探索智能命令行补全:inquirer-autocomplete-standalone
2024-05-20 15:06:09作者:胡易黎Nicole
在CLI中实现智能命令行补全从未如此简单!
inquirer-autocomplete-standalone 是一个基于 inquirer 的独立命令行自动补全提示插件。它能根据用户的输入动态显示列表选择项,无论是同步还是异步,甚至可以连接到外部服务获取实时数据。
安装
要安装这个强大的工具,只需一条简单的命令:
npm install inquirer-autocomplete-standalone
对于CommonJS环境,请按照以下方式导入:
const { default: autocomplete, Separator } = await import('inquirer-autocomplete-standalone');
如果你还在使用旧版的inquirer(版本9以下),则可以找到 inquirer-autocomplete-prompt ,但官方推荐升级到新版本以获得更好的体验和性能。
快速体验
想要立即试一试?运行下面的命令,开启你的智能补全之旅:
npx inquirer-autocomplete-demo
使用示例
让我们通过一个例子来了解如何使用这个库:
import autocomplete from 'inquirer-autocomplete-standalone';
import { searchCountries } from './some-external-api'; // 假设这是一个返回国家列表的API
const answer = await autocomplete({
message: 'Travel from what country?',
source: async (input) => {
const filteredCountries = await searchCountries(input);
return filteredCountries.map((country) => ({
value: country,
description: `${country} is a great place to visit`,
}));
},
});
// 用户搜索并从列表中选择一个国家
console.log(answer); // 输出:Norway
这将展示一个交互式界面,用户输入时会实时过滤并显示匹配的国家。
功能特性
- 支持异步和同步的数据源函数,可以根据用户输入动态更新选项。
- 提供自定义的值转换器(transformer)进行视觉格式化,但不影响实际答案。
- 自定义验证功能,确保用户输入的有效性。
- 显示分隔符,方便组织选项列表。
- 选项列表支持页面滚动,方便浏览长列表。
- 提供默认值设置。
选项详解
以下是你可以配置的一些主要选项及其说明:
message:提问的文本。source:根据用户输入提供选项的函数。transformer:用于格式化用户输入的字符串。validate:提交答案时进行验证的函数。default:默认选定的值或选择项。emptyText:当没有搜索结果时显示的文本。pageSize:控制单页显示的选择项数量。searchText:等待搜索结果时显示的文本。suggestOnly:是否允许直接使用输入内容作为答案,而不必从列表中选择。
选择项类型与描述
每个选项都可以包含 value、name、description 和 disabled 属性,其中:
value是最终的回答值。name用于显示。description可选地提供额外信息。disabled可禁用选项。
此外,还可以添加 Separator 来分组选项,增强可读性。
致谢与许可
感谢 Martin Hansen 创建了这个出色项目,并采用 ISC 许可证发布。
结论
inquirer-autocomplete-standalone 是构建强大命令行应用的理想选择,无论你是想为内部工具增添智能提示,还是希望提升用户在CLI中的交互体验。现在就开始集成它,让命令行操作变得更加高效和便捷。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220