GLM 有官方终端 CLI 工具吗？自己动手丰衣足食

最近经常有朋友在后台私信，问智谱 GLM 有没有官方推出的终端 CLI 工具，能够像 OpenAI 那样在命令行里直接跑对话。说实话，官方目前似乎并没有单独发布一个开箱即用的 glm-cli 二进制程序。不过，既然 GLM 开放了兼容 OpenAI 格式的 API，那我们自己动手做一个命令行工具其实非常简单。

对于经常在服务器上操作、或者习惯用终端工作的开发者来说，有一个能直接在 Shell 里调用的 AI 助手真的能省不少事，比如查报错、写脚本，甚至解释复杂的正则表达式。今天我们就来聊聊如何利用现成的工具快速搭建一个属于你自己的 GLM 终端助手。

准备工作：搞定 API Key

获取和管理 API Key 的概念示意图

不管你是用 Python 封装还是直接用 curl，第一步肯定是要去智谱开放平台申请一个 API Key。目前主流的大模型厂商都提供了非常便捷的 Key 管理方式，注册实名后通常都能免费试用一定额度。拿到 Key 之后，记得保存好，后面配置环境变量时会用到。

方案一：使用现有的通用 CLI 工具

其实有很多优秀的大模型终端 CLI 工具是支持自定义 API 端点的，比如 gpt-cli、aider 等开源项目。这些工具大多允许用户配置 base_url 和 api_key。GLM 的官方 SDK 和 API 请求格式在设计上充分考虑了生态兼容性，因此我们只需要把 base_url 指向智谱的网关地址，填入你的 Key，就能立刻把一个通用的 GPT 客户端变成 GLM 客户端。

这种方式的好处是功能成熟，通常支持多轮对话上下文维护、流式输出甚至代码高亮。如果你不想自己写代码，推荐先去看看你常用的终端工具是否支持自定义 Endpoint。

在终端中运行 Shell 脚本调用 GLM 效果示意

方案二：极简派，Shell 脚本直接搞定

如果你跟我一样，喜欢极致的轻量级方案，不想安装依赖繁重的 Python 包，那写一个简单的 Shell 函数是最爽的。下面是一个基于 curl 的极简封装示例，你可以把它加到你的 .bashrc 或 .zshrc 里：

export GLM_API_KEY="你的_API_Key"
export GLM_API_URL="https://open.bigmodel.cn/api/paas/v4/chat/completions"

function ask_glm() {
    if [ -z "$1" ]; then
        echo "Usage: ask_glm \"你的问题\""
        return 1
    fi

local PROMPT="$1"
    curl -s $GLM_API_URL \
      -H "Content-Type: application/json" \
      -H "Authorization: Bearer $GLM_API_KEY" \
      -d "{\"model\": \"glm-4\", \"messages\": [{\"role\": \"user\", \"content\": \"$PROMPT\"}]}" | jq -r '.choices[0].message.content'
}

使用的时候，直接在终端输入： ask_glm "解释一下 awk 怎么用"

前提是你得装好 jq 来处理 JSON 返回结果。这个脚本虽然简单，但胜在没有任何依赖，除了 curl 和 jq 几乎哪里都能跑。对于临时查个命令、翻译一段文字来说，效率极高。

进阶玩法：Python 脚本封装

如果你需要更复杂的功能，比如保存历史记录、支持多轮对话，或者想要处理流式输出（打字机效果），那还是写一个小的 Python 脚本更合适。利用 requests 库和智谱官方的 Python SDK，十几行代码就能写出一个带上下文记忆的命令行交互程序。

核心逻辑无非就是 while True 循环读取用户输入，拼接 messages 列表，然后 POST 请求，最后把返回结果打印出来并更新上下文列表。这里就不贴具体代码了，稍微查一下 Python input() 和 requests 的用法就能写出来。

总结

虽然智谱 GLM 目前还没推出像 gptme 那样独立的官方 CLI 工具，但得益于其优秀的 API 兼容性，无论是用现成的第三方终端工具，还是自己手搓 Shell 或 Python 脚本，实现这一步都非常容易。作为开发者，工具顺手才是最重要的，希望大家都能自己打造出终端里的最强 AI 助手。