llm 0.36 发布：Simon Willison 的命令行工具原生支持 GPT-6 Sol 和 Luna
据 Simon Willison 博客和 LLM 项目更新日志，llm 0.36 版本已发布。这个由 Datasette 作者维护的命令行 LLM 工具，现在原生支持 OpenAI 最新的 GPT-6 Sol 和 GPT-6 Luna 模型——直接在终端用 llm -m gpt-6-sol 就能调用。 llm 的定位是统一命令行接口：不管后端是 OpenAI、Anthropic 还是本地模型，都用同一套命令。它通过插件系统扩展模型支持，pip install llm-openai 之后配置 API key 就能用。除了基础对话，还支持结构化输出、schema 约束和管道集成。 0.36 版本的另一个重要改动是模型插件可以声明 supports_conversation = False。有些模型只接受单轮请求，不维护对话历史——之前用 llm 的多轮会话模式会报错。现在插件自己声明不支持会话，llm CLI 就自动切到单轮模式，不再强行拼接历史。 Simon Willison 维护的 llm 工具虽然界面简单，但在开发者社区里影响力很大。它的设计哲学是：命令行应该是最通用的接口。不管你用哪个模型，输入输出的格式都应该统一。这种统一性让脚本作者不用为每个模型写不同的调用代码。 0.36 版本加入的 supports_conversation 标志，看似是个小改动，实际上反映了模型生态的一个趋势：不是所有新模型都需要多轮对话能力。有些模型就是设计来做单次推理的，硬要给它加对话历史反而会降低效果。这个标志让工具层能够正确适配不同模型的特性。 另外值得一提的是，llm 工具的所有历史记录都存在本地的 SQLite 数据库里，你可以随时用命令行搜索和回看。这种本地化的数据存储方式，对于注重隐私和数据自主的开发者来说很有吸引力。 这个命令行工具解决了什么痛点？ llm 工具最大的优势是跟 Unix 管道生态完美集成。你可以用 cat data.json | llm -m gpt-6-sol –schema output_schema.json 直接处理数据，输出结构化 JSON。这种用法在脚本和自动化流水线里特别方便。 ...