delta-cli

Delta Infra 的命令行工具，用于管理 Delta Sandbox GPU/CPU 计算任务和调用 Science 工具。

安装

方式一：npx 一键安装（推荐）

npx @delta-infra/cli@latest install

该命令会依次完成：

1. 全局安装 @delta-infra/cli（含 Go 二进制）
2. 选择 AI 工具平台（可多选）：通用 Agent 目录 ~/.agents/skills/（Codex/Cursor/OpenCode）、Claude Code ~/.claude/skills/、OpenCode 原生 ~/.config/opencode/skills/、Cursor ~/.cursor/skills/、Memento-S 开发模式 ~/memento_s/skills/
3. 安装 AI Skills 到所选平台的 skills 目录
4. 初始化配置 delta-cli config init（交互式，非 TTY 跳过）
5. 身份认证 delta-cli auth login（交互式，非 TTY 跳过）

AI Agent 也可以直接使用以下指令完成安装：

帮我安装 delta-cli：https://github.com/yzailab/delta-infra-cli

卸载

npx @delta-infra/cli@latest uninstall

清理全局包、所有已知平台的 AI Skills 和配置文件。

升级

# 升级 CLI + AI Skills
delta-cli upgrade

# 只检查是否有更新（不执行升级）
delta-cli upgrade --check

# 只升级 CLI 二进制
delta-cli upgrade --cli-only

# 只升级 AI Skills
delta-cli upgrade --skills-only

升级 CLI 时会通过 npm install -g @delta-infra/cli@latest 拉取最新版本；升级 Skills 时会通过 npx skills add 重新安装 AI Skills。

方式二：直接下载 Binary

从 GitHub Releases 下载对应平台的压缩包（以下使用 latest 指向最新版）：

# macOS (Apple Silicon)
curl -L -o delta-cli.tar.gz https://github.com/yzailab/delta-infra-cli/releases/latest/download/delta-cli-darwin-arm64.tar.gz
tar -xzf delta-cli.tar.gz
sudo mv delta-cli-darwin-arm64 /usr/local/bin/delta-cli
rm delta-cli.tar.gz

# Linux (AMD64)
curl -L -o delta-cli.tar.gz https://github.com/yzailab/delta-infra-cli/releases/latest/download/delta-cli-linux-amd64.tar.gz
tar -xzf delta-cli.tar.gz
chmod +x delta-cli-linux-amd64
sudo mv delta-cli-linux-amd64 /usr/local/bin/delta-cli
rm delta-cli.tar.gz

# Windows (AMD64，PowerShell)
Invoke-WebRequest -Uri https://github.com/yzailab/delta-infra-cli/releases/latest/download/delta-cli-windows-amd64.zip -OutFile delta-cli.zip
Expand-Archive -Path delta-cli.zip -DestinationPath . -Force
Move-Item -Path delta-cli-windows-amd64.exe -Destination delta-cli.exe
Remove-Item -Path delta-cli.zip
# 将 delta-cli.exe 放到 PATH 中的目录

方式三：一键安装脚本（国内用户推荐 / 无 npm 也可用）

安装脚本会自动检测环境：

• 已有 npm → 安装 @delta-infra/cli npm 包（自动尝试国内 npm 镜像 npmmirror，失败回退 npm 官方源）
• 没有 npm → 直接通过纯 shell 方式下载二进制（PowerShell + curl / bash + curl + tar，Windows 10+、macOS、Linux 均自带），无需安装 Node.js/npm

# Linux / macOS
curl -L https://raw.githubusercontent.com/yzailab/delta-infra-cli/main/install.sh | bash

# Windows (PowerShell)
Invoke-RestMethod -Uri https://raw.githubusercontent.com/yzailab/delta-infra-cli/main/install.ps1 | Invoke-Expression

脚本下载二进制时会按顺序尝试国内加速镜像（gh.ddlc.top、ghproxy.net、gh-proxy.com），全部失败再用 GitHub 源站，且会校验 SHA-256。可用 DELTA_CLI_VERSION 环境变量指定版本。

方式四：npm

npm install -g @delta-infra/cli

postinstall 会按以下顺序尝试下载当前平台的二进制：

1. DELTA_CLI_MIRROR 环境变量指定的镜像（如果设置，需为 HTTPS 且允许全前缀格式，如 https://gh.ddlc.top）
2. 依次探测国内加速镜像 gh.ddlc.top、ghproxy.net、gh-proxy.com，可用的优先
3. GitHub 源站 https://github.com/yzailab/delta-infra-cli/releases/download/...（兜底）

如果安装时下载失败，可以：

• 直接运行一次 delta-cli，它会自动重新尝试下载。
• 或者在安装前设置本地压缩包路径：

DELTA_CLI_ARCHIVE=/path/to/delta-cli-linux-amd64.tar.gz npm install -g @delta-infra/cli

常用环境变量：

| 变量 | 说明 | |------|------| | DELTA_CLI_MIRROR | 下载镜像根地址，例如 https://gh.ddlc.top。脚本会自动补全为全前缀格式（<mirror>/https://github.com/...）。只接受 HTTPS 且需在白名单内。 | | DELTA_CLI_MIRROR_ALLOWLIST | 额外允许的主机列表，逗号分隔。 | | DELTA_CLI_ARCHIVE | 指向预先下载好的 .tar.gz / .zip 本地路径，跳过网络下载。 | | DELTA_CLI_SKIP_POSTINSTALL | 设置为 1 跳过安装时的二进制下载，之后由 delta-cli 运行时兜底。 | | DELTA_CLI_FATAL_ON_ERROR | 安装失败时退出码非 0（默认警告，用于调试）。 | | DELTA_CLI_DOWNLOAD_TIMEOUT | 单个下载源最大等待时间（毫秒，默认 120000）。 |

方式五：Go Install

go install github.com/delta-infra/delta-infra-cli/cmd/delta-cli@latest

快速开始

1. 初始化配置

delta-cli config init

执行时会交互式提示输入服务端地址（默认：https://delta-infra-nacos.yangtzeailab.com）以及 Bearer Token（可选，也可后续用 auth login 配置）。

非交互式环境（如 CI）会直接使用默认值，也可以通过 flag 或环境变量一次性指定：

# 通过 flag
delta-cli config init \
  --base-url http://your-server/api/v1 \
  --token your-token

# 通过环境变量（API Key 或 Token 二选一）
export DELTA_INFRA_BASE_URL=http://your-server/api/v1
export DELTA_INFRA_API_KEY=your-api-key        # 或 DELTA_INFRA_TOKEN
delta-cli config init

配置文件保存在 ~/.delta-infra/config.json（权限 0600）。

2. 认证

支持 API Key 与 Bearer Token 两种凭据（API Key 优先）。

获取 API Key：登录 Delta Infra Web 控制台，在 API Keys 页面生成一个 Key。

# API Key（推荐）
delta-cli auth login --apikey <your-api-key>

# Token
delta-cli auth login --token <your-token>

# 交互式登录（可直接粘贴 Key/Token，CLI 会自动识别格式）
delta-cli auth login

# 查看认证状态
delta-cli auth status

也可以通过环境变量指定：DELTA_INFRA_API_KEY=<key> / DELTA_INFRA_TOKEN=<token>。

3. Sandbox 生命周期

# 创建带 GPU 的 sandbox（--max-life 默认 30 分钟，长任务请调高）
delta-cli sandbox create \
  --image image.yangtzeailab.com/opensandbox/pytorch-cuda13:latest \
  --cpu 4 --memory 16Gi --gpu 1 \
  --max-life 120

# 需要长期存活、不被自动清理的 sandbox：加 --no-auto-cleanup（仅显式 kill/finish 可销毁）
delta-cli sandbox create \
  --image image.yangtzeailab.com/opensandbox/pytorch-cuda13:latest \
  --cpu 4 --memory 16Gi --gpu 1 \
  --no-auto-cleanup

# 运行命令（短任务同步执行，长任务用 run-bg 替代 run）
delta-cli sandbox run <sandbox_id> \
  --command "<命令>" \
  --timeout 3600

# v1.0.85+ sandbox run 走 SSE 实时流：stdout 为原始 data: 帧（无末尾信封），exit_code/log_file 在 complete 帧中
# 需要 stdout 末尾 JSON 摘要时：读取 log_file 解析（sandbox read <id> --path <log_file>）
delta-cli sandbox run <sandbox_id> --command "echo '{\"status\":\"ok\",\"result\":\"done\"}'" --timeout 60

# 读取结果文件
delta-cli sandbox read <sandbox_id> --path /workspace/result.json

# 销毁 sandbox
delta-cli sandbox kill <sandbox_id>

命令列表

全局命令

| 命令 | 说明 | |------|------| | delta-cli config init | 初始化配置文件 | | delta-cli config show | 查看当前配置（敏感字段已脱敏） | | delta-cli config set <key> <value> | 修改配置项 | | delta-cli auth login | 交互式登录（自动识别 API Key / Token） | | delta-cli auth login --apikey <key> | API Key 认证（推荐） | | delta-cli auth login --token <token> | Token 认证 | | delta-cli auth status | 查看认证状态 | | delta-cli upgrade | 升级 CLI 和 AI Skills 到最新版本 | | delta-cli upgrade --check | 检查是否有可用更新 | | delta-cli upgrade --cli-only | 只升级 CLI 二进制 | | delta-cli upgrade --skills-only | 只升级 AI Skills | | delta-cli --version | 显示版本 |

Sandbox 命令

提示：sandbox list（列沙箱实例）与 sandbox ls <id>（列目录）不同，注意区分。

| 命令 | 说明 | |------|------| | delta-cli sandbox list | 列出当前用户的 sandbox 实例 | | delta-cli sandbox providers | 查看可用计算后端 | | delta-cli sandbox resources [--provider opensandbox\|autodl] | 查看各后端当前剩余可申请资源（GPU/显存/核心） | | delta-cli sandbox images | 查看可用镜像列表 | | delta-cli sandbox recommend --cpu N --memory XGi | 获取资源配置推荐 | | delta-cli sandbox create --image <img> [--no-auto-cleanup] | 创建 sandbox 容器（--no-auto-cleanup 不被自动清理） | | delta-cli sandbox connect <id> | 连接 sandbox | | delta-cli sandbox status <id> | 查看 sandbox 状态 | | delta-cli sandbox finish <id> | 保存结果并销毁 | | delta-cli sandbox kill <id> | 销毁 sandbox | | delta-cli sandbox run <id> --command "..." [--timeout <秒>] [--summary/--no-summary] [--artifacts] | 同步运行命令（SSE 原始 data: 帧透传到 stdout，无末尾信封，exit_code/log_file 在 complete 帧）；--summary/--artifacts 仅旧服务器回退路径生效 | | delta-cli sandbox run-bg <id> --command "..." [--timeout <秒>] [--wait] [--summary/--no-summary] [--artifacts] | 后台运行命令；不加 --wait 立即返回 {execution_id, sandbox_id}；加 --wait 通过 SSE 实时流跟随（原始 data: 帧透传到 stdout，无末尾信封） | | delta-cli sandbox logs <id> --execution-id <eid> [--tail N --grep <pattern> --context N --max-bytes N] | 查看后台日志；默认返回 stderr_size + stderr_tail（避免上下文爆炸）；可用 --tail/--grep 过滤 | | delta-cli sandbox cancel <id> --execution-id <eid> | 中断后台命令 | | delta-cli sandbox read <id> --path <path> [--output <本地路径>] [--tail N] [--grep <pattern>] [--offset N] [--limit N] [--context N] [--max-bytes N] [--parse-json] | 读取容器内文件；--output <path> 保存到本地；--tail/--grep 过滤；非 UTF-8 文件 CLI 自动走 base64 fallback | | delta-cli sandbox pull <id> --source <沙箱路径> --target <本地路径> [--recursive] [--pattern <glob>] | 从沙箱拉取文件/目录到本地（mirror of upload，flag 方向相反：source=远程，target=本地）；单文件或递归目录；CLI 端 + 服务端双向 sha1 完整性校验 | | delta-cli sandbox write <id> --path <path> --source <本地路径> | 写入文件 | | delta-cli sandbox write-multiple <id> --entry <远程路径>=<本地路径> | 批量写入 | | delta-cli sandbox ls <id> --path <path> | 列出目录 | | delta-cli sandbox stat <id> --path <path> | 文件元数据 | | delta-cli sandbox mv <id> --entry <src=dest> | 移动/重命名 | | delta-cli sandbox replace <id> --path <path> --old <文本> --new <文本> | 替换内容 | | delta-cli sandbox chmod <id> --path <path> --mode <八进制> | 修改权限 | | delta-cli sandbox rm <id> --path <path> | 删除文件 | | delta-cli sandbox rmdir <id> --path <路径> | 递归删除目录 | | delta-cli sandbox mkdir <id> --path <路径> | 创建目录 | | delta-cli sandbox search <id> --path <根目录> --pattern <glob> | 搜索文件 | | delta-cli sandbox upload <id> --source <本地目录> --target <沙箱路径> | 上传目录（tar.gz + 自动解压） |

Science 工具

Science Server 由 base_url 派生（{base_url}/science_tool），无需单独配置 science_base_url；Sandbox API 同样由 base_url 派生（{base_url}/sandbox/api/v1）。

| 命令 | 说明 | |------|------| | delta-cli science list | 列出所有已启用的 science 工具 | | delta-cli science get <tool_name> | 查看指定工具的详情 | | delta-cli science invoke --tool <tool_name> --endpoint <endpoint_name> [--data '{"key":"value"}'] [--params '{"key":"value"}'] | 调用工具端点 | | delta-cli science endpoints list <tool_name> | 列出指定工具的所有端点 |

tools.name 和 tool_endpoints.name 是 Science 工具调用的唯一权威名称。 science list 与 science endpoints list 原样展示服务端数据库中的启用项， science invoke 原样传递 --tool 和 --endpoint，不执行别名映射或旧名称兼容。

输出格式

所有命令返回统一的 JSON envelope：

// 成功
{"ok":true,"data":{"id":"sb-xxx","status":"running"}}

// 错误
{"ok":false,"error":{"type":"auth","message":"not authenticated","hint":"run 'delta-cli auth login'"}}

错误类型及退出码：

| Type | Exit Code | 场景 | |------|-----------|------| | validation | 2 | 参数错误 | | auth | 3 | 未认证 | | permission | 4 | 权限不足 | | not_found | 5 | 资源不存在 | | network | 6 | 网络错误 | | api | 7 | 服务端错误 | | internal | 10 | 客户端内部错误 |

AI Agent Skills

delta-cli 内置 AI Agent 操作手册（Skills），帮助 Claude Code 等 AI 助手正确使用 CLI：

# 安装仓库中的全部 Skills
npx skills add delta-infra/delta-infra-cli -y -g

# 只安装统一 Science Skill
npx skills add delta-infra/delta-infra-cli -s delta-science

Skill 文件位于 skills/ 目录：

• delta-shared/ — 全局通用规则（认证、配置、错误处理）
• delta-sandbox/ — Sandbox 操作指南（生命周期、命令路由）
• delta-science/ — 唯一 Science 入口，包含统一 Delta CLI wrapper、跨工具工作流和 PubChem、RDKit、pymatgen、GSAS-II、LAMMPS、Delta-BO、LDM-BO、SynBO、AntBO 的按需 reference

Memento 等宿主只需要选择 delta-science。Skill 根据自然语言科研目标选择 tool 和 operation，并且只加载当前工具对应的 reference，避免大量独立 Skill 给规划器增加 负担。升级时会自动移除旧版独立 Science Skill。

添加 Science tool 或 operation

工具目录由 Science Server 数据库维护。新增工具时配置 tools 记录及对应的 tool_endpoints 记录；停用时设置 status=false。CLI 无需同步任何静态表或重新增加 命令。若需要让 AI 根据自然语言自动选择新工具并安全组装请求，再更新 skills/delta-science/references/<tool>.md 和路由文档；数据库中的 name 与 reference 必须完全一致。

开发

# 本地构建
make build

# 运行测试
make test

# 代码检查
make lint

# 跨平台编译（生成各平台二进制文件到 bin/）
make release

# 源码安装到系统 PATH（默认 /usr/local/bin；macOS / Linux）
make install

# 自定义安装前缀
make PREFIX=$HOME/.local install

# Windows 源码安装（二选一）
# 方式 A：直接用 go install 安装到 GOPATH/bin
go install github.com/delta-infra/delta-infra-cli/cmd/delta-cli@latest

# 方式 B：在仓库根目录运行 PowerShell 脚本，构建并添加到用户 PATH
# .\install-from-source.ps1
# .\install-from-source.ps1 -InstallDir "$env:USERPROFILE\bin"

日常开发流程

修改 skills/ 或编译 delta-cli 后，需要同步到 Memento-S 项目才能生效：

# 1. 通过安装向导同步完整 Skill 集合
node scripts/install-wizard.js

# 2. 用 Docker 编译 Windows 版本（本地无 Go toolchain 时）
docker run --rm -v "$(pwd):/src" -w /src \
  -e GOPROXY=https://goproxy.cn,direct \
  golang:1.23 \
  sh -c 'go build -buildvcs=false \
    -ldflags "-X github.com/delta-infra/delta-infra-cli/internal/build.Version=$(git describe --tags --always --dirty 2>/dev/null || echo dev)" \
    -o bin/delta-cli-windows-amd64.exe ./cmd/delta-cli'

# 3. 将 delta-cli 放到 Memento-S 的 node_modules/.bin（替换旧版本）
cp bin/delta-cli-windows-amd64.exe \
   <memento-s>/electron_rebuild/node_modules/.bin/delta-cli

# 4. 重启 Memento-S sidecar 使新 binary 生效
#   在 Electron 界面中重新加载，或手动重启 sidecar 进程

注意：delta-cli 替换后，如果 ~/.delta-infra/config.json 中已配置 token，则 Sandbox 和 Science Skills 可直接使用；否则需要先用 auth login 配置。

构建与发布

本地构建

# 本地构建
make build

# 运行测试
make test

# 代码检查
make lint

# 跨平台编译（生成各平台二进制文件到 bin/）
make release

make release 仅生成各平台二进制文件（如 bin/delta-cli-linux-amd64），不会自动打包。打包与发布请使用下文的 release.sh。

一键发布（维护者）

项目根目录下的 release.sh 脚本负责完整发布流程：

export GH_TOKEN=<your-github-pat>
export NPM_TOKEN=<your-npm-token>
./release.sh v1.0.80

脚本执行步骤：

1. 更新 package.json 版本号。
2. 使用 Docker + make release 交叉编译 5 个平台二进制文件。
3. 在 bin/ 目录生成 .tar.gz / .zip 归档。
4. 通过 .ci/publish-github-release.js 创建 GitHub Release 并上传资产。
5. 同步 npm 脚本、README 与全部 Skills 到公开仓库 yzailab/delta-infra-cli。
6. 执行 npm publish --access public 发布 @delta-infra/cli。

需要提前安装 gh CLI、Node.js/npm，并配置 GH_TOKEN 与 NPM_TOKEN。CI 流程可参考 .gitlab-ci.yml。

npm 镜像

如果 GitHub 下载较慢，安装 npm 包时可设置镜像：

DELTA_CLI_MIRROR="https://gh-proxy.com/https://github.com" npm install -g @delta-infra/cli

沙箱内镜像源自动配置

创建沙箱时，服务端会自动检测部署所在网络区域（中国大陆 / 海外），并在区域为中国大陆时把镜像配置注入到容器里。用户无需任何手动配置，进去即可用。

• 中国大陆（domestic）：服务端自动注入镜像配置，pip install / npm install / git clone / HuggingFace 下载会走国内镜像。
• 海外（overseas）：不注入镜像，使用各包管理器官方源。
• 服务端通过探测 pypi.org / npmjs.org 的连通性来判断区域（带缓存、探测失败时按海外兜底，即 fail-open）。

覆盖的 4 类配置：

| 类型 | 说明 | 示例 | |------|------|------| | pip index-url | Python 包索引 | https://pypi.tuna.tsinghua.edu.cn/simple | | npm registry | Node 包源 | https://registry.npmmirror.com | | HF_ENDPOINT | HuggingFace 下载域名 | https://hf-mirror.com | | git insteadOf | GitHub 克隆代理 | https://gh-proxy.com/https://github.com |

AutoDL 计算后端默认关闭镜像注入（海外平台），仅当运维明确配置开启后才生效。

注意区分两套镜像机制：本沙箱镜像配置针对的是沙箱里的包管理器（pip / npm / git / HF）。它与 CLI 自身的下载镜像 DELTA_CLI_MIRROR 是两回事——DELTA_CLI_MIRROR 只用于安装 delta-cli 二进制，不作用于沙箱内。

技术栈

• 语言: Go 1.23+
• CLI 框架: Cobra
• 配置: JSON 文件（~/.delta-infra/config.json，权限 0600）
• 输出: JSON envelope（AI-agent 友好，可脚本化）
• 发布: GitHub Release（tar.gz/zip） + npm wrapper
• 架构: 扁平静态命令树，Factory 依赖注入，惰性初始化

License

MIT