段说明

**顶层字段**（全局配置）

| 字段 | 必填 | 说明 | 可被 task 覆盖 |
|------|------|------|----------------|
| `mode` | ✓ | 默认任务类型：`chat` / `image` / `audio` | ✓ |
| `model` | | 全局模型名称，覆盖环境变量配置 | ✓ |
| `system_prompt` | | 全局 system prompt，支持 `@文件` | ✓ |
| `input` | | 全局输入文件（chat 模式），路径或路径数组 | ✓ |
| `reference` | | 全局参考图（chat/image 模式） | ✓ |
| `audio_file` | | 全局音频文件（audio 模式） | ✓ |
| `output_dir` | | 任务输出基目录，相对路径基于 YAML 所在目录 | - |
| `concurrency` | | 并发数 | - |
| `temperature` | | 温度参数（0.0-2.0） | ✓ |
| `max_output_tokens` | | 最大输出 token 数 | ✓ |
| `tasks` | ✓ | 任务数组，不能为空 | - |

**task 字段**（任务级配置）

| 字段 | 必填 | 适用模式 | 说明 |
|------|------|----------|------|
| `id` | | 全部 | 任务标识，默认 `task-序号` |
| `mode` | | 全部 | 覆盖顶层 `mode` |
| `model` | | 全部 | 覆盖顶层 `model` |
| `prompt` | | 全部 | 支持字面量或 `@文件` |
| `system_prompt` | | 全部 | 覆盖顶层 `system_prompt`，支持 `@文件` |
| `input` | | chat | 覆盖顶层 `input`，路径或路径数组 |
| `reference` | | chat / image | 覆盖顶层 `reference` |
| `audio_file` | | audio | 覆盖顶层 `audio_file` |
| `edit` | | chat | 目标文本文件，进入 diff 编辑模式 |
| `count` | | image | 图片生成数量，遵循 image 模式并发配置 |
| `output` | | 全部 | 输出路径，未指定时使用默认规则 |
| `temperature` | | 全部 | 覆盖顶层 `temperature` |
| `max_output_tokens` | | 全部 | 覆盖顶层 `max_output_tokens` |

## 配置

脚本从 `~/.config/llm-api/.env` 读取配置，环境变量可覆盖：

```bash
API_KEY=your_api_key
BASE_URL=https://your-api-endpoint/v1

模型优先级：

模式	优先级
chat	LLM_TEXT_MODEL → LLM_MODEL → OPENAI_CHAT_MODEL → OPENAI_MODEL
image	LLM_IMAGE_MODEL → LLM_MODEL → OPENAI_IMAGE_MODEL
audio	LLM_AUDIO_MODEL → LLM_MODEL → GEMINI_AUDIO_MODEL

并发优先级：

• 顶层 YAML concurrency
• LLM_CONCURRENCY
• 兼容旧变量（仅单一任务类型 batch 时生效）
• 默认 4

高级选项

以下参数保留用于高级控制，不作为主示例默认写法：

• -t, --temperature
• -m, --max-output-tokens
• --model

常见错误

问题	原因	正确方式
把 YAML 文件直接传给 chat	误以为会自动进入 batch	使用 batch tasks.yaml
audio 命令把文本写成第二个位置参数	audio 只接受音频文件位置参数	用 -p "你的要求"
image/chat 想从文件读取 prompt 但直接写路径	未使用 @ 前缀	用 @prompt.txt
想编辑文本文件却传给 -r	-r 仅支持图片参考	用 --edit file.md
batch 中 audio 任务写成 audio 字段	字段名不对	使用 audio_file

--debug 位置自由

--debug 可以放在任意位置：

llm --debug chat "test"       # group 级别
llm chat --debug "test"       # command 级别（中间）
llm chat "test" --debug       # command 级别（末尾）

输出规则速查

模式	未指定输出时
chat	打印到终端
image	./gemini-output/output_时间戳.jpg
audio	输入音频同目录同名 .srt