使用WP-CLI操作AI Services项目中的AI服务
2025-06-02 11:03:44作者:董斯意
AI Services项目为WordPress开发者提供了便捷的AI服务集成方案。本文将重点介绍如何通过WP-CLI命令行工具高效地使用这些AI服务功能。
基础概念
WP-CLI是WordPress的命令行接口,而AI Services项目通过wp ai-services命名空间提供了一系列AI相关命令。这种方式特别适合自动化任务、批量处理和服务器环境下的AI服务调用。
可用命令概览
AI Services项目提供了以下核心WP-CLI命令:
wp ai-services list- 列出所有已注册的AI服务wp ai-services get- 获取特定AI服务的详细信息wp ai-services list-models- 列出某AI服务支持的所有模型wp ai-services generate-text- 使用生成式模型创建文本内容wp ai-services generate-image- 使用生成式模型创建图像
文本生成实战
基本文本生成
最简单的文本生成命令只需要提供提示词(prompt):
wp ai-services generate-text "WordPress能用来做什么?" --feature=my-feature
这个命令会自动选择已配置的AI服务中最合适的模型。
指定服务与模型
如果需要使用特定服务(如Google):
wp ai-services generate-text google "WordPress能用来做什么?" --feature=my-feature
更进一步,可以指定具体模型:
wp ai-services generate-text google gemini-1.5-pro "WordPress能用来做什么?" --feature=my-feature
多模态输入
AI Services支持结合媒体文件的多模态输入,例如为图片生成描述:
wp ai-services generate-text "为这张图片生成替代文本" --feature=alt-text --attachment-id=123
流式响应
默认情况下,文本生成采用流式响应,可以实时看到部分结果。如需禁用:
add_filter('ai_services_wp_cli_use_streaming', '__return_false');
函数调用功能
高级用户可以利用函数调用功能,让AI模型生成结构化输出:
local weather_func='[{
"name": "get_weather",
"description": "获取指定位置的天气信息",
"parameters": {
"type": "object",
"properties": {
"location": {
"type":"string",
"description": "城市或地区名称"
}
}
}
}]'
wp ai-services generate-text "今天奥斯汀的天气如何?" --feature=weather --function-declarations="$weather_func"
图像生成实战
基本图像生成
生成一张描述性图像:
wp ai-services generate-image "沙漠绿洲中晒太阳的查理王猎犬航拍照片" --feature=my-feature
指定服务与模型
使用OpenAI的DALL-E 2模型:
wp ai-services generate-image openai dall-e-2 "沙漠绿洲中晒太阳的查理王猎犬航拍照片" --feature=my-feature
最佳实践
- 服务可用性检查:在执行命令前检查服务是否可用
if [ "$(wp ai-services get google --field=is_available)" == "true" ]; then
# 执行命令
fi
-
功能标记:始终使用
--feature参数标记AI服务的使用场景 -
错误处理:考虑添加适当的错误处理逻辑
-
性能考量:对于长时间运行的任务,考虑使用后台进程
总结
通过WP-CLI使用AI Services项目,开发者可以轻松将强大的AI能力集成到WordPress工作流中。无论是内容生成、图像创作还是复杂的功能调用,这套工具链都能提供灵活而强大的解决方案。掌握这些命令后,你将能够高效地自动化各种AI驱动的任务。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781