企业官网建设流程全解析

llm 命令行工具安装选型：4 条路径，你该走哪条

【免费下载链接】llmAccess large language models from the command-line项目地址: https://gitcode.com/gh_mirrors/llm/llm

只想试跑一句对话，还是要长期挂在开发机上——对 llm（从命令行调用大语言模型的工具）来说，这两种人的安装和配置路线完全不同。赶时间的话，把uvx llm '你好，LLM！'拷进终端直接执行，不需要任何安装。

结论先行：先确定你的场景，再选工具

4 条路径不用逐一比较，先看你在哪个场景：

• 开发机长期使用→pipx。每个工具独立虚拟环境，不弄脏系统 Python
• macOS 用户，习惯用 brew 管理软件→brew。系统集成好，升级一条命令
• 只试跑一次，或 CI 里临时需要→uvx。免安装，一行命令跑完
• 开发调试，要改源码→pip。装进当前环境，方便动手

一句话：多数人默认 pipx，其余场景按上面分流。下面是各场景的具体操作。

快速试用与 CI：uvx llm 免安装试跑

最快的路径是不装：

uvx llm '你好，LLM！'

uvx 在临时环境里直接运行 llm，不做完整安装，试跑和 CI/CD 流水线都用得着。之后想把它变成常驻工具，再转成 uv 的 tool 命令：

uv tool install llm uv tool upgrade llm

uv 家族速度快，tool 子命令给每个工具单独的环境，定位和 pipx 类似。完整的安装方式列表见官方安装文档。

长期使用：pipx 或 pip 常驻安装

pipx 是长期使用的推荐项：

pipx install llm pipx upgrade llm

每个工具隔离在独立虚拟环境里，避开依赖冲突和系统 Python 污染；代价是得先装好 pipx 本身。

pip 最直白，适合开发环境：

pip install llm pip install -U llm

装进当前 Python 环境，调试、改源码都方便；出现权限问题或依赖冲突时，去看下面的踩坑清单。

macOS 本机：brew install llm

macOS 上如果用 Homebrew 管理软件，直接走 formula：

brew install llm brew upgrade llm

formula 版本可能会滞后，需要最新版时补一条：

llm install -U llm

已知兼容性约束（Homebrew 版本使用 Python 3.12，PyTorch 尚无对应稳定版）的解法放在下方踩坑清单里。

踩坑清单：3 种现象与对应解法

现象：Homebrew 装的 llm 上装依赖 PyTorch 的插件（如 llm-sentence-transformers）受阻。原因：Homebrew 版本使用 Python 3.12，PyTorch 还没有发布对应稳定版。解决：

llm install llm-python llm python -m pip install \ --pre torch torchvision \ --index-url https://download.pytorch.org/whl/nightly/cpu llm install llm-sentence-transformers

先经 llm-python 拉起 Python 环境，在其中装 PyTorch nightly 版，再装目标插件。

现象：llm 里没有你想用的本地模型（如 GPT4All）。原因：模型能力通过插件扩展，并非内置。解决：

llm install llm-gpt4all

插件机制本身可参考插件系统实现。

现象：pip install llm报权限或依赖冲突。原因：直接装进系统 Python，环境里已有冲突依赖。解决：改用 pipx 的隔离环境——

pipx install llm

设置 llm API 密钥，跑第一条命令

三种密钥方式并列，按使用频率挑一种：

# 方式一：存进密钥库，运行后按提示输入密钥 llm keys set openai # 方式二：命令行参数临时传入 llm "你的提示词" --key 你的API密钥 # 方式三：环境变量 export OPENAI_API_KEY="你的API密钥" llm "你的提示词"

方式一持久生效；方式二、三适合单次调用或脚本场景。

修改 llm 默认模型与数据目录

默认情况下 llm 使用 gpt-4o-mini。改默认模型或查看当前值：

llm models default gpt-4o # 指定新的默认模型 llm models default # 查看当前默认模型

不想用默认的存储目录时，用环境变量指到自定义位置：

export LLM_USER_PATH=/path/to/your/custom/directory

模型管理的实现细节见 llm/models.py。

速查：4 条安装路径并排对比

试用场景不用查表：uvx llm '你好，LLM！'，免安装免升级，试跑和 CI 都靠这一行。

选好路径、配好密钥，llm 就能用了；之后再遇到新问题，先回踩坑清单对照。

【免费下载链接】llmAccess large language models from the command-line项目地址: https://gitcode.com/gh_mirrors/llm/llm