文章目录

一、安装与卸载

1.1 系统要求

项目 要求
Node.js v22.0.0 或更高版本
内存 4GB+
网络 需要互联网连接

1.2 安装 Node.js

检查是否已安装：

node -v    # 需显示 v22.x 或更高
npm -v     # 需显示 10.x+

未安装时：

  • 访问 nodejs.org 下载 LTS 版本
  • 按默认设置安装，重启终端

1.3 安装 iFlow CLI

macOS / Linux（推荐一键安装）
# 一键安装脚本（自动处理所有依赖）
bash -c "$(curl -fsSL https://gitee.com/iflow-ai/iflow-cli/raw/main/install.sh)"

或已有 Node.js 时使用 npm：

npm i -g @iflow-ai/iflow-cli@latest
Windows 安装
  1. 访问 nodejs.org 下载安装程序
  2. 运行安装程序，按默认设置完成
  3. 重启终端（CMD 或 PowerShell）
  4. 配置国内镜像（推荐）： 
    npm config set registry https://registry.npmmirror.com
  5. 安装 iFlow CLI： 
    npm install -g @iflow-ai/iflow-cli

1.4 首次启动配置

iflow

认证方式选择：

选项 说明 适用场景
1. Login with iFlow (recommend) 浏览器 OAuth 授权，自动获取 API Key 推荐，大多数用户首选
2. Login with iFlow ApiKey 手动粘贴已生成的 API Key 多设备快速配置
3. OpenAI Compatible API 接入第三方 OpenAI 格式 API 企业用户、自建模型

推荐选择 1，按提示完成浏览器授权即可。

1.5 验证安装

iflow --version    # 查看版本
iflow              # 启动交互式终端

1.6 卸载

npm uninstall -g @iflow-ai/iflow-cli

# 清理配置（可选）
rm -rf ~/.iflow           # macOS/Linux
rmdir /s /q %USERPROFILE%\.iflow   # Windows

二、基础命令与快捷键

2.1 启动与退出

命令 功能
iflow 启动交互式 REPL
iflow "query" 带初始提示启动
iflow -p "query" 非交互模式执行
Ctrl+C 退出 iFlow CLI

2.2 核心命令

命令 功能 示例
/help 或 Alt+G 显示所有可用命令 /help
/model <模型名> 切换当前模型 /model qwen3-coder
/config 查看/修改配置 /config
/logout 退出当前账号 /logout
/doctor 检查安装环境 /doctor
/init 初始化项目，生成 IFLOW.md /init
/save 保存当前会话 /save
/load 加载已保存会话 /load
/restore 撤销文件更改 /restore
/demo 启动研究工作流 /demo

2.3 快捷操作符

符号 功能 示例
@文件名 引用文件内容 @src/main.js 帮我优化
!命令 执行 Shell 命令 !ls -la 或 !npm test

2.4 MCP 相关命令

命令 功能
/mcp 查看 MCP 帮助
/mcp list 列出已安装的 MCP 服务器
/mcp online 在线浏览 MCP 市场
/mcp add <name> 添加 MCP 服务器
/mcp remove <name> 移除 MCP 服务器

三、模型配置与切换

3.1 首次选择模型

启动 iFlow 后，会提示选择模型：

Model Configuration
Please select the model you want to use.
Enter To Use Default selection: GLM 4.7

1. GLM-4.7 (recommend)
2. iFlow-ROME-30BA3B (Preview)
3. DeepSeek-V3.2
4. GLM-5
5. Qwen3-Coder-Plus
6. Kimi-K2-Thinking
7. MiniMax-M2.5
8. Kimi-K2.5
9. Kimi-K2-0905

推荐选择：

  • 通用场景：GLM-4.7（官方推荐，稳定均衡）
  • 编程开发：Qwen3-Coder-Plus 或 DeepSeek-V3.2
  • 长文本处理：Kimi-K2.5 或 Kimi-K2-Thinking

3.2 运行时切换模型

# 查看当前模型
>> /model

# 切换到指定模型
>> /model qwen3-coder
>> /model deepseek-v3.2
>> /model kimi-k2
>> /model glm-4.7

3.3 修改 API Key

方式 1：通过命令修改
>> /config
# 找到 apiKey 项，输入新值
方式 2：直接编辑配置文件

配置文件路径：

  • macOS/Linux：~/.iflow/settings.json
  • Windows：%USERPROFILE%\.iflow\settings.json

配置示例：

{
  "theme": "Default",
  "selectedAuthType": "iflow",
  "apiKey": "your-new-api-key",
  "baseUrl": "https://apis.iflow.cn/v1",
  "modelName": "GLM-4.7"
}

3.4 完全重新配置

>> /logout    # 退出当前账号
# 然后重新启动 iflow，会再次显示认证选择界面

四、MCP 配置与使用

4.1 MCP 简介

MCP（Model Context Protocol）是 iFlow CLI 的扩展工具协议，用于连接外部服务和工具，让 AI 能够：

  • 调用本地命令和 API
  • 访问企业系统（飞书、云效、GitHub 等）
  • 实现端到端自动化（需求→代码→部署）

4.2 MCP 配置文件

编辑 ~/.iflow/settings.json，添加 mcpServers 字段：

{
  "theme": "Default",
  "selectedAuthType": "iflow",
  "apiKey": "your-iflow-api-key",
  "baseUrl": "https://apis.iflow.cn/v1",
  "modelName": "GLM-4.7",
  "mcpServers": {
    "feishu": {
      "command": "npx",
      "args": ["-y", "@iflow-mcp/feishu-mcp", "--stdio"],
      "env": {
        "FEISHU_APP_ID": "cli_xxxxxxxxxxxxxxxx",
        "FEISHU_APP_SECRET": "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
      }
    }
  }
}

4.3 飞书 MCP 完整配置

步骤 1：创建飞书应用
  1. 访问 飞书开放平台
  2. 创建企业自建应用
  3. 记录 App ID 和 App Secret
  4. 添加所需权限：
    • docs:document:read（读取文档）
    • docs:document:write（编辑文档）
    • im:message:send（发送消息）
    • calendar:calendar:read（读取日历）
  5. 发布应用并获取权限
步骤 2：配置 iFlow
{
  "mcpServers": {
    "feishu": {
      "command": "npx",
      "args": ["-y", "@iflow-mcp/feishu-mcp", "--stdio"],
      "env": {
        "FEISHU_APP_ID": "cli_xxxxxxxxxxxxxxxx",
        "FEISHU_APP_SECRET": "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
        "FEISHU_AUTH_TYPE": "tenant"
      }
    }
  }
}

环境变量说明：

变量名 必填 说明
FEISHU_APP_ID ✅ 飞书应用 ID
FEISHU_APP_SECRET ✅ 飞书应用密钥
FEISHU_AUTH_TYPE ❌ tenant（应用级）或 user（用户级）
步骤 3：验证连接
# 重启 iFlow
iflow

# 查看 MCP 状态
>> /mcp list
# 应显示 feishu 及相关工具
步骤 4：使用飞书功能
# 读取飞书文档
>> 读取飞书文档 https://xxx.feishu.cn/docx/xxx 并总结要点

# 发送群消息
>> 给"研发部"群发送消息：今日代码审查已完成

# 创建文档
>> 在飞书创建一个项目需求文档，包含背景、目标、排期

4.4 云效 MCP 配置示例

{
  "mcpServers": {
    "yunxiao": {
      "command": "npx",
      "args": ["-y", "alibabacloud-devops-mcp-server"],
      "env": {
        "YUNXIAO_ACCESS_TOKEN": "your-yunxiao-token"
      }
    }
  }
}

使用示例：

>> 查看当前云效组织下有哪些项目？
>> 在 bowen 项目下创建一个工作项："实现用户登录功能"
>> 创建一条云效流水线并运行

五、Agent 配置与使用

5.1 Agent 简介

Agent 是 iFlow CLI 的专用智能体，针对特定场景优化，可以：

  • 封装特定领域知识
  • 绑定特定工具集（MCP）
  • 通过指令快速触发

5.2 创建自定义 Agent

目录结构
项目根目录/
├── .iflow/
│   ├── agents/                    # Agent 目录
│   │   └── feishu-bot/            # Agent 名称
│   │       └── agent.json         # Agent 配置
│   ├── commands/                  # 指令目录
│   │   └── feishu.md              # 触发指令
│   └── settings.json
└── IFLOW.md
Agent 配置文件

.iflow/agents/feishu-bot/agent.json：

{
  "name": "feishu-bot",
  "description": "飞书办公助手，擅长文档处理、消息通知、日程管理",
  "tools": [
    "feishu_document_read",
    "feishu_document_write",
    "feishu_message_send",
    "feishu_calendar_query"
  ],
  "system_prompt": "你是飞书办公助手，可以帮助用户：\n1. 读取和编辑飞书文档\n2. 发送群消息和私聊\n3. 查询和创建日程\n4. 总结会议纪要和待办事项"
}
触发指令文件

.iflow/commands/feishu.md：

---
name: feishu
description: "飞书办公助手，处理文档、消息、日程等飞书相关任务"
workflow_trigger: /feishu
agent_path: .iflow/agents/feishu-bot
---

5.3 使用 Agent

# 触发飞书 Agent
>> /feishu 查看我今天所有的飞书日程
>> /feishu 把这份代码审查报告发送到"后端开发"群
>> /feishu 总结上周的会议纪要并提取待办事项

六、Skill / Workflow 配置与使用

6.1 Skill 与 Workflow 简介

概念 说明
Skill 具体的技能实现（如生成 PPT、分析代码）
Workflow 触发 Skill 的指令和配置
Agent 执行 Skill 的专用智能体

6.2 从市场安装 Workflow

iFlow 提供官方 Workflow 市场，一键安装：

# 基础语法
iflow workflow add "workflow-id"
常用 Workflow 安装
功能 安装命令 使用指令
PPT 生成 iflow workflow add "pptx-rFQkrA" /pptx
Word 文档 iflow workflow add "docx-rFQkrA" /docx
PDF 处理 iflow workflow add "pdf-rFQkrA" /pdf
Excel 表格 iflow workflow add "xlsx-rFQkrA" /xlsx
主题工厂 iflow workflow add "theme-factory-rFQkrA" /theme-factory
算法艺术 iflow workflow add "algorithmic-art-OTelrA" /algorithmic-art
Artifacts 构建 iflow workflow add "artifacts-builder-OTelrA" /artifacts-builder
品牌规范 iflow workflow add "brand-guidelines-OTelrA" /brand-guidelines
Canvas 设计 iflow workflow add "canvas-design-OTelrA" /canvas-design

6.3 安装步骤

# 1. 安装 Workflow（以 PPT 为例）
iflow workflow add "pptx-rFQkrA"

# 2. 重启 iFlow CLI
# 按 Ctrl+C 退出，然后重新输入 iflow 启动

# 3. 使用工作流
>> /pptx 帮我创建一份产品介绍PPT，5页内容，包含市场分析

6.4 自定义 Skill 转 Workflow

将现有 Skill（如 Claude Code Skill）转换为 iFlow Workflow：

目录结构
项目根目录/
├── .iflow/
│   ├── agents/                    # Skill 核心文件
│   │   └── pptx/
│   │       ├── pptx.js
│   │       └── templates/
│   ├── commands/                  # 触发指令
│   │   └── pptx.md
│   └── settings.json
└── IFLOW.md
创建触发指令

.iflow/commands/pptx.md：

---
name: pptx
description: "Presentation creation, editing, and analysis. When AI needs to work with presentations (.pptx files) for: (1) Creating new presentations, (2) Modifying content, (3) Working with layouts, (4) Adding speaker notes"
license: Proprietary
workflow_trigger: /pptx
agent_path: .iflow/agents/pptx
---
使用
>> /pptx 帮我生成一份季度汇报PPT

七、实用技巧速查

7.1 文件与上下文操作

技巧 命令/用法 说明
引用文件 @文件名 自动包含文件内容到提示词
多文件引用 @file1 @file2 一次分析多个文件
执行命令 !命令 直接运行 Shell 命令

7.2 项目管理

技巧 命令 说明
初始化项目 /init 创建 IFLOW.md 项目说明书
撤销更改 /restore 回滚 AI 做的文件修改
保存会话 /save 保存当前对话上下文
加载会话 /load 恢复历史对话

7.3 实战示例

# 示例 1：分析并优化代码
>> @src/app.js 帮我找出性能瓶颈并优化

# 示例 2：批量处理 + 分析
>> !find . -name "*.log" | head -5
>> 分析这些日志文件的错误模式

# 示例 3：初始化项目后开发
>> /init
>> 这是一个电商后台管理系统，使用 React + Node.js
>> @package.json 帮我检查依赖是否有漏洞

# 示例 4：研究新技术
>> /demo
>> 调研 2025 年前端性能优化最佳实践

# 示例 5：使用 PPT Workflow
>> /pptx 创建一份技术分享PPT，主题：AI 辅助编程实践

八、常见问题

Q1: iflow 命令未找到

解决： 重装后执行 npm link @iflow-ai/iflow-cli，或检查 Node.js 环境变量

Q2: API 密钥无效

解决： 检查 settings.json 中 apiKey 是否有多余空格，或重新生成

Q3: MCP 未显示在列表中

解决：

  1. 检查 settings.json JSON 格式是否有效
  2. 确认 mcpServers 字段拼写正确
  3. 重启 iFlow CLI

Q4: 飞书认证失败

解决：

  1. 确认 App ID 和 App Secret 正确
  2. 检查应用是否已发布并可见
  3. 确认已添加所需权限

Q5: 连接超时

解决： 切换网络或配置代理

Q6: 权限拒绝（Windows）

解决： 以管理员身份启动终端

附录：配置文件完整示例

~/.iflow/settings.json：

{
  "theme": "Default",
  "selectedAuthType": "iflow",
  "apiKey": "iflow-your-api-key",
  "baseUrl": "https://apis.iflow.cn/v1",
  "modelName": "GLM-4.7",
  "mcpServers": {
    "feishu": {
      "command": "npx",
      "args": ["-y", "@iflow-mcp/feishu-mcp", "--stdio"],
      "env": {
        "FEISHU_APP_ID": "cli_xxxxxxxxxxxxxxxx",
        "FEISHU_APP_SECRET": "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
        "FEISHU_AUTH_TYPE": "tenant"
      }
    },
    "yunxiao": {
      "command": "npx",
      "args": ["-y", "alibabacloud-devops-mcp-server"],
      "env": {
        "YUNXIAO_ACCESS_TOKEN": "your-token"
      }
    }
  }
}

官方资源：

  • 文档中心：https://platform.iflow.cn/cli/quickstart
  • 开发者论坛：https://vibex.iflow.cn/t/topic/1057
  • Workflow 市场：https://platform.iflow.cn/cli/examples/
# 人工智能 # AI
Logo
AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

cover

实例讲解什么是上下文治理

avatar AtomGit开源社区

【SCI一区论文复现】自适应强化学习机械臂控制研究（Maltab代码实现）

针对双连杆机械臂在模型不确定性、外部扰动以及执行器饱和约束下的高精度轨迹跟踪控制难题，本文提出一种融合径向基函数神经网络、非奇异终端滑模控制与强化学习的自适应鲁棒控制方案。该方法以非奇异终端滑模为核心控制框架，保证系统状态在有限时间内收敛并避免传统滑模的奇异性问题；采用评价 - 动作双网络强化学习结构，利用径向基函数神经网络实现对系统未知动态与不确定项的在线逼近，同时完成控制策略的自适应优化；设计

avatar AtomGit开源社区

Google Cloud Dataflow 背后的流式处理模型

是一个完全托管的数据处理服务，提供无服务器统一的流式和批量数据处理。当处理流式数据工作负载时，它是 Google 推荐的首选服务。该服务承诺无论工作负载多大，都能确保正确性和延迟。为了实现这些特性，Google Dataflow 基于一个专用的处理模型——Dataflow，该模型源自 Google 多年来的研究和开发。。如果你想深入了解流式处理，我强烈推荐这篇论文。它包含了 Google 在引入

avatar AtomGit开源社区