Infisical CLI 命令参数传递的正确方式
2025-05-12 06:00:48作者:翟江哲Frasier
在使用 Infisical CLI 工具时,开发者可能会遇到一个常见问题:当尝试通过 CLI 传递参数给后续执行的命令时,系统会报出"unknown shorthand flag"错误。本文将详细解释这一问题的原因及解决方案。
问题现象
在 Next.js 项目中,开发者经常需要设置开发服务器的端口号。一个典型的 package.json 脚本配置可能如下:
"scripts": {
"dev": "infisical run --env=dev next dev -p 3036"
}
当运行 bun dev 时,系统会报错:
Error: unknown shorthand flag: 'p' in -p
问题根源
这个问题的根本原因在于 CLI 参数解析的机制。Infisical CLI 会将所有以 - 开头的参数视为自身的参数选项,而不是传递给后续命令的参数。
解决方案
正确的做法是使用 -- 分隔符来明确区分 Infisical 自身的参数和要传递给后续命令的参数:
"scripts": {
"dev": "infisical run --env=dev -- next dev -p 3036"
}
-- 是一个常见的 Unix/Linux 命令行约定,表示"此后的所有内容都应被视为位置参数而非选项"。
更简洁的写法
由于 dev 是 Infisical 的默认环境,命令可以进一步简化为:
"scripts": {
"dev": "infisical run -- next dev -p 3036"
}
技术原理
-
CLI 参数解析规则:大多数命令行工具都遵循 POSIX 约定,将
-开头的参数视为选项标志。 -
分隔符的作用:
--是一个标准的分隔符,告诉命令行解析器停止将后续内容解释为选项。 -
Infisical 的设计:Infisical CLI 采用这种设计是为了明确区分自身配置和要执行的命令参数,避免歧义。
最佳实践
- 当使用 Infisical 包装其他命令时,总是使用
--分隔符 - 对于常用环境,可以省略
--env参数(dev 是默认值) - 在团队协作项目中,保持这种一致的写法可以提高可读性
总结
理解 CLI 工具的参数解析机制对于高效使用命令行工具至关重要。通过正确使用 -- 分隔符,开发者可以避免参数传递中的混淆问题,确保命令按预期执行。这种知识不仅适用于 Infisical,也适用于大多数 Unix/Linux 命令行工具。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219