Vertex是一个本地AI工作流系统,提供多种运行模式和丰富的命令行功能。
# 安装vertex
pip install -e .
# 查看帮助
vertex --help
# 启动标准模式(默认)
vertex
# 查看版本
vertex --versionVertex CLI提供以下主要命令:
| 命令 | 功能 | 说明 |
|---|---|---|
vertex |
标准模式 | 启动Vertex聊天界面(默认) |
vertex run |
标准模式 | 同上,显式指定 |
vertex workflow |
工作流模式 | 启动VertexFlow可视化编辑器 |
vertex deepresearch |
深度研究 | 启动深度研究分析工具 |
vertex config |
配置管理 | 管理系统配置文件 |
vertex rag |
RAG问答 | 基于文档的智能问答系统 |
vertex mcp |
MCP协议 | Model Context Protocol 功能 |
vertex --desktop |
桌面端模式 | 使用PyWebView启动桌面应用 |
启动Vertex标准聊天界面,提供基础的AI对话功能。
# 使用默认配置启动
vertex
# 或
vertex run
# 指定Web服务端口
vertex run --port 8080
# 指定主机地址
vertex run --host 0.0.0.0 --port 8080功能特性:
- ✅ 多模型支持(OpenRouter、DeepSeek等)
- ✅ Web界面聊天
- ✅ 对话历史管理
- ✅ 响应式设计
启动VertexFlow可视化工作流编辑器,支持拖拽式工作流设计。
# 启动工作流编辑器
vertex workflow
# 指定端口
vertex workflow --port 8999功能特性:
- ✅ 可视化工作流设计
- ✅ 拖拽式节点编辑
- ✅ 实时工作流执行
- ✅ 工作流模板管理
启动深度研究分析工具,提供高级分析功能。
# 启动深度研究工具
vertex deepresearch
# 指定端口
vertex deepresearch --port 7865功能特性:
- ✅ 深度内容分析
- ✅ 多维度研究报告
- ✅ 数据可视化
- ✅ 导出研究结果
管理Vertex系统的配置文件,支持多种配置操作。
# 快速初始化配置(使用默认模板)
vertex config init
# 交互式配置向导
vertex config setup# 检查配置状态
vertex config check输出示例:
配置检查结果:
模板存在: ✓
配置存在: ✓
配置有效: ✓
模板路径: /path/to/vertex_flow/config/llm.yml.template
配置路径: /path/to/vertex_flow/config/llm.yml
建议运行: vertex config init
# 重置配置为默认模板
vertex config reset配置文件结构:
llm:
openrouter:
sk: ${llm.openrouter.sk:sk-or-your-key}
enabled: true
models:
- name: deepseek/deepseek-chat-v3-0324:free
enabled: true
embedding:
local:
enabled: true
model_name: "all-MiniLM-L6-v2"
use_mirror: true
vector:
local:
enabled: true
dimension: 384
# MCP (Model Context Protocol) 配置
mcp:
enabled: true
clients:
filesystem:
enabled: true
command: "npx"
args: ["@modelcontextprotocol/server-filesystem", "/path/to/allowed/directory"]
github:
enabled: false
command: "npx"
args: ["@modelcontextprotocol/server-github"]基于文档的检索增强生成系统,提供智能文档问答功能。
# 使用内置示例文档
vertex rag
# 索引指定目录的文档
vertex rag -d ./documents
# 显示向量数据库统计
vertex rag --show-stats# 直接查询(完整模式)
vertex rag --query "什么是人工智能?"
# 快速查询(跳过LLM生成)
vertex rag --query "什么是人工智能?" --fast
# 交互式问答
vertex rag --interactive
# 快速交互式查询
vertex rag --interactive --fast# 强制重新索引文档
vertex rag -d ./documents --reindex
# 组合使用:重新索引后查询
vertex rag -d ./documents --reindex --query "文档摘要"| 模式 | 命令 | 耗时 | 功能 |
|---|---|---|---|
| 完整查询 | --query "问题" |
3-8秒 | 文档检索 + LLM生成 |
| 快速查询 | --query "问题" --fast |
0.5-1秒 | 仅文档检索 |
| 仅索引 | -d path --reindex |
按文档量 | 仅构建索引 |
| 统计信息 | --show-stats |
<1秒 | 显示数据库状态 |
MCP (Model Context Protocol) 是一个开放标准,允许LLM应用程序安全地连接到数据源。
# 显示MCP帮助信息
vertex mcp --help
# 显示MCP功能说明和示例
vertex mcp info
# 启动MCP服务器
vertex mcp server
# 测试MCP客户端
vertex mcp client 'vertex mcp server'MCP服务器提供以下功能:
- 资源访问: 提供文件和配置资源访问
- 工具调用: 支持文本处理等工具
- 提示模板: 提供代码分析和工作流辅助模板
- stdio协议: 通过标准输入输出通信
默认资源:
config://test.yml- 测试配置文件workflow://sample.py- 示例工作流
可用工具:
echo_text- 文本回显工具,支持重复参数
提示模板:
analyze_code- 代码分析提示模板workflow_help- 工作流创建辅助模板
# 启动MCP服务器(终端1)
vertex mcp server
# 在另一个终端测试客户端(终端2)
vertex mcp client 'vertex mcp server'
# 查看详细信息和示例
vertex mcp infoMCP配置位于独立的配置文件 vertex_flow/config/mcp.yml.template 中:
# MCP (Model Context Protocol) 配置
mcp:
enabled: true # 启用MCP集成
clients: # MCP客户端配置
filesystem: # 文件系统MCP客户端
enabled: true
command: "npx"
args: ["@modelcontextprotocol/server-filesystem", "/path/to/directory"]
transport: "stdio"
env:
NODE_ENV: "production"
github: # GitHub MCP客户端
enabled: false
command: "npx"
args: ["@modelcontextprotocol/server-github"]
transport: "stdio"
env:
GITHUB_PERSONAL_ACCESS_TOKEN: "${mcp.github.token:your-github-token}"
database: # 数据库MCP客户端
enabled: false
command: "npx"
args: ["@modelcontextprotocol/server-postgres", "postgresql://localhost/mydb"]
transport: "stdio"
server: # MCP服务器配置
enabled: true # 启用MCP服务器
name: "VertexFlow" # 服务器名称
version: "1.0.0" # 服务器版本使用PyWebView封装Gradio应用,提供原生桌面应用体验。
# 启动桌面端应用(标准模式)
vertex --desktop
# 启动桌面端工作流模式
vertex workflow --desktop
# 启动桌面端深度研究模式
vertex deepresearch --desktop优势:
- ✅ 原生桌面应用体验
- ✅ 无浏览器依赖
- ✅ 更好的系统集成
- ✅ 独立窗口管理
要求:
- Python 3.8+
- PyWebView 依赖包
- 系统WebView支持
# 检查桌面端依赖
python -c "import webview; print('PyWebView available')"
# 如果缺少依赖,安装:
pip install pywebview# 初始化配置后启动工作流
vertex config init && vertex workflow
# 检查配置状态并启动RAG
vertex config check && vertex rag --interactive
# 启动MCP服务器并在桌面端运行
vertex mcp server & vertex --desktop# 指定配置文件
CONFIG_FILE=config/custom.yml vertex
# 启用调试模式
DEBUG=1 vertex workflow
# 设置日志级别
LOG_LEVEL=DEBUG vertex#!/bin/bash
# 自动化启动脚本
# 检查配置
vertex config check
# 如果配置不存在,初始化
if [ $? -ne 0 ]; then
vertex config init
fi
# 启动工作流模式
vertex workflow --port 8999本次更新将原来的多个CLI文件合并成一个统一的命令行工具:
- 删除:
vertex_flow/cli_mcp.py - 更新:
vertex_flow/cli.py- 添加了所有MCP相关功能
所有Vertex功能现在都通过一个统一的入口点访问,提供:
- 统一性: 所有功能通过一个入口点访问
- 一致性: 命令结构和参数风格统一
- 易用性: 更容易发现和使用各种功能
- 维护性: 减少了重复代码和文件数量
- 文档性: 集中的帮助信息和示例
- ✅ 所有原有的CLI命令保持不变
- ✅ 原有的功能和参数都得到保留
- ✅ 只是增加了新的MCP子命令
- ✅ 配置文件格式保持兼容
-
命令未找到
# 确保正确安装 pip install -e . # 检查PATH环境变量 which vertex
-
配置文件问题
# 检查配置状态 vertex config check # 重新初始化配置 vertex config init
-
端口占用
# 使用不同端口 vertex workflow --port 9000 # 检查端口占用 lsof -i :8999
-
MCP依赖问题
# 安装MCP相关依赖 npm install -g @modelcontextprotocol/server-filesystem # 检查Node.js版本 node --version
-
桌面端启动失败
# 安装桌面端依赖 pip install pywebview # 检查系统WebView支持 python -c "import webview; webview.start()"
更多故障排除信息,请参考 TROUBLESHOOTING.md。
# 查看命令帮助
vertex --help
vertex config --help
vertex rag --help
# 查看版本信息
vertex --version
# 在线文档
# https://github.com/your-repo/localqwen/tree/main/docs通过这个完整的CLI指南,你可以充分利用Vertex的所有功能,从基础聊天到高级工作流设计,再到智能文档问答系统和桌面端应用。选择适合你需求的模式,享受AI驱动的工作流体验!