npm - better-dsh - Versions diffs - 0.2.5-c → 0.2.5-d - Mend

better-dsh 0.2.5-c → 0.2.5-d

This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.

Files changed (959) hide show

package/docs/80_upstream-docs-and-skills/hermes-dev-skill/src/i18n/zh-Hans/user-guide/skills/optional/data-science/data-science-jupyter-notebook.md DELETED Viewed

@@ -1,180 +0,0 @@
----
-title: "Jupyter Notebook — 通过实时 Jupyter 内核进行迭代式 Python 开发（hamelnb）"
-sidebar_label: "Jupyter Notebook"
-description: "通过实时 Jupyter 内核进行迭代式 Python 开发（hamelnb）"
----
-{/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */}
-# Jupyter Notebook
-通过实时 Jupyter 内核进行迭代式 Python 开发（hamelnb）。
-## Skill 元数据
-| | |
-|---|---|
-| 来源 | 可选 — 通过 `hermes skills install official/data-science/jupyter-notebook` 安装 |
-| 路径 | `optional-skills/data-science/jupyter-notebook` |
-| 版本 | `1.0.0` |
-| 作者 | Hermes Agent |
-| 许可证 | MIT |
-| 平台 | linux, macos, windows |
-| 标签 | `jupyter`, `notebook`, `repl`, `data-science`, `exploration`, `iterative` |
-## 参考：完整 SKILL.md
-:::info
-以下是 Hermes 在触发此 skill 时加载的完整 skill 定义。这是 agent 在 skill 激活时所看到的指令内容。
-:::
-# Jupyter Notebook（hamelnb 实时内核）
-通过实时 Jupyter 内核为你提供一个**有状态的 Python REPL**（交互式解释器）。变量在多次执行之间持久保留。当你需要逐步构建状态、探索 API、检查 DataFrame 或迭代复杂代码时，请使用此工具而非 `execute_code`。
-## 何时使用本 Skill 与其他工具
-| 工具 | 使用场景 |
-|------|----------|
-| **本 skill** | 迭代式探索、跨步骤保持状态、数据科学、机器学习、"试试看再检查" |
-| `execute_code` | 需要访问 Hermes 工具（web_search、文件操作）的一次性脚本。无状态。 |
-| `terminal` | Shell 命令、构建、安装、git、进程管理 |
-**经验法则：** 如果你会为某个任务打开 Jupyter notebook，就使用本 skill。
-## 前置条件
-1. 必须安装 **uv**（检查：`which uv`）
-2. 必须安装 **JupyterLab**：`uv tool install jupyterlab`
-3. 必须有一个正在运行的 Jupyter 服务器（参见下方"设置"部分）
-## 设置
-hamelnb 脚本位置：
-```
-SCRIPT="$HOME/.agent-skills/hamelnb/skills/jupyter-live-kernel/scripts/jupyter_live_kernel.py"
-```
-如果尚未克隆：
-```
-git clone https://github.com/hamelsmu/hamelnb.git ~/.agent-skills/hamelnb
-```
-### 启动 JupyterLab
-检查是否已有服务器在运行：
-```
-uv run "$SCRIPT" servers
-```
-如果未找到服务器，启动一个：
-```
-jupyter-lab --no-browser --port=8888 --notebook-dir=$HOME/notebooks \
-  --IdentityProvider.token='' --ServerApp.password='' > /tmp/jupyter.log 2>&1 &
-sleep 3
-```
-注意：已禁用 token/password 以供本地 agent 访问。服务器以无头模式运行。
-### 为 REPL 使用创建 Notebook
-如果你只需要一个 REPL（无需现有 notebook），创建一个最小化的 notebook 文件：
-```
-mkdir -p ~/notebooks
-```
-写入一个包含一个空代码单元格的最小 .ipynb JSON 文件，然后通过 Jupyter REST API 启动一个内核会话：
-```
-curl -s -X POST http://127.0.0.1:8888/api/sessions \
-  -H "Content-Type: application/json" \
-  -d '{"path":"scratch.ipynb","type":"notebook","name":"scratch.ipynb","kernel":{"name":"python3"}}'
-```
-## 核心工作流
-所有命令均返回结构化 JSON。始终使用 `--compact` 以节省 token。
-### 1. 发现服务器和 notebook
-```
-uv run "$SCRIPT" servers --compact
-uv run "$SCRIPT" notebooks --compact
-```
-### 2. 执行代码（主要操作）
-```
-uv run "$SCRIPT" execute --path <notebook.ipynb> --code '<python code>' --compact
-```
-状态在多次 execute 调用之间持久保留。变量、导入、对象均会保留。
-多行代码可使用 `$'...'` 引号语法：
-```
-uv run "$SCRIPT" execute --path scratch.ipynb --code $'import os\nfiles = os.listdir(".")\nprint(f"Found {len(files)} files")' --compact
-```
-### 3. 检查实时变量
-```
-uv run "$SCRIPT" variables --path <notebook.ipynb> list --compact
-uv run "$SCRIPT" variables --path <notebook.ipynb> preview --name <varname> --compact
-```
-### 4. 编辑 notebook 单元格
-```
-# 查看当前单元格
-uv run "$SCRIPT" contents --path <notebook.ipynb> --compact
-# 插入新单元格
-uv run "$SCRIPT" edit --path <notebook.ipynb> insert \
-  --at-index <N> --cell-type code --source '<code>' --compact
-# 替换单元格源码（使用 contents 输出中的 cell-id）
-uv run "$SCRIPT" edit --path <notebook.ipynb> replace-source \
-  --cell-id <id> --source '<new code>' --compact
-# 删除单元格
-uv run "$SCRIPT" edit --path <notebook.ipynb> delete --cell-id <id> --compact
-```
-### 5. 验证（重启并全部运行）
-仅在用户要求进行干净验证，或你需要确认 notebook 能从头到尾运行时使用：
-```
-uv run "$SCRIPT" restart-run-all --path <notebook.ipynb> --save-outputs --compact
-```
-## 实践经验提示
-1. **服务器启动后首次执行可能超时** —— 内核需要片刻时间初始化。如果超时，重试即可。
-2. **内核 Python 是 JupyterLab 的 Python** —— 包必须安装在该环境中。如需额外的包，请先将其安装到 JupyterLab 工具环境中。
-3. **`--compact` 标志可显著节省 token** —— 始终使用它。不加此标志时 JSON 输出可能非常冗长。
-4. **纯 REPL 使用时**，创建一个 scratch.ipynb，无需关心单元格编辑。反复使用 `execute` 即可。
-5. **参数顺序很重要** —— 子命令标志（如 `--path`）必须放在子子命令**之前**。例如：`variables --path nb.ipynb list`，而非 `variables list --path nb.ipynb`。
-6. **如果会话尚不存在**，需要通过 REST API 启动一个（参见"设置"部分）。没有实时内核会话，工具无法执行代码。
-7. **错误以 JSON 形式返回**，包含 traceback —— 读取 `ename` 和 `evalue` 字段以了解出错原因。
-8. **偶发的 websocket 超时** —— 某些操作（尤其是内核重启后）首次尝试可能超时。在上报问题前先重试一次。
-9. **如果 websocket 在此主机上持续超时**，强制使用 zmq 传输：
-   `uv run "$SCRIPT" execute --transport zmq ...`。症状：每次 execute 都返回
-   "Websocket execution may already have reached the kernel, so auto fallback was
-   skipped"。内核实际上运行正常（REST 显示 execution_state=idle 且
-   execution_count 递增）—— 只是 websocket 回复通道损坏。zmq 传输直接使用
-   jupyter_client，可绕过此问题。
-10. **为纯 REST 使用启动新服务器时**，添加
-    `--ServerApp.disable_check_xsrf=True` —— 否则 POST /api/sessions 会返回
-    `"'_xsrf' argument missing from POST"`，导致内核会话创建失败。
-## 超时默认值
-脚本每次执行的默认超时为 30 秒。对于长时间运行的操作，传入 `--timeout 120`。初始设置或大量计算时，建议使用较宽松的超时值（60 秒以上）。

package/docs/80_upstream-docs-and-skills/hermes-dev-skill/src/i18n/zh-Hans/user-guide/skills/optional/devops/devops-docker-management.md DELETED Viewed

@@ -1,297 +0,0 @@
----
-title: "Docker 管理"
-sidebar_label: "Docker 管理"
-description: "管理 Docker 容器、镜像、卷、网络和 Compose 栈——生命周期操作、调试、清理及 Dockerfile 优化"
----
-{/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */}
-# Docker 管理
-管理 Docker 容器、镜像、卷、网络和 Compose 栈——生命周期操作、调试、清理及 Dockerfile 优化。
-## Skill 元数据
-| | |
-|---|---|
-| 来源 | 可选——使用 `hermes skills install official/devops/docker-management` 安装 |
-| 路径 | `optional-skills/devops/docker-management` |
-| 版本 | `1.0.0` |
-| 作者 | sprmn24 |
-| 许可证 | MIT |
-| 平台 | linux, macos, windows |
-| 标签 | `docker`, `containers`, `devops`, `infrastructure`, `compose`, `images`, `volumes`, `networks`, `debugging` |
-## 参考：完整 SKILL.md
-:::info
-以下是 Hermes 在触发此 skill 时加载的完整 skill 定义。这是 skill 激活时 agent 所看到的指令内容。
-:::
-# Docker 管理
-使用标准 Docker CLI 命令管理 Docker 容器、镜像、卷、网络和 Compose 栈。除 Docker 本身外无需额外依赖。
-## 适用场景
-- 运行、停止、重启、删除或检查容器
-- 构建、拉取、推送、标记或清理 Docker 镜像
-- 使用 Docker Compose（多服务栈）
-- 管理卷或网络
-- 调试崩溃的容器或分析日志
-- 检查 Docker 磁盘使用情况或释放空间
-- 审查或优化 Dockerfile
-## 前提条件
-- Docker Engine 已安装并运行
-- 用户已加入 `docker` 组（或使用 `sudo`）
-- Docker Compose v2（现代 Docker 安装已包含）
-快速检查：
-```bash
-docker --version && docker compose version
-```
-## 快速参考
-| 任务 | 命令 |
-|------|---------|
-| 运行容器（后台） | `docker run -d --name NAME IMAGE` |
-| 停止并删除 | `docker stop NAME && docker rm NAME` |
-| 查看日志（跟踪） | `docker logs --tail 50 -f NAME` |
-| 进入容器 Shell | `docker exec -it NAME /bin/sh` |
-| 列出所有容器 | `docker ps -a` |
-| 构建镜像 | `docker build -t TAG .` |
-| Compose 启动 | `docker compose up -d` |
-| Compose 停止 | `docker compose down` |
-| 磁盘使用情况 | `docker system df` |
-| 清理悬空资源 | `docker image prune && docker container prune` |
-## 操作流程
-### 1. 确定操作域
-判断请求属于哪个领域：
-- **容器生命周期** → run、stop、start、restart、rm、pause/unpause
-- **容器交互** → exec、cp、logs、inspect、stats
-- **镜像管理** → build、pull、push、tag、rmi、save/load
-- **Docker Compose** → up、down、ps、logs、exec、build、config
-- **卷与网络** → create、inspect、rm、prune、connect
-- **故障排查** → 日志分析、退出码、资源问题
-### 2. 容器操作
-**运行新容器：**
-```bash
-# 后台服务，带端口映射
-docker run -d --name web -p 8080:80 nginx
-# 带环境变量
-docker run -d -e POSTGRES_PASSWORD=secret -e POSTGRES_DB=mydb --name db postgres:16
-# 带持久化数据（命名卷）
-docker run -d -v pgdata:/var/lib/postgresql/data --name db postgres:16
-# 开发环境（绑定挂载源码）
-docker run -d -v $(pwd)/src:/app/src -p 3000:3000 --name dev my-app
-# 交互式调试（退出后自动删除）
-docker run -it --rm ubuntu:22.04 /bin/bash
-# 带资源限制和重启策略
-docker run -d --memory=512m --cpus=1.5 --restart=unless-stopped --name app my-app
-```
-关键参数：`-d` 后台运行，`-it` 交互式+tty，`--rm` 自动删除，`-p` 端口（宿主机:容器），`-e` 环境变量，`-v` 卷，`--name` 名称，`--restart` 重启策略。
-**管理运行中的容器：**
-```bash
-docker ps                        # 运行中的容器
-docker ps -a                     # 所有容器（包括已停止的）
-docker stop NAME                 # 优雅停止
-docker start NAME                # 启动已停止的容器
-docker restart NAME              # 停止并重启
-docker rm NAME                   # 删除已停止的容器
-docker rm -f NAME                # 强制删除运行中的容器
-docker container prune           # 删除所有已停止的容器
-```
-**与容器交互：**
-```bash
-docker exec -it NAME /bin/sh          # Shell 访问（如可用则使用 /bin/bash）
-docker exec NAME env                   # 查看环境变量
-docker exec -u root NAME apt update    # 以指定用户运行
-docker logs --tail 100 -f NAME         # 跟踪最后 100 行日志
-docker logs --since 2h NAME            # 最近 2 小时的日志
-docker cp NAME:/path/file ./local      # 从容器复制文件
-docker cp ./file NAME:/path/           # 向容器复制文件
-docker inspect NAME                    # 完整容器详情（JSON）
-docker stats --no-stream               # 资源使用快照
-docker top NAME                        # 运行中的进程
-```
-### 3. 镜像管理
-```bash
-# 构建
-docker build -t my-app:latest .
-docker build -t my-app:prod -f Dockerfile.prod .
-docker build --no-cache -t my-app .              # 全量重新构建
-DOCKER_BUILDKIT=1 docker build -t my-app .       # 使用 BuildKit 加速
-# 拉取与推送
-docker pull node:20-alpine
-docker login ghcr.io
-docker tag my-app:latest registry/my-app:v1.0
-docker push registry/my-app:v1.0
-# 检查
-docker images                          # 列出本地镜像
-docker history IMAGE                   # 查看层信息
-docker inspect IMAGE                   # 完整详情
-# 清理
-docker image prune                     # 删除悬空（未标记）镜像
-docker image prune -a                  # 删除所有未使用镜像（谨慎！）
-docker image prune -a --filter "until=168h"   # 删除 7 天前未使用的镜像
-```
-### 4. Docker Compose
-```bash
-# 启动/停止
-docker compose up -d                   # 后台启动所有服务
-docker compose up -d --build           # 启动前重新构建镜像
-docker compose down                    # 停止并删除容器
-docker compose down -v                 # 同时删除卷（会销毁数据）
-# 监控
-docker compose ps                      # 列出服务
-docker compose logs -f api             # 跟踪指定服务的日志
-docker compose logs --tail 50          # 所有服务最后 50 行日志
-# 交互
-docker compose exec api /bin/sh        # 进入运行中服务的 Shell
-docker compose run --rm api npm test   # 一次性命令（新容器）
-docker compose restart api             # 重启指定服务
-# 验证
-docker compose config                  # 验证并查看解析后的配置
-```
-**最简 compose.yml 示例：**
-```yaml
-services:
-  api:
-    build: .
-    ports:
-      - "3000:3000"
-    environment:
-      - DATABASE_URL=postgres://user:pass@db:5432/mydb
-    depends_on:
-      db:
-        condition: service_healthy
-  db:
-    image: postgres:16-alpine
-    environment:
-      POSTGRES_USER: user
-      POSTGRES_PASSWORD: pass
-      POSTGRES_DB: mydb
-    volumes:
-      - pgdata:/var/lib/postgresql/data
-    healthcheck:
-      test: ["CMD-SHELL", "pg_isready -U user"]
-      interval: 10s
-      timeout: 5s
-      retries: 5
-volumes:
-  pgdata:
-```
-### 5. 卷与网络
-```bash
-# 卷
-docker volume ls                       # 列出卷
-docker volume create mydata            # 创建命名卷
-docker volume inspect mydata           # 详情（挂载点等）
-docker volume rm mydata                # 删除（使用中则失败）
-docker volume prune                    # 删除未使用的卷
-# 网络
-docker network ls                      # 列出网络
-docker network create mynet            # 创建桥接网络
-docker network inspect mynet           # 详情（已连接的容器）
-docker network connect mynet NAME      # 将容器连接到网络
-docker network disconnect mynet NAME   # 断开容器连接
-docker network rm mynet                # 删除网络
-docker network prune                   # 删除未使用的网络
-```
-### 6. 磁盘使用与清理
-清理前始终先进行诊断：
-```bash
-# 检查空间占用
-docker system df                       # 摘要
-docker system df -v                    # 详细分解
-# 针对性清理（安全）
-docker container prune                 # 已停止的容器
-docker image prune                     # 悬空镜像
-docker volume prune                    # 未使用的卷
-docker network prune                   # 未使用的网络
-# 激进清理（请先与用户确认！）
-docker system prune                    # 容器 + 镜像 + 网络
-docker system prune -a                 # 同时包含未使用镜像
-docker system prune -a --volumes       # 全部清除——包括命名卷
-```
-**警告：** 未经用户确认，切勿运行 `docker system prune -a --volumes`。此命令会删除可能包含重要数据的命名卷。
-## 常见问题
-| 问题 | 原因 | 解决方法 |
-|---------|-------|-----|
-| 容器立即退出 | 主进程结束或崩溃 | 检查 `docker logs NAME`，尝试 `docker run -it --entrypoint /bin/sh IMAGE` |
-| "port is already allocated" | 该端口已被其他进程占用 | 使用 `docker ps` 或 `lsof -i :PORT` 查找 |
-| "no space left on device" | Docker 磁盘已满 | 执行 `docker system df` 后针对性清理 |
-| 无法连接到容器 | 容器内应用绑定到 127.0.0.1 | 应用须绑定到 `0.0.0.0`，检查 `-p` 映射 |
-| 卷权限被拒绝 | 宿主机与容器 UID/GID 不匹配 | 使用 `--user $(id -u):$(id -g)` 或修复权限 |
-| Compose 服务间无法互通 | 网络错误或服务名称错误 | 服务使用服务名作为主机名，检查 `docker compose config` |
-| 构建缓存失效 | Dockerfile 层顺序错误 | 将不常变动的层放在前面（依赖在源码之前） |
-| 镜像过大 | 未使用多阶段构建，缺少 .dockerignore | 使用多阶段构建，添加 `.dockerignore` |
-## 验证
-每次 Docker 操作后，验证结果：
-- **容器已启动？** → `docker ps`（检查状态为 "Up"）
-- **日志无异常？** → `docker logs --tail 20 NAME`（无报错）
-- **端口可访问？** → `curl -s http://localhost:PORT` 或 `docker port NAME`
-- **镜像已构建？** → `docker images | grep TAG`
-- **Compose 栈健康？** → `docker compose ps`（所有服务状态为 "running" 或 "healthy"）
-- **磁盘已释放？** → `docker system df`（对比清理前后）
-## Dockerfile 优化建议
-审查或创建 Dockerfile 时，建议以下改进：
-1. **多阶段构建** — 将构建环境与运行时分离，减小最终镜像体积
-2. **层顺序** — 将依赖放在源码之前，避免变更使缓存层失效
-3. **合并 RUN 命令** — 减少层数，缩小镜像体积
-4. **使用 .dockerignore** — 排除 `node_modules`、`.git`、`__pycache__` 等
-5. **固定基础镜像版本** — 使用 `node:20-alpine` 而非 `node:latest`
-6. **以非 root 用户运行** — 添加 `USER` 指令以提升安全性
-7. **使用 slim/alpine 基础镜像** — 使用 `python:3.12-slim` 而非 `python:3.12`

package/docs/80_upstream-docs-and-skills/hermes-dev-skill/src/i18n/zh-Hans/user-guide/skills/optional/devops/devops-inference-sh-cli.md DELETED Viewed

@@ -1,173 +0,0 @@
----
-title: "Inference Sh Cli — 通过 inference 运行 150+ AI 应用"
-sidebar_label: "Inference Sh Cli"
-description: "通过 inference 运行 150+ AI 应用"
----
-{/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */}
-# Inference Sh Cli
-通过 inference.sh CLI（infsh）运行 150+ AI 应用——图像生成、视频创作、LLM、搜索、3D、社交自动化。使用终端工具。触发词：inference.sh、infsh、ai apps、flux、veo、image generation、video generation、seedream、seedance、tavily
-## Skill 元数据
-| | |
-|---|---|
-| 来源 | 可选——使用 `hermes skills install official/devops/inference-sh-cli` 安装 |
-| 路径 | `optional-skills/devops/inference-sh-cli` |
-| 版本 | `1.0.0` |
-| 作者 | okaris |
-| 许可证 | MIT |
-| 平台 | linux, macos, windows |
-| 标签 | `AI`, `image-generation`, `video`, `LLM`, `search`, `inference`, `FLUX`, `Veo`, `Claude` |
-## 参考：完整 SKILL.md
-:::info
-以下是 Hermes 在该 skill 被触发时加载的完整 skill 定义。这是 agent 在 skill 激活时所看到的指令内容。
-:::
-# inference.sh CLI
-通过简单的 CLI 在云端运行 150+ AI 应用。无需 GPU。
-所有命令均使用**终端工具**来运行 `infsh` 命令。
-## 使用场景
-- 用户要求生成图像（FLUX、Reve、Seedream、Grok、Gemini image）
-- 用户要求生成视频（Veo、Wan、Seedance、OmniHuman）
-- 用户询问 inference.sh 或 infsh
-- 用户希望运行 AI 应用而无需管理各个提供商的 API
-- 用户要求 AI 驱动的搜索（Tavily、Exa）
-- 用户需要生成头像/口型同步
-## 前置条件
-`infsh` CLI 必须已安装并完成认证。使用以下命令检查：
-```bash
-infsh me
-```
-如未安装：
-```bash
-curl -fsSL https://cli.inference.sh | sh
-infsh login
-```
-完整安装详情请参阅 `references/authentication.md`。
-## 工作流程
-### 1. 始终先搜索
-不要猜测应用名称——始终通过搜索找到正确的应用 ID：
-```bash
-infsh app list --search flux
-infsh app list --search video
-infsh app list --search image
-```
-### 2. 运行应用
-使用搜索结果中的精确应用 ID。始终使用 `--json` 获取机器可读的输出：
-```bash
-infsh app run <app-id> --input '{"prompt": "your prompt here"}' --json
-```
-### 3. 解析输出
-JSON 输出包含指向生成媒体的 URL。使用 `MEDIA:<url>` 格式将其呈现给用户以内联显示。
-## 常用命令
-### 图像生成
-```bash
-# 搜索图像应用
-infsh app list --search image
-# FLUX Dev with LoRA
-infsh app run falai/flux-dev-lora --input '{"prompt": "sunset over mountains", "num_images": 1}' --json
-# Gemini 图像生成
-infsh app run google/gemini-2-5-flash-image --input '{"prompt": "futuristic city", "num_images": 1}' --json
-# Seedream (ByteDance)
-infsh app run bytedance/seedream-5-lite --input '{"prompt": "nature scene"}' --json
-# Grok Imagine (xAI)
-infsh app run xai/grok-imagine-image --input '{"prompt": "abstract art"}' --json
-```
-### 视频生成
-```bash
-# 搜索视频应用
-infsh app list --search video
-# Veo 3.1 (Google)
-infsh app run google/veo-3-1-fast --input '{"prompt": "drone shot of coastline"}' --json
-# Seedance (ByteDance)
-infsh app run bytedance/seedance-1-5-pro --input '{"prompt": "dancing figure", "resolution": "1080p"}' --json
-# Wan 2.5
-infsh app run falai/wan-2-5 --input '{"prompt": "person walking through city"}' --json
-```
-### 本地文件上传
-CLI 会在提供路径时自动上传本地文件：
-```bash
-# 放大本地图像
-infsh app run falai/topaz-image-upscaler --input '{"image": "/path/to/photo.jpg", "upscale_factor": 2}' --json
-# 从本地文件生成图生视频
-infsh app run falai/wan-2-5-i2v --input '{"image": "/path/to/image.png", "prompt": "make it move"}' --json
-# 带音频的头像
-infsh app run bytedance/omnihuman-1-5 --input '{"audio": "/path/to/audio.mp3", "image": "/path/to/face.jpg"}' --json
-```
-### 搜索与研究
-```bash
-infsh app list --search search
-infsh app run tavily/tavily-search --input '{"query": "latest AI news"}' --json
-infsh app run exa/exa-search --input '{"query": "machine learning papers"}' --json
-```
-### 其他类别
-```bash
-# 3D 生成
-infsh app list --search 3d
-# 音频 / TTS
-infsh app list --search tts
-# Twitter/X 自动化
-infsh app list --search twitter
-```
-## 注意事项
-1. **不要猜测应用 ID**——始终先运行 `infsh app list --search <term>`。应用 ID 会变更，新应用也会频繁添加。
-2. **始终使用 `--json`**——原始输出难以解析。`--json` 标志提供包含 URL 的结构化输出。
-3. **检查认证状态**——如果命令因认证错误失败，请运行 `infsh login` 或确认 `INFSH_API_KEY` 已设置。
-4. **长时间运行的应用**——视频生成可能需要 30-120 秒。终端工具的超时时间应该足够，但请提前告知用户可能需要等待片刻。
-5. **输入格式**——`--input` 标志接受 JSON 字符串。请确保正确转义引号。
-## 参考文档
-- `references/authentication.md` — 安装、登录、API 密钥
-- `references/app-discovery.md` — 搜索和浏览应用目录
-- `references/running-apps.md` — 运行应用、输入格式、输出处理
-- `references/cli-reference.md` — 完整 CLI 命令参考