用LLM当脚本解释器：Shebang行让自然语言变成可执行脚本

当英文文本文件也能直接执行

如果你是一名 Linux/macOS 用户，一定对脚本文件第一行的 #!/bin/bash 或 #!/usr/bin/env python3 不陌生——这就是所谓的 shebang 行，它告诉操作系统用哪个解释器来执行这个脚本。

Shebang（#!）机制是 Unix/Linux 内核级别的功能，当操作系统的 execve 系统调用检测到文件以 #! 开头时，会解析该行指定的解释器路径，并将文件自身作为参数传递给该解释器执行。这个机制诞生于 1980 年 Dennis Ritchie 在 Version 8 Unix 中的实现，至今已有 45 年历史。值得注意的是，shebang 行的长度在不同系统上有限制（Linux 内核限制为 128 字节），且传统上只支持一个参数——这个限制在后文中会变得非常关键。

现在，Simon Willison（Datasette 的作者）展示了一个大胆的想法：把 LLM 命令行工具放进 shebang 行，让纯英文的自然语言文本文件变成可执行脚本。你写一段英文描述，赋予执行权限后直接运行，LLM 就会帮你完成任务。

这个灵感来自 Hacker News 用户 Kim_Bruning 的一句评论：

"说真的，现在你可以在英文文本文件上加个 shebang 了（如果你足够勇敢的话）。"

最简形式：自然语言即脚本

最基础的用法利用了 LLM 工具的 fragments 功能。创建一个文件，内容如下：

#!/usr/bin/env -S llm -f
Generate an SVG of a pelican riding a bicycle

给文件加上执行权限（chmod +x），然后直接运行它，LLM 就会生成一只骑自行车的鹈鹕的 SVG 图像。整个文件除了 shebang 行之外，就是一句纯粹的英文指令。

这里的关键在于 env -S 参数——它允许将多个参数传递给指定的程序。传统的 shebang 机制有一个著名的限制：#! 之后的内容会被当作单个参数传递给解释器。例如 #!/usr/bin/env python3 -u 在某些系统上会将 python3 -u 整体当作一个参数，导致执行失败。GNU coreutils 8.30（2018 年发布）引入的 env -S（split-string）选项解决了这个问题，它会将后续字符串按空格拆分为多个独立参数。这个看似微小的改进，恰好为 LLM shebang 脚本提供了技术基础——没有它，就无法在 shebang 行中同时传递 llm 命令和 -f 标志。

-f 标志告诉 LLM 将文件剩余内容作为 fragment（提示片段）来处理。LLM 是 Simon Willison 开发的开源命令行工具，支持通过统一接口调用 OpenAI、Anthropic、本地模型等多种大语言模型。Fragments 是 LLM 0.26 版本引入的功能，允许通过 -f 标志从文件、URL 或标准输入中读取内容作为提示的一部分。在 shebang 场景中，-f 标志不带额外参数时，会将脚本文件自身的剩余内容（shebang 行之后的部分）作为 fragment 读入，这正是自然语言脚本得以工作的核心机制。

进阶用法：集成工具调用

LLM 命令行工具的强大之处在于它不只是生成文本，还能调用工具（tools）。通过 -T 参数，你可以在 shebang 脚本中启用工具调用能力：

#!/usr/bin/env -S llm -T llm_time -f
Write a haiku that mentions the exact current time

这个脚本会调用 llm_time 工具获取当前时间，然后生成一首包含精确时间的俳句。LLM 自主决定何时调用工具、如何将工具返回的结果融入最终输出。

工具调用（也称 Function Calling）是现代大语言模型的关键能力之一，最早由 OpenAI 在 2023 年 6 月随 GPT-3.5/GPT-4 API 引入。其工作流程是：开发者向模型描述可用工具的名称、参数和功能；模型在推理过程中判断是否需要调用工具，如果需要则生成结构化的调用请求（包含函数名和参数）；客户端执行实际调用并将结果返回给模型；模型基于工具返回的结果继续生成最终回答。这种机制让 LLM 能够突破自身局限——例如精确数学计算、获取实时信息、访问外部数据库——同时保持自然语言交互的流畅性。Anthropic、Google 等厂商随后也实现了类似的工具调用协议。

高阶玩法：YAML模板 + 自定义Python函数

更复杂的场景可以使用 YAML 模板格式，直接在脚本中定义 Python 函数作为工具：

#!/usr/bin/env -S llm -t
model: gpt-5.4-mini
system: |
  Use tools to run calculations
functions: |
  def add(a: int, b: int) -> int:
      return a + b
  def multiply(a: int, b: int) -> int:
      return a * b

将其保存为 calc.sh 并执行：

./calc.sh 'what is 2344 * 5252 + 134' --td

--td 是工具调试选项，可以看到 LLM 的完整推理过程：

Tool call: multiply({'a': 2344, 'b': 5252})
  12310688

Tool call: add({'a': 12310688, 'b': 134})
  12310822

2344 × 5252 + 134 = **12,310,822**

LLM 正确地将数学表达式拆解为两步操作——先乘后加——并通过工具调用得到精确结果，而非依赖自身的数学计算能力。这种模式巧妙地结合了 LLM 的语言理解能力和确定性工具的精确执行能力。这也是当前 AI 应用设计中的一个重要范式：让 LLM 负责理解意图和编排流程，让传统代码负责精确执行，各取所长。

实际应用：用自然语言查询数据库

Simon 还展示了一个更贴近日常工作的例子：通过 Datasette SQL API 用自然语言查询博客内容。你可以写一个脚本，用英文问"我去年写了多少篇关于 AI 的文章"，LLM 会自动构造 SQL 查询、调用 API、解析结果并返回人类可读的答案。

Datasette 是 Simon Willison 的另一个知名开源项目，它能将 SQLite 数据库即时发布为可交互的 Web 应用和 JSON API。Datasette 的设计哲学是让数据探索和发布变得极其简单——只需一个 SQLite 文件就能启动完整的数据浏览、查询和 API 服务。其 SQL API 允许通过 HTTP 请求执行任意 SQL 查询并获取 JSON 格式的结果。在自然语言脚本的场景中，LLM 充当了用户意图与 SQL 查询之间的翻译层：用户用英文描述需求，LLM 理解语义后生成对应的 SQL 语句，通过工具调用 Datasette API 执行查询，最后将结构化结果转化为人类可读的自然语言回答。

这种模式本质上是将 LLM 变成了一个通用的自然语言接口层，连接着各种后端工具和数据源。

自然语言脚本意味着什么

从技术角度看，这个技巧本身并不复杂——它只是巧妙地利用了 Unix 的 shebang 机制和 LLM CLI 工具的参数设计。但它传递的信号值得关注：

编程的抽象层级正在发生变化。 从机器码到汇编，从汇编到高级语言，从高级语言到脚本语言，现在自然语言也开始成为一种"可执行"的表达方式。回顾这段历史：1940 年代程序员直接编写二进制机器码；1950 年代汇编语言引入助记符；1957 年 Fortran 开创了高级语言时代，让程序员可以用接近数学的表达式编程；1980-90 年代 Perl、Python 等脚本语言进一步降低了编程门槛，强调快速开发和可读性；2010 年代低代码/无代码平台试图用可视化方式替代文本编程。每一次抽象层级的提升都伴随着对精确控制的部分让渡——汇编程序员曾质疑编译器生成的代码效率，C 程序员曾质疑脚本语言的性能。

当然，LLM 的非确定性输出意味着你不会想在生产环境中依赖这种方式——至少现在还不行。自然语言作为编程接口面临的最大挑战正是这种非确定性：同样的英文指令可能产生不同的输出，这与传统编程的确定性执行形成根本性张力。

但作为快速原型、一次性任务、或者个人工作流自动化的工具，"自然语言脚本"确实降低了与计算机交互的门槛。你不需要记住 curl 的参数格式，不需要查 jq 的语法，只需要用英文描述你想要什么。

正如 Kim_Bruning 所说，你只需要"足够勇敢"就行。