Integració de la IA a Linux: eines, privadesa i fluxos de treball del món real

Inici » Pitó » Integració de la IA a Linux: eines, privadesa i fluxos de treball del món real

Canviar de Windows a Linux a causa de preocupacions per la intel·ligència artificial i la privadesa s'està convertint en un escenari habitual.Molts usuaris no se senten còmodes amb assistents profundament integrats com Copilot al sistema operatiu i al paquet ofimàtic, i es preocupen pel que passa amb les seves dades. A Linux, les coses funcionen de manera diferent: no hi ha cap proveïdor únic que posi una capa d'IA monolítica a l'escriptori, però hi ha moltes maneres potents d'aprofitar la intel·ligència artificial sense renunciar al control.

Aquesta guia aprofundeix en com s'està integrant la IA a Linux avui dia i què hi ha realment a l'horitzó.: des de Red Hat Enterprise Linux (RHEL) Lightspeed a l'empresa, fins a eines quotidianes a Ubuntu, passant per potents interfícies de línia d'ordres per a Gemini, ChatGPT/Codex, Claude i Qwen, i finalment una ullada als marcs de treball d'IA de codi obert que podeu executar o desenvolupar a Linux. L'objectiu és ajudar-vos a utilitzar la IA de manera productiva alhora que enteneu on van les vostres dades i com mantenir el vostre sistema sota les vostres pròpies regles.

Linux tindrà una integració d'IA sempre activa a l'estil de Windows?

A diferència de Windows, Linux no té cap empresa que pugui injectar unilateralment un assistent d'IA a cada escriptori.Cada distribució (Ubuntu, Fedora, Debian, etc.) es construeix a partir de components oberts; si un proveïdor intentés integrar un assistent invasiu a la seva imatge predeterminada, apareixerien ràpidament forks i spins alternatius. Aquesta diversitat de l'ecosistema és la vostra major protecció contra el tipus d'integració forçada a nivell de sistema operatiu que molta gent tem.

Avui dia, no hi ha cap distribució Linux convencional que inclogui un assistent d'IA inevitable i sempre atent comparable a Copilot a Windows.El que trobareu en comptes d'això són paquets opcionals, aplicacions complementàries o serveis centrats en l'empresa (com ara RHEL Lightspeed) que instal·leu o activeu explícitament. Si no feu res, la instal·lació nova d'Ubuntu o Fedora no començarà a enviar els vostres documents a un servei d'IA remot en segon pla.

Podria algun dia una versió d'Ubuntu o Fedora promoure una experiència d'IA per defecte? Tècnicament sí, però l'arquitectura facilita la desactivació: podeu eliminar paquets, desactivar serveis o simplement canviar de tipus o distribució. Com que el programari és de codi obert, els canvis que erosionarien fortament la privadesa són visibles, auditables i políticament costosos per als mantenidors del projecte.

Si la vostra principal motivació per deixar Windows és evitar la IA cablejada al sistema operatiu, Linux continua sent l'aposta més segura.Podeu integrar la IA estrictament en els vostres propis termes: triant quins clients instal·leu, amb quins models parleu i si les vostres càrregues de treball es mantenen locals o van al núvol. La resta d'aquest article explica les principals opcions per fer-ho sense perdre el control.

RHEL Lightspeed: integració d'IA de nivell empresarial a Linux

Red Hat Enterprise Linux (RHEL) Lightspeed és un dels exemples més clars d'integració estructurada d'IA en una plataforma Linux.En lloc d'escampar funcions intel·ligents per tot l'escriptori, Red Hat se centra a ajudar els administradors de sistemes i els desenvolupadors a treballar més ràpidament i amb més precisió amb el mateix RHEL, integrant la IA on realment redueix la feina.

Lightspeed combina les dècades d'experiència de Red Hat en Linux amb models d'IA ajustats a la documentació oficial i al contingut de la base de coneixements.La intenció no és substituir un administrador experimentat, sinó fer que el coneixement institucional de RHEL sigui accessible en segons, sense cerques web interminables. Això s'ofereix com a part del valor de la subscripció a RHEL, no com un producte de consum separat.

El servei s'estructura al voltant de dues capacitats principals que s'inclouen amb les versions de RHEL compatibles: un assistent de línia d'ordres disponible a RHEL 9.6 i RHEL 10, i recomanacions de paquets basades en IA dins de l'Insights Image Builder. Tots dos són opcionals i depenen d'un backend allotjat per processar les sol·licituds.

Assistent de línia d'ordres de RHEL Lightspeed

L'assistent de línia d'ordres de RHEL Lightspeed proporciona un ajudant de llenguatge natural que podeu invocar directament des de l'intèrpret d'ordres.Després d'instal·lar el command-line-assistant a RHEL 9.6 o 10, obteniu una nova ordre que pot interpretar preguntes sobre el vostre sistema i respondre-les en context, sovint suggerint ordres exactes per executar.

Red Hat va triar deliberadament el nom de comanda d'una sola lletra "c" per reflectir tant l'ús freqüent com la velocitat de la llum., però si això entra en conflicte amb un àlies del vostre sistema, podeu utilitzar clan en canvi. Els patrons d'ús bàsics són senzills:

• c or cla: inicia l'assistent.
• c "your question here": fer una pregunta puntual en llenguatge natural.
• c -i: entra en una sessió interactiva i xateja amb l'assistent repetidament.
• c history -a: revisa les converses anteriors amb l'assistent.

L'assistent brilla quan li proporciones dades reals del sistema.Podeu adjuntar un fitxer amb c -a filename "question" — per exemple, un fragment de registre que no enteneu — o podeu canalitzar-hi directament la sortida de l'ordre, com ara free -m | c "How much free memory does this system have?"Interpretarà el text i respondrà amb una explicació, a més de suggeriments per als passos següents.

Darrere de les escenes, el client CLI envia la vostra sol·licitud a un servei Lightspeed allotjat que executa el model d'IA i retorna una resposta.És per això que la petjada de maquinari local és petita: el vostre node RHEL no necessita una GPU ni models grans al disc. Tanmateix, això vol dir que les vostres indicacions i dades adjuntes es transmeten a la infraestructura de Red Hat segons els termes del vostre acord de subscripció i suport.

Com que l'assistent està format en la documentació de RHEL i la base de coneixements de Red Hat, les seves respostes solen ser pragmàtiques, específiques de la distribució i menys propenses a al·lucinar amb banderes o fitxers que no existeixen a RHEL.També està explícitament posicionada com una eina educativa, cosa que la fa adequada per a administradors júniors que aprenen la plataforma i, alhora, útil per a veterans que volen escurçar la resolució de problemes rutinària.

Recomanacions amb tecnologia Lightspeed a Insights Image Builder

La segona gran capacitat de Lightspeed integra la IA a l'Insights Image Builder, que s'utilitza per compondre imatges RHEL personalitzades.Quan dissenyeu una imatge per a amfitrions locals o plataformes al núvol, normalment trieu els paquets i les configuracions manualment; Lightspeed afegeix pistes intel·ligents basades en aquestes opcions.

A mesura que seleccioneu paquets, la IA examina les vostres eleccions actuals i en suggereix de més que probablement siguin rellevants.Per exemple, si incloeu adcli per unir-se a l'Active Directory, Lightspeed pot proposar paquets relacionats que normalment van junts en aquest escenari. Els suggeriments apareixen a la interfície d'usuari i podeu triar si els accepteu; res s'afegeix automàticament sense el vostre consentiment.

Aquest flux de recomanacions és útil tant per la seva exhaustivitat com per descobrir eines que potser no recordeu pel nom.Aprofita els patrons apresos de molts desplegaments de RHEL, però sempre manté l'ésser humà a càrrec de la composició final, d'acord amb la filosofia general de configuració explícita de Linux.

Red Hat proporciona recursos addicionals com ara laboratoris interactius (per exemple, "Resol problemes amb l'assistent de línia d'ordres") i documentació detallada per a RHEL 9 i 10.Aquests laboratoris permeten experimentar amb Lightspeed en un espai de proves abans de posar-lo en producció, cosa que facilita l'establiment de directrius internes sobre quan i com els administradors han d'utilitzar el suport d'IA.

Eines pràctiques d'IA per a usuaris quotidians de Linux

Fora de l'empresa, els usuaris de Linux depenen en gran mesura d'eines d'IA d'ús general per escriure scripts, depurar errors i automatitzar tasques diàries.Una combinació comuna i molt efectiva és: un LLM excel·lent en la generació de codi, un altre model que destaca en les explicacions i un assistent connectat a la web per validar que les instruccions estan actualitzades per a distribucions i controladors de ràpida evolució.

Una configuració potent que adopten molts usuaris avançats combina tres models de núvol més un client natiu del terminal: un model centrat en la codificació com ara Claude 3.5 Sonnet per a Bash, Python i fitxers de configuració; un explicador potent com ara GPT-4-class ChatGPT per interpretar registres i ordres; i un motor de cerca integrat com ara Phind quan necessiteu obtenir la documentació més recent del web. Per a aquells que odien sortir del terminal, un contenidor CLI com ShellGPT ho manté tot en mode text.

Claude 3.5 Sonnet com a company de codificació

Claude 3.5 Sonnet és particularment bo generant i refactoritzant scripts no trivials de Bash i Python a Linux.Els usuaris informen que tendeix a proposar banderes i camins realistes, i produeix codi comentat, cosa que facilita el manteniment posterior. Un cas d'ús típic podria ser generar un script de gestió de ZRAM per a una estació de treball amb 64 ​​GB de RAM: descriviu les restriccions i les polítiques i Claude genera un script llest per executar amb explicacions.

A causa de les seves fortes capacitats de raonament, Claude també és molt adequat per treballar amb configuracions complexes., Com ara systemd fitxers unitaris, amfitrions virtuals Nginx o dissenys d'aplicacions de diversos fitxers. Podeu enganxar diversos fitxers relacionats i demanar una revisió holística, consells sobre el rendiment o valors predeterminats més segurs, cosa que és difícil d'obtenir de publicacions fragmentades en fòrums.

ChatGPT (classe GPT-4) com a explicació

Quan l'objectiu és entendre realment per què alguna cosa falla al vostre ordinador Linux, ChatGPT continua sent una opció de primer nivell.Podeu enganxar la sortida completa d'un error. dnf or apte execució, incloent-hi les línies d'error vermelles, i demaneu un desglossament pas a pas del que significa cada part i quina acció és segura a prendre.

Aquest patró d'"explica abans de córrer" és una gran xarxa de seguretat: en comptes d'executar un text sospitós que has copiat d'un blog aleatori, l'enganxes a ChatGPT i li preguntes què fa línia per línia, si és destructiu i com adaptar-lo a la teva distribució específica. D'aquesta manera, la IA es converteix en una barrera de protecció en lloc d'una font de risc.

Phind com a investigador amb coneixement de la web

Una gran limitació de molts LLM és el seu límit de coneixement fix, que perjudica quan es tracta de distribucions de ràpida evolució com Fedora o controladors de GPU recents.Phind aborda això actuant com un motor de cerca orientat al desenvolupador que consulta la web en directe i retorna respostes amb cites explícites a documents, fòrums i wikis anteriors.

Els casos d'ús típics inclouen la instal·lació de controladors Nvidia nous en una versió nova de Fedora o la consulta del repositori de bones pràctiques actual per a RPM Fusion.En comptes de córrer el risc de seguir passos obsolets d'un model estàtic, obteniu instruccions extretes directament de la documentació més recent, juntament amb enllaços que podeu comprovar manualment.

ShellGPT i ajudants nadius de terminal similars

Si preferiu quedar-vos al terminal, eines com ShellGPT exposen el poder de LLM directament com a CLI.Escriviu una consulta en llenguatge natural com ara "cerca tots els fitxers de més de 100 MB en aquest directori i mostra les mides" i rebeu un suggeriment. trobar or du una frase curta que pots revisar abans de l'execució.

Aquest flux de treball és extremadament útil per als usuaris que ja viuen a tmux o a un WM de mosaic i no volen canviar de context a un navegador.Manté el focus en l'intèrpret d'ordres alhora que descarrega els detalls de la sintaxi i els casos límit a la IA, especialment per a ordres extenses com ara rsync o complexa grep/awk canonades.

IA a Ubuntu i a l'escriptori Linux: aplicacions web, snaps, flatpaks i models locals

A Ubuntu i altres distribucions d'escriptori, la integració de la IA es basa més en els clients que tries que en les funcions integrades del sistema operatiu.Podeu executar de tot, des de contenidors web de tercers que no són de confiança fins a frontends de models locals ben cuidats, o fins i tot l'escriptori oficial Claude reempaquetat per a Linux.

Aplicacions d'escriptori d'estil web (Electron i wrappers)

Molts serveis d'IA es poden integrar com a "aplicacions d'escriptori" mitjançant Electron o frameworks similars.Es tracta essencialment de petits navegadors empaquetats com a aplicacions, sovint publicats com a Snap o Flatpak. Són dreceres pràctiques però poques vegades afegeixen funcionalitats més enllà de fixar una pestanya.

Un exemple típic és un snap d'escriptori no oficial de Copilot. que simplement carrega la interfície web Copilot de Microsoft, de vegades amb compatibilitat amb micròfon. L'instal·leu amb una ordre com ara sudo snap install copilot-desktopi, opcionalment, connectar l'enregistrament d'àudio amb sudo snap connect copilot-desktop:audio-record.

De la mateixa manera, «chatgpt-linux» és un client no oficial per a la interfície web de ChatGPT.. Després sudo snap install chatgpt-linux, podeu connectar els endolls de la càmera i de l'àudio (per exemple, sudo snap connect chatgpt-linux:audio-record) per habilitar l'entrada de veu o vídeo. Manté les converses web accessibles sense haver de gestionar manualment les pestanyes del navegador.

Aquests embolcalls són ràpids d'instal·lar però tenen inconvenients: normalment no els manté el proveïdor original d'IA, poden quedar enrere quan canvia la interfície d'usuari web i sovint consumeixen més RAM que un client natiu pur. Per a entorns sensibles a la seguretat, hauríeu de tractar-los com a programari de tercers i revisar els permisos amb cura.

Interfícies de xat locals i obertes per a la interfície web

Per als usuaris que prefereixen models locals o autoallotjats, Open WebUI proporciona una interfície web flexible que s'assembla molt a ChatGPT. però s'executa contra models que gestioneu vosaltres mateixos. També pot actuar com a interfície d'usuari per a API externes com ara OpenAI, oferint-vos una única interfície d'usuari de xat unificada.

Les característiques clau inclouen el ressaltat de sintaxi per al codi, la renderització de LaTeX i Markdown, la càrrega de documents, les indicacions predefinides, la integració amb llocs web i la qualificació de les respostes.Admet múltiples models simultanis, converses entre models, exportació de l'historial de xat, control d'accés basat en rols, control de veu i ajustament de paràmetres com la temperatura per a la creativitat.

Open WebUI està disponible com a Snap a través de sudo snap install open-webui --betaUn cop en execució, hi accediu des del navegador i podeu descarregar, actualitzar, etiquetar o eliminar models de la interfície gràfica, cosa que redueix la barrera per experimentar amb LLM locals en una màquina capaç.

Claude a l'escriptori de Linux

Tot i que l'aplicació oficial Claude Desktop d'Anthropic no inclou una versió nativa de Linux, la comunitat ha intervingut amb dos enfocaments.: un complement no oficial que encapsula la interfície web i un projecte que reempaqueta el codi oficial d'escriptori com a paquets .deb i altres paquets natius.

L'aplicació "claudeai-desktop" és una aplicació web lleugera amb un ús mínim de recursos i notificacions d'escriptori.No emmagatzema dades localment i simplement connecta a la versió del navegador; la instal·lació és tan senzilla com sudo snap install claudeai-desktopAixò és ideal si voleu l'experiència web en una finestra pròpia.

Per a una integració de sistemes més profunda, un projecte comunitari reconstrueix Claude Desktop per a les principals distribucions de Linux.Després d'afegir la seva clau de signatura i el repositori amb ordres com ara:

curl -fsSL https://aaddrick.github.io/claude-desktop-debian/KEY.gpg \
  | sudo gpg --dearmor -o /usr/share/keyrings/claude-desktop.gpg

echo "deb [signed-by=/usr/share/keyrings/claude-desktop.gpg arch=amd64,arm64] \
https://aaddrick.github.io/claude-desktop-debian stable main" \
  | sudo tee /etc/apt/sources.list.d/claude-desktop.list

sudo apt update
sudo apt install claude-desktop

Obteniu una aplicació amb sensació nativa que s'integra amb notificacions, dreceres de teclat globals i l'entorn d'escriptoriÉs compatible amb el Model Context Protocol (MCP), cosa que permet a Claude interactuar amb fitxers i aplicacions locals sota la vostra supervisió, cosa que és especialment potent per a fluxos de treball de codificació i gestió del coneixement.

Clients nadius d'IA de GNOME i Flatpak

Per a aquells que prefereixen aplicacions GTK natives autèntiques, eines com XCA AI Chat (GTKChatGPT) ofereixen un client ChatGPT integrat a l'escriptori.Requereix una clau API d'OpenAI (emmagatzemada localment), per la qual cosa necessiteu un pla de pagament, però a canvi obteniu compatibilitat amb diversos models, una indicació del sistema configurable, controls de temperatura i una interfície coherent amb el GNOME.

XCA AI Chat es distribueix com a Flatpak i instal·lat amb:

flatpak install flathub io.github.alfianlosari.GTKChatGPT

Una altra aplicació destacable és Jan (ai.jan.Jan), un assistent d'escriptori dissenyat per treballar principalment amb models locals de codi obert, però també capaç d'arribar a proveïdors externs com OpenAI, Anthropic, Gemini o Groq.. Jan pot emular l'API d'OpenAI localment, de manera que les aplicacions escrites per a ChatGPT puguin comunicar-se amb els vostres models locals, i és compatible amb MCP per a una interacció rica amb el vostre sistema de fitxers.

El disseny local de Jan significa que les teves indicacions i documents poden romandre a l'ordinador quan utilitzes models compatibles., cosa que és atractiva si desconfieu dels serveis al núvol. També està empaquetat per a Flatpak mitjançant:

flatpak install flathub ai.jan.Jan

Finalment, hi ha embolcalls per a models més nous com ara DeepSeek, per exemple, el deepseek-escriptori snap, instal·lat amb:

sudo snap install deepseek-desktop
sudo snap connect deepseek-desktop:audio-record

De nou, aquests es comporten de manera molt similar a altres embolcalls d'aplicacions web, però us donen accés ràpid a proveïdors alternatius des de l'escriptori de Linux., amb compatibilitat opcional amb micròfon quan calgui.

Usant la IA des del terminal de Linux: Gemini, Codex/ChatGPT, Claude i Qwen

Per a molts usuaris de Linux, el veritable poder de la IA apareix quan la combines amb la línia d'ordres.Els clients CLI de Google, OpenAI, Anthropic i Qwen permeten xatejar amb models, executar codi, inspeccionar directoris i automatitzar tasques directament des d'un terminal, sovint amb un accés al sistema més profund que qualsevol interfície d'usuari web.

Per què la IA de la CLI és diferent del xat web

Les eines d'IA basades en consola funcionen com finestres de xat només de text on l'ordinador fa de mediador entre les pulsacions de tecles i el model remot.No necessiteu una GPU potent localment, perquè la feina més pesada es fa al núvol; qualsevol ordinador portàtil modest que pugui executar Node.js o sistemes d'execució similars sol ser suficient.

Hi ha alguns inconvenientsNo podeu enganxar imatges directament al quadre de xat del terminal i no teniu un llenç gràfic per a les previsualitzacions. Tanmateix, encara podeu arrossegar imatges o altres fitxers al terminal perquè el client CLI els pugui carregar i inspeccionar, depenent de les capacitats del model.

Els avantatges són significatius: aquestes CLI poden executar ordres a la vostra màquina amb el vostre permís, llegir i escriure fitxers locals, canviar el nom de recursos en massa, cridar compiladors i inspeccionar l'estat del sistema (memòria, espai en disc, processos en execució). Això les fa ideals per a sessions de "codificació vibratòria" on la IA llegeix un directori complet del projecte, edita diversos fitxers i executa proves a mesura que itereu.

Obrir un terminal de sistema a Linux, macOS i Windows

Abans d'utilitzar qualsevol interface de línia de comandament d'IA, heu d'estar còmode obrint el terminal del vostre sistema al directori correcte., de manera que la IA només vegi els fitxers que esteu disposats a exposar.

A Linux normalment premeu CTRL+ALT+T o cerqueu "Terminal" al menú de l'aplicació.Des d'un gestor de fitxers, podeu fer clic amb el botó dret en una carpeta i triar una opció com ara "Obre al terminal" perquè el directori de treball coincideixi amb el projecte que voleu que la IA inspeccioni.

A macOS, inicieu el "Terminal" a través del Launchpad o Spotlight.Per obrir-lo en una carpeta específica, feu servir l'element del menú "Terminal nou a la carpeta" del Finder o arrossegueu una carpeta a una finestra de terminal existent després d'escriure. cd (amb un espai al final).

A Windows podeu escriure "cmd" o "powershell" a la barra d'adreces de l'Explorador de fitxers mentre esteu dins d'una carpeta. per obrir-hi una consola. Si la barra no és editable, premeu primer CTRL+L. Això és essencial quan s'utilitzen CLI d'IA perquè el model no pugui vagar per tota la unitat.

Particularitats de treballar a la terminal

Els terminals són entorns centrats en el teclat: el ratolí no permet moure el cursor dins de la línia que esteu editant, per la qual cosa heu d'utilitzar les tecles de fletxa per a la navegació i les dreceres estàndard com ara INICI, FI o CTRL+A/E, depenent de la configuració de l'intèrpret d'ordres.

Les dreceres de copiar i enganxar són diferents de les aplicacions GUIEn molts terminals Linux, CTRL+C interromp un procés en execució en lloc de copiar text. En comptes d'això, feu servir CTRL+MAJ+C i CTRL+MAJ+V. A macOS, CMD+C/V funciona com de costum al Terminal o a l'iTerm2, mentre que a les consoles Windows modernes, CTRL+C/V també funciona per copiar i enganxar. Sempre podeu utilitzar menús contextuals amb el botó dret o enganxar amb el botó central on sigui compatible.

Podeu arrossegar fitxers a una finestra de terminal per inserir-ne la ruta o carregar-los mitjançant eines CLI que admeten fitxers adjunts.Sovint, així és com s'implementa la compatibilitat amb imatges i documents a les CLI d'IA: el terminal en si mateix es manté només de text, però entre bastidors el client envia aquests fitxers a l'API remota.

Instal·lació de les CLI d'IA (Gemini, Codex, Claude, Qwen)

La majoria de les CLI d'IA actuals es distribueixen com a paquets Node.js, de manera que el primer requisit previ és tenir Node.js i npm instal·lats.Si el teu terminal diu això node or npm no es reconeix, descarregueu l'instal·lador recomanat de nodejs.org o seguiu les instruccions del paquet de la vostra distribució. Per a usuaris avançats, un gestor de versions com ara nvm us pot ajudar.

Un cop instal·lat Node.js, cada client d'IA es pot instal·lar globalment amb npm o mitjançant altres mètodes com Homebrew.:

• Interfaça de comandament de línia Gemini (Google)
  • npm (recomanat, totes les plataformes): npm install -g @google/gemini-cli
  • Homebrew (macOS/Linux): brew install gemini-cli
  • npx (sense instal·lació): npx https://github.com/google-gemini/gemini-cli
• Codex (interfaç de comandament a distància ChatGPT d'OpenAI)
  • npm: npm install -g @openai/codex@latest
  • Homebrew (macOS): brew install codex
  • descàrrega manual: obté el binari de la pàgina de llançaments de GitHub, descomprimeix-lo i anomena'l codex
• Codi Claude (Antròpic)
  • npm (macOS/Linux): npm install -g @anthropic-ai/claude-code
  • instal·lador ràpid (macOS/Linux): curl -fsSL https://claude.ai/install.sh | bash
  • Windows PowerShell: irm https://claude.ai/install.ps1 | iex
• CLI del codi Qwen
  • npm: npm install -g @qwen-code/qwen-code

Després de la instal·lació, normalment executeu el nom de la CLI una vegada des de la consola del sistema per vincular-lo al vostre compte o clau API.. Per exemple, gemini us demanarà que inicieu la sessió amb el vostre compte de Google o que proporcioneu una clau API de aistudio.google.com/apikeyCodex us permetrà autenticar-vos amb credencials de ChatGPT o una clau OpenAI sense processar. Claude i Qwen segueixen fluxos similars.

Patrons d'ús bàsics i ordres especials

Un cop autenticat, només cal que escriviu el nom de la CLI en un terminal obert a la carpeta del projecte on teniu previst treballar.El client obrirà una sessió REPL similar a un xat on cada línia que escriviu s'envia al model i les respostes apareixen a sota.

La majoria d'eines implementen almenys dues ordres especials que val la pena memoritzar:

• /quit: finalitza la sessió d'IA i retorna a l'intèrpret d'ordres. Premer CTRL+C dues vegades sol tenir el mateix efecte.
• /init: indica a la IA que escanegi el directori actual i generi un fitxer Markdown que resumeixi el projecte. Gemini escriu GEMINI.md, El Còdex crea AGENTS.md, escriu Claude CLAU.md i Qwen genera QWEN.md.

L' /init El comandament és potent però requereix precaució: qualsevol fitxer de text del directori pot ser llegit pel model, per la qual cosa no l'heu d'executar mai en una carpeta que contingui informació confidencial o personal. Si s'utilitza de manera responsable, proporciona a la IA una comprensió rica de la vostra base de codi o documents i li permet escriure una descripció d'alt nivell que podeu editar més tard amb notes addicionals.

Quan la CLI necessiti realitzar accions que afectin la vostra màquina (llegir fitxers, escriure'n de nous, suprimir contingut o executar programes), demanarà permís.Normalment podeu aprovar una acció una vegada, aprovar totes les accions similars per a la sessió o denegar-les, cosa que és crucial per a la seguretat a l'hora d'explorar noves capacitats.

Carpetes de configuració i comportament persistent

Cada CLI emmagatzema la seva configuració, els tokens d'inici de sessió i, de vegades, les instruccions per defecte en una carpeta oculta del directori principal.A Linux i macOS, això sol semblar així: ~/.gemini, ~/.codex, ~/.claude or ~/.qwen; a Windows trobareu rutes equivalents al directori del vostre perfil d'usuari.

Podeu suprimir aquestes carpetes sempre que vulgueu restablir un client.La propera vegada que l'executeu, recrearà la seva configuració i us demanarà que torneu a iniciar la sessió. Així també és com es canvia Gemini a un compte de Google diferent: elimineu config.json de ~/.gemini i tornar a autenticar-se.

Més enllà dels fitxers principals de Markdown creats per /init, també podeu col·locar els vostres propis fitxers d'instruccions dins d'aquests directoris de configuracióPer exemple, podeu editar CLAU.md per descriure qui ets, com t'agrada que estiguin documentades les teves ordres de shell i en quins idiomes treballes. D'aquesta manera, cada nova sessió comença amb el context correcte sense que hagis de repetir-la.

Límits de velocitat, finestres de context i polítiques de privadesa

Cada proveïdor aplica límits de velocitat i mides de context específics als seus clients CLI.Entendre això us ajuda a triar l'eina adequada per a documents llargs en comptes de sessions de codificació ajustades:

• Gemini CLI (ús individual gratuït) normalment permet uns 60 missatges per minut i fins a 1,000 per dia, per defecte utilitzant Gemini 2.5 Pro amb una finestra de context d'aproximadament un milió de tokens. Quan s'arriba a certs llindars, és possible que es torni a un model més lleuger com ara Gemini 2.5 Flash.
• CLI del codi Qwen (gratuït) anuncia unes 60 sol·licituds per minut i aproximadament 2,000 per dia, utilitzant un model optimitzat per al codificador amb un context ampli (de l'ordre de centenars de milers de tokens).
• CLI de Codex / ChatGPT normalment requereix un compte ChatGPT Plus i utilitza un model de classe GPT-5 amb uns 200,000 tokens de context. Té límits horaris i setmanals que OpenAI no sempre especifica públicament.
• Claude Code amb una subscripció Pro normalment permet entre 10 i 40 missatges per finestra de cinc hores i també un límit setmanal, utilitzant Claude 4 Sonnet amb uns 200,000 tokens de context.

La gestió de la privadesa és un diferenciador crucial entre proveïdors i tipus de comptePer a la CLI personal de Gemini, les indicacions i els resultats s'utilitzen per defecte per millorar els models de Google i poden ser revisats per humans per verificar-ne la qualitat, i s'emmagatzemen durant molts mesos, tret que desactiveu "Activitat de les aplicacions de Gemini". En contextos de pagament o empresarials com ara Vertex AI o Workspace, les dades generalment no s'utilitzen per entrenar models i es poden conservar només per a la supervisió o auditoria d'abús, amb opcions com ara Zero Data Retention.

L'API d'OpenAI i eines com Codex no s'entrenen, per defecte, amb les vostres dades tret que ho accepteu explícitament.Els registres se solen conservar durant uns 30 dies per a la detecció i depuració d'abús, i alguns nivells empresarials ofereixen garanties ZDR més estrictes. Anthropic assumeix compromisos similars per al codi Claude: l'ús normal no alimenta la formació tret que envieu dades com a comentaris explícits o informes de seguretat, tot i que els casos d'abús es poden conservar més temps.

En canvi, algunes CLI gratuïtes com ara Qwen anuncien que les dades de conversa s'utilitzen per millorar els models.Si gestioneu informació confidencial, necessiteu un pla empresarial de pagament amb garanties més estrictes o una arquitectura només local amb models de codi obert, idealment aïllada de l'Internet públic.

Triar la CLI adequada per al vostre flux de treball

Després d'un ús prolongat al món real, molts desenvolupadors descobreixen que ChatGPT i Claude són més potents per a tasques de programació complexes que Gemini., especialment a l'hora de crear recursos educatius, llocs web o projectes de programari amb diversos fitxers. Les seves capacitats de raonament i edició de codi sovint són més robustes sota pressió.

Tanmateix, l'enorme finestra de context i el generós nivell gratuït de Gemini el fan extremadament atractiu per a treballs d'alt volum. com ara conversions massives de documents, traduccions i processament de text a granel. Una estratègia pragmàtica és utilitzar Gemini com a CLI predeterminada per a tasques rutinàries, canviant a ChatGPT o Claude quan us trobeu amb un problema que requereixi una experiència de codificació més profunda o una refactorització més neta.

Frameworks i biblioteques d'IA de codi obert a Linux

Més enllà del consum d'IA com a servei, Linux també destaca com a plataforma per executar i desenvolupar marcs d'aprenentatge automàtic de codi obert.Tant si esteu entrenant els vostres propis models com si esteu integrant IA en aplicacions personalitzades, hi ha un ric ecosistema de biblioteques ajustades per a entorns Linux.

DeepLearning4J (DL4J)

DeepLearning4J és una biblioteca d'aprenentatge profund distribuïda i de grau comercial per a Java i Scala que s'executa de manera molt natural en servidors Linux.Amb llicència d'Apache 2.0, s'integra amb Hadoop i Spark a través de CPU i GPU, i està ben alineat amb arquitectures de microserveis on voleu integrar models en backends basats en JVM.

Caffe

Caffe és un marc de treball modular d'aprenentatge profund conegut per la seva eficiència i velocitat., publicat sota una llicència BSD de 2 clàusules. S'ha utilitzat àmpliament en escenaris de visió, parla i multimèdia i sustenta una varietat de projectes comunitaris de codi obert. Tot i que els marcs de treball més nous l'han superat en flexibilitat, Caffe continua sent rellevant en certes línies de producció.

H2O

H2O és una plataforma d'aprenentatge automàtic ràpida, escalable i distribuïda dirigida directament a l'analítica empresarial i al suport a la presa de decisions.Ofereix algoritmes per a aprenentatge profund, augment de gradients, boscos aleatoris i models lineals generalitzats (inclosa la regressió logística i Elastic Net), cosa que el converteix en una bona opció per a la modelització predictiva en clústers de Linux.

MLlib (Apache Spark)

MLlib és la biblioteca d'aprenentatge automàtic integrada de Spark, dissenyada per a càrregues de treball d'alt rendiment a través de dades i clústers de Hadoop existents.Inclou classificació, regressió, recomanació, agrupament en clústers i anàlisi de supervivència, i és compatible amb Python, Java, Scala i R. A Linux, s'adapta naturalment als entorns de big data on ja s'ha implementat Spark.

Apache mahout

Apache Mahout se centra en la construcció d'aplicacions d'aprenentatge automàtic escalables, especialment per a casos d'ús de recomanació i agrupament en clústers.Ofereix un entorn de programació senzill i extensible, algoritmes preempaquetats per a Scala més Spark, H2O i Flink, i un entorn matemàtic vectorial experimental anomenat Samsara amb sintaxi similar a R.

opennn

OpenNN és ​​una biblioteca de C++ per a aprenentatge profund i xarxes neuronals, dirigit a desenvolupadors i professionals de C++ experimentats amb sòlids coneixements d'aprenentatge automàtic. Emfatitza el rendiment i les arquitectures profundes, cosa que el fa interessant per a implementacions integrades o sensibles a la latència a Linux.

TensorFlow

TensorFlow és una de les plataformes d'aprenentatge automàtic de codi obert més importants, molt optimitzada i àmpliament utilitzada a Linux.Desenvolupat per Google, admet tot, des de prototips de recerca fins a models de producció a gran escala, amb eines riques per a la formació, el servei i la supervisió.

PyTorch

PyTorch, originari del laboratori de recerca en intel·ligència artificial de Facebook, s'ha convertit en el marc de referència per a molts investigadors i professionals gràcies al seu graf de computació dinàmica i a la seva API ergonòmica de Python.A Linux, PyTorch s'integra perfectament amb biblioteques populars, controladors de GPU i piles de desplegament, cosa que fa que l'experimentació i la depuració siguin particularment agradables.

Apatxe SystemDS

SystemDS (anteriorment SystemML) és una plataforma de codi obert per a l'aprenentatge automàtic escalable amb un model de programació declaratiu.Desenvolupat a IBM, permet escriure algoritmes d'aprenentatge automàtic a un alt nivell i després optimitzar-los i executar-los automàticament en una sola màquina Linux o distribuïts en un clúster, cosa que és valuosa per a conjunts de dades grans.

NuPIC i memòria temporal jeràrquica

NuPIC implementa la Memòria Temporal Jeràrquica (HTM), una teoria inspirada en el neocòrtex, i se centra en l'aprenentatge de patrons temporals en la transmissió de dades.Aprèn seqüències en línia, prediu valors futurs i marca anomalies, cosa que el converteix en una eina de nínxol però potent per a la detecció d'anomalies de sèries temporals en servidors Linux.

Entre aquests marcs de treball i les CLI connectades al núvol, Linux ofereix un espectre excepcionalment ampli de maneres de treballar amb IA., des d'experiments locals i fluxos de treball que preserven la privadesa fins a integracions empresarials totalment gestionades. Si s'utilitza amb cura, podeu gaudir dels avantatges de l'assistència de la IA en les vostres tasques diàries d'administració de sistemes, desenvolupament i anàlisi de dades sense renunciar a les vostres dades ni al control del vostre sistema operatiu.