很多人开始用 Claude Code、Codex、Gemini CLI 这一类 agent 工具时,第一反应通常是「我怎么把 prompt 写得更像咒语」。但 Simon Willison 5 月 11 号在他 TIL 上贴的那条小笔记,指了另一条更值得想的路:
#把自然语言当成可执行脚本
也就是说:把 prompt 不再当成你「跟模型聊天的话」,而是当成一个可以放在 #!/usr/bin/env -S llm -f shebang 行下面、chmod +x 之后直接 ./run.sh 跑起来的、第一类公民的可执行文件。
#shebang是操作系统给文件的一张身份证
回想 shebang 的本意——#!/bin/bash、#!/usr/bin/env python 这一行写在文件最顶,操作系统就知道「这文件该交给哪个解释器去跑」。Bash 文件交给 bash,Python 文件交给 python。
Simon 这个观察的意义是:#!/usr/bin/env -S llm -f 等于新签了一份合约——「这个文件,交给 LLM 当解释器」。文件正文是什么?是自然语言。
#最小可跑的样子
Simon 自己贴的最小例子,两行:
#!/usr/bin/env -S llm -f
Generate an SVG of a pelican riding a bicycle
存成 pelican.sh、chmod +x pelican.sh、./pelican.sh——直接产出一只骑自行车的鹈鹕 SVG。没有 Python 中间层、没有 API client 库、没有 main 函数。
#四个 escalating 用法
第一档:-f 把 prompt 当 fragment 拼进对话。
第二档:-T tool_name 把外部工具(比如 llm_time 拿到系统时间)插进 LLM 推理链。
第三档:-t template.yaml 把整个脚本结构化——model、system、functions 这些字段写在 YAML 里,prompt 部分变成模板调用。
第四档:--td 调试整个 prompt-template 渲染过程,看 LLM 真正收到的最终 prompt 长什么样。
每一档都是「把 shell 工程师 30 年来熟悉的 composable 武器(管道、参数、debug flag)直接套到 LLM 上」。
#不会写脚本怎么办
如果你从没写过 shell 也别躲——这正是 Simon 这条 pattern 最妙的地方:.sh 文件的内容就是自然语言,你直接打:
「找出当前目录所有 .png,按文件大小排序」
「读 README.md,给我提取所有 install 步骤」
「检查这段 Python 代码有没有 SQL injection 风险」
存成 task.sh,chmod +x,跑。出错不知道为啥?加 --td 看渲染。要换模型?改 YAML 里的 model: gpt-5.5。要给它工具权限?加 -T tool_name。
整套学习曲线对一个非工程师,大概一晚上。
#这件事在大叙事里的位置
过去 50 年,「把指令变成可重复执行的文件」一直是 shell 工程师生产力的核心——shell scripts、Makefile、Dockerfile 都是这个 motif 的版本。Simon 这条 pattern 的位置很清楚:#!llm 是这条 motif 的下一个版本。自然语言成了可以 chmod +x 的第一类公民。
下一步大概率是:VS Code 这样的编辑器直接把 #!llm 文件当 native 文件类型对待;package manager 出现「LLM 脚本仓库」;团队把日常运维的小活儿全部以 .sh + 自然语言写成可 review 的 PR。
shell 是 PC 时代的电,自然语言是 AI 时代的电。Simon 这条 pattern 是给后者第一次画上插座。
原文 · 👇 第一条评论
#AI #LLM #ClaudeCode #DevTools #SimonWillison #硅谷中转站
关注 @svtransit1 · 每 3 小时一篇 AI 前线 · RSS