À propos du projet

ShellGPT est un outil de productivité en ligne de commande basé sur des modèles d’IA. Il permet de générer rapidement des commandes shell, des extraits de code et de la documentation directement depuis le terminal, réduisant ainsi le besoin de recherches externes. L’outil est compatible avec Linux, macOS et Windows, et prend en charge les principaux shells comme PowerShell, CMD, Bash et Zsh. Principales fonctionnalités : - **Génération de commandes shell** : via l’option `--shell`, l’utilisateur peut générer et exécuter des commandes shell. L’IA est contextuelle et adapte les commandes au système d’exploitation et à l’environnement shell spécifiques. - **Génération de code** : l’option `--code` permet de demander des extraits de code purs pour des tâches de programmation spécifiques. - **Modes chat et REPL** : l’utilisateur peut maintenir un contexte conversationnel avec `--chat` ou interagir de manière dynamique en mode Read-Eval-Print Loop (REPL) avec `--repl`. Les deux modes prennent en charge les options `--shell` et `--code` pour un développement itératif. - **Appel de fonctions** : l’outil prend en charge l’appel de fonctions OpenAI, permettant au modèle d’exécuter des fonctions Python personnalisées définies par l’utilisateur. Cela permet d’automatiser des tâches complexes et d’interagir avec le système. - **Rôles personnalisés** : les utilisateurs peuvent créer et gérer des rôles personnalisés pour adapter le comportement de l’IA à des tâches spécifiques, comme la génération de JSON ou l’application de formatage markdown. - **Flexibilité d’entrée** : ShellGPT accepte les invites via les arguments de la ligne de commande, l’entrée standard (stdin) et divers opérateurs de redirection, permettant l’intégration avec des pipes et des fichiers d’entrée. - **Mise en cache** : un mécanisme de mise en cache des requêtes est inclus pour fournir des résultats instantanés aux invites déjà interrogées. Par défaut, ShellGPT utilise l’API OpenAI, mais il peut être configuré pour utiliser des modèles open-source locaux via des backends comme Ollama. L’installation se fait via pip ou en utilisant Docker.