1. 项目概述当命令行遇上多模态AI助手如果你和我一样大部分工作时间都泡在终端里那你肯定对命令行的高效和专注深有体会。但有时候面对一个复杂的系统问题或者需要快速理解一段陌生的代码逻辑时你可能会希望身边能有个“懂行”的伙伴可以随时提问、讨论甚至让它帮你分析日志、解释配置。这就是jules这个项目吸引我的地方。它不是一个独立的桌面应用而是一个精巧的命令行工具将强大的多模态AI模型 Gemini 的能力无缝集成到了你的终端工作流中。简单来说jules是一个基于 Google Gemini API 的命令行聊天客户端。它的核心价值在于让你无需离开熟悉的终端环境就能直接与AI进行对话并且支持上传图片、PDF、代码文件等多种格式的“上下文”让AI基于这些文件内容来回答你的问题。想象一下这样的场景你在排查一个生产环境错误手头有一份晦涩的日志文件、一张报错截图还有相关的配置文件。传统方式你可能需要把这些文件内容复制粘贴到网页聊天框过程繁琐且容易打断思路。而有了jules你只需要在终端里输入jules -f error.log -f screenshot.png “帮我分析一下这个错误可能是什么原因”AI就能结合日志文本和截图视觉信息给你一个综合性的分析。这个项目源自gemini-cli-extensions组织可以看作是官方gemini-cli工具的一个功能增强版或社区变体。它瞄准的正是我们这些深度终端用户解决的是“上下文切换”和“信息整合”的效率痛点。无论是开发者、运维工程师、数据分析师还是任何需要频繁处理文本、代码和多媒体文件的专业人士jules都能成为一个得力的“终端副驾驶”。2. 核心设计思路与架构拆解2.1 为什么选择命令行交互模式在图形界面GUI应用大行其道的今天为什么还要做一个命令行工具这背后有几个关键的考量。首先是“流”状态Flow State的保持。对于高级用户来说终端是一个高度集成的“工作台”SSH连接、版本控制、文本编辑、进程管理、网络调试等一系列操作都在这里完成。频繁地在终端和浏览器或其他GUI应用之间切换会严重打断注意力流降低工作效率。jules的设计哲学就是将AI能力嵌入到这个既有的“流”中让你思考、操作、求助的循环都在同一个界面内完成。其次是脚本化与自动化潜力。命令行工具天生易于被脚本调用。这意味着你可以将jules集成到你的自动化流程中。例如写一个脚本定期将服务器监控图表发送给jules并让它生成健康报告或者在CI/CD流水线中让jules自动审查代码变更的复杂性。虽然当前版本主要聚焦于交互式聊天但其CLI的本质为未来的自动化扩展打开了大门。再者是轻量与可控。一个命令行工具通常不需要复杂的安装包、运行时环境或大量的系统资源。它通过环境变量或配置文件来管理密钥等敏感信息部署和迁移都非常简单。对于在服务器、容器或远程开发环境中工作的用户来说这种轻量性至关重要。最后是与现有工具链的无缝集成。你可以轻松地将jules与tmux、vim/neovim、fzf等终端神器结合使用。例如在vim中选中一段代码通过管道传递给jules请求解释或者用fzf来历史搜索和选择之前的对话。这种可组合性Composability是Unix哲学的核心也是命令行工具经久不衰的魅力。2.2 核心功能模块解析jules的功能看似简单——聊天和传文件但其内部设计需要妥善处理几个核心模块的协作。API通信层这是与Google AI StudioGemini API后端对话的桥梁。它需要处理HTTP请求的构建、认证使用API密钥、超时重试、流式响应streaming response的接收与解析以及API可能返回的各种错误码如配额不足、内容安全策略拦截等。一个健壮的通信层需要具备良好的错误处理和重试机制尤其是在网络不稳定的环境下。多模态数据处理层这是jules的亮点所在。它需要能够文本处理读取纯文本、代码文件并按照API要求的格式进行编码。图像处理支持常见的图片格式PNG, JPEG, WebP等可能需要验证文件有效性甚至进行简单的预处理如尺寸调整、格式转换以确保符合API的输入要求。PDF处理解析PDF文件提取其中的文本和图像内容。这是一个相对复杂的任务因为PDF可能包含扫描页图片、复杂的版式、加密等。实现上可能需要依赖像PyPDF2、pdfminer或pymupdf这样的第三方库。统一封装将不同格式的文件内容统一封装成Gemini API能够识别的多部分multipart请求体。API对于图像和PDF可能有文件大小、分辨率或页数的限制这一层也需要进行相应的检查和约束。对话管理与上下文维护一个实用的聊天工具需要能记住之前的对话历史。jules需要设计一种机制来保存会话状态。这可以是简单的将历史记录保存在内存中并在每次请求时作为上下文附加上去也可以是更持久化的方式比如将对话记录到本地文件或数据库支持跨终端会话的恢复。上下文长度Token数的管理也至关重要需要智能地截断或总结过长的历史以适配模型的最大上下文窗口。命令行界面CLI与用户体验这是用户直接交互的部分。它需要清晰的参数解析支持-f/--file指定文件-m/--model选择模型-t/--temperature调整创造性等。友好的输出渲染流式输出时如何优雅地显示逐渐出现的文字如何高亮代码块如何安全地显示可能包含ANSI转义码的AI回复历史记录与补全支持上下键翻找历史命令甚至是对历史对话内容的搜索。配置管理提供一个简单的方式来设置默认模型、API密钥路径、代理服务器等通常通过环境变量如GEMINI_API_KEY或配置文件如~/.config/jules/config.yaml实现。2.3 技术栈选型考量虽然我无法看到jules的具体实现代码但基于其项目描述Python项目和要实现的功能我们可以推断其可能的技术选型及原因语言Python这是AI和CLI工具领域的首选语言之一。生态丰富拥有海量的库来处理HTTP请求requests,httpx、命令行参数argparse,click,typer、文件解析Pillow用于图像PyPDF2用于PDF以及异步IOasyncio,aiohttp以实现流畅的流式响应。Python的快速原型开发能力也非常适合此类工具。HTTP客户端httpx或aiohttp为了支持流式响应需要一个支持异步的HTTP客户端。httpx同步和异步接口都支持且API设计友好很可能是优先选择。CLI框架typer或click这两个库都能快速构建出拥有漂亮帮助文档、参数验证和子命令支持的CLI工具。typer基于Python类型提示用起来更现代、简洁。配置文件pydanticpyyaml/toml使用pydantic进行配置数据的验证和建模搭配yaml或toml格式的配置文件既保证了配置的结构化和可读性又确保了类型安全。交互式体验prompt_toolkit如果需要实现更复杂的交互比如类似chatgpt-cli那样的多行输入模式、语法高亮、自动补全那么prompt_toolkit这个库几乎是唯一的选择。它功能强大但也会增加复杂性。注意技术选型高度依赖于项目维护者的偏好和项目所处的阶段。一个追求轻量、简单的初期版本可能只用argparse和requests而一个追求良好体验的成熟版本则可能引入上述更多组件。3. 从零开始环境准备与安装部署3.1 前置条件与API密钥获取要使用jules第一件事是准备好Google Gemini API的访问权限。这和你使用OpenAI的API过程类似。访问Google AI Studio打开浏览器访问aistudio.google.com。你需要一个Google账号。创建API密钥在AI Studio中通常可以在设置或API部分找到创建密钥的选项。点击“Create API Key”。Google可能会让你创建一个新项目或选择现有项目来关联这个密钥。保管好你的密钥创建成功后你会获得一个以AIza...开头的长字符串。这个密钥就像你的密码一旦泄露他人就可以用你的额度进行消费。请立即将其保存在安全的地方。我们接下来会将其设置为环境变量绝对不要将它硬编码在脚本里或提交到版本控制系统。除了API密钥确保你的本地环境有Python 3.8 或更高版本。你可以通过在终端运行python3 --version来检查。3.2 安装jules的几种方式作为一个Python命令行工具jules的安装方式非常灵活。方式一通过pip从源码仓库安装推荐用于尝鲜和开发这是安装尚未发布到PyPI的项目的常用方法。假设项目仓库在GitHub上。# 使用pip直接安装git仓库的主分支 pip install githttps://github.com/gemini-cli-extensions/jules.git # 或者如果你想要安装特定分支或标签 # pip install githttps://github.com/gemini-cli-extensions/jules.gitv1.0.0这种方式会自动运行setup.py或pyproject.toml中定义的安装流程将jules安装到你的Python环境或当前虚拟环境中并使其命令行入口点可用。方式二克隆源码并以可编辑模式安装推荐用于贡献和深度定制如果你想修改代码或跟踪最新开发进展这是最好的方式。# 1. 克隆仓库 git clone https://github.com/gemini-cli-extensions/jules.git cd jules # 2. 创建并激活一个虚拟环境强烈推荐避免污染系统Python python3 -m venv .venv source .venv/bin/activate # Linux/macOS # .venv\Scripts\activate # Windows # 3. 以“可编辑”模式安装 pip install -e .-e参数代表“editable”可编辑。安装后你对本地源码的任何修改都会立即反映到已安装的jules命令上无需重新安装。方式三通过PyPI安装如果项目已发布如果维护者已将jules发布到PyPI那么安装将变得极其简单。pip install jules在尝试安装前你可以先到pypi.org搜索一下jules是否存在。3.3 基础配置与密钥设置安装完成后你需要告诉jules你的API密钥。最佳实践是使用环境变量。在Linux/macOS的bash/zsh中# 将你的密钥添加到shell的配置文件中如 ~/.bashrc, ~/.zshrc echo export GEMINI_API_KEY你的_实际_API_密钥_字符串 ~/.zshrc # 然后让配置生效 source ~/.zshrc在Windows的PowerShell中# 为用户环境变量设置永久 [System.Environment]::SetEnvironmentVariable(GEMINI_API_KEY, 你的_实际_API_密钥_字符串, [System.EnvironmentVariableTarget]::User) # 重启PowerShell或运行以下命令使当前会话生效 $env:GEMINI_API_KEY你的_实际_API_密钥_字符串验证安装与配置设置好环境变量后打开一个新的终端窗口运行jules --help如果安装成功你应该能看到jules命令的帮助信息列出了所有可用的参数和选项。如果提示“命令未找到”请检查你的Python脚本目录如~/.local/bin或虚拟环境的bin目录是否已添加到系统的PATH环境变量中。实操心得虚拟环境是必备品我强烈建议永远在虚拟环境中安装这类工具。无论是用venv、conda还是pipenv虚拟环境能将项目依赖与系统Python完全隔离。这避免了不同项目间依赖版本冲突的“地狱”也使得卸载和清理变得非常干净。对于jules如果你用方式二安装项目根目录下的.venv就是完美的隔离环境。4. 核心功能实战终端内的多模态对话4.1 基础文本对话与模型选择让我们从最简单的开始。安装配置好后直接在终端输入jules并回车你会进入一个交互式聊天模式。提示符可能会变成或类似的形式等待你输入问题。$ jules 用Python写一个函数计算斐波那契数列的第n项。jules会将你的问题发送给Gemini API并以流式逐字输出的方式将回答打印到终端。默认情况下它很可能使用的是Gemini Pro模型gemini-pro这是一个性能强大的纯文本模型。但有时你可能想尝试不同的模型或者需要指定一个版本。这时就需要用到-m或--model参数。你可以在启动时指定jules -m gemini-pro-vision或者在交互式对话中可能通过特殊命令来切换这取决于jules的具体实现。模型的选择取决于你的任务gemini-pro适用于绝大多数文本生成、代码编写、逻辑推理、摘要翻译等任务。响应速度快成本相对较低。gemini-pro-vision这是多模态模型除了文本能力还能理解图像、PDF等内容。当你需要上传文件时必须使用这个或类似的多模态模型。纯文本模型无法处理图像数据。你可以在Google AI Studio的文档中查找最新的可用模型列表。一些高级模型如gemini-ultra可能能力更强但延迟更高费用也更贵。4.2 多模态对话上传文件作为上下文这是jules的杀手级功能。假设你正在阅读一篇复杂的学术PDF或者拿到了一张满是错误信息的截图。上传单个文件# 分析一张架构图 jules -f system_architecture.png “请解释这张图中各个组件的作用和交互流程。” # 让AI总结一份PDF报告 jules -f quarterly_report.pdf “用三点总结这份报告的核心发现。”-f或--file参数可以多次使用以传入多个文件。AI会同时看到这些文件的内容并基于此进行回答。上传多个文件进行综合问答# 结合代码和错误日志进行调试 jules -f app.py -f error.log “这是源代码和运行时错误日志请分析可能的问题出在哪里并给出修复建议。”在这个例子中Gemini Pro Vision模型会同时读取app.py的代码内容和error.log的文本内容将两者信息关联起来给出更精准的诊断。在交互模式中上传文件有些CLI设计允许在进入交互模式后通过类似/file path/to/image.jpg的命令来动态添加文件到当前对话上下文。这需要jules实现了相应的会话管理功能。如果支持这种方式会更加灵活你可以根据AI的回复逐步追加它需要的文件。注意事项文件大小与格式限制大小限制Gemini API对上传的文件有大小限制如图像可能限制在20MB以内。对于过大的PDF或高分辨率图片你可能需要提前压缩或分割。格式支持确认jules和底层API支持的文件格式。常见图片格式PNG, JPEG, WebP, GIF和PDF通常没问题。但像.docx,.pptx这类办公文档需要先转换为PDF或图片。内容安全切勿上传包含个人敏感信息、公司机密或任何不合规内容的文件。所有上传内容都会发送到Google的服务器进行处理。OCR能力对于PDF中的扫描页即图片形式的文字Gemini Pro Vision具备OCR光学字符识别能力可以提取文字。但对于排版极其复杂或手写体识别准确率会下降。4.3 调整生成参数与对话风格AI的回复并非一成不变你可以通过参数调整其“性格”和创造性。温度Temperature通过-t或--temperature参数控制。值范围通常在0.0到1.0之间。-t 0.1低温度输出确定性高更偏向于最常见、最安全的回答。适合代码生成、事实性问答。-t 0.9高温度输出随机性高更具创造性和多样性。适合头脑风暴、写故事、生成创意内容。默认值可能在0.7左右平衡了可靠性和创造性。最大输出令牌数Max Tokens通过--max-tokens参数控制。这限制了AI单次回复的长度。如果你只需要一个简短的答案可以设置一个较小的值如200来节省token消耗并加快响应。如果需要长篇大论则要设置得大一些如2000。注意不要超过模型的上限。系统指令System Instruction这是一个高级功能并非所有CLI工具都暴露此参数。如果jules支持--system-instruction或类似参数你可以用它来设定AI的“角色”。例如jules --system-instruction “你是一位资深的Linux系统架构师回答要专业、简洁多用命令行示例。” “如何优化Nginx的并发性能”这会让AI在后续对话中始终以系统架构师的角色来回答问题。一个综合使用的例子jules -m gemini-pro-vision -t 0.3 --max-tokens 500 -f diagram.png -f spec.md “基于设计图和需求文档列出实现时需要优先考虑的三个技术风险点。”这条命令指定了多模态模型、低温度确保回答严谨、限制输出长度并上传了两个文件作为提问依据。5. 高级用法与集成技巧5.1 会话持久化与历史管理一次有价值的对话往往不是一轮问答就结束的。jules如何记住上下文基于内存的会话最简单的实现是在同一个jules进程的交互式会话中它会将你和AI的对话历史保存在内存的一个列表里。每次你提出新问题它都会将整个历史记录或最近的一部分作为上下文发送给AI。这让你可以进行多轮对话。但一旦你退出jules程序这次会话的历史就会丢失。基于文件的会话持久化更实用的功能是将对话历史保存到本地文件。jules可能会在~/.cache/jules/或~/.local/share/jules/目录下为每次会话创建一个文件可能是JSON或文本格式。这样你即使关闭终端下次启动jules时它可以通过一个会话ID或选择列表来恢复之前的对话。如果jules本身不支持完善的会话管理我们可以用“土办法”实现一定程度的持久化使用终端日志在启动jules前使用script命令记录整个终端会话。script my_chat_session.log jules # ...进行对话... exit # 退出jules exit # 退出script日志保存在 my_chat_session.log输出重定向将jules的整个输出重定向到文件。但这通常会把控制字符也记录进去阅读起来不友好。jules chat_history.txt # 然后你需要在终端里盲打因为你看不到AI的回复。不推荐。一个设计良好的CLI工具应该提供内置的会话管理命令例如jules --list-sessions列出所有保存的会话。jules --load-session id加载特定会话继续对话。jules --save在当前交互模式下手动保存会话。5.2 与Shell和编辑器集成真正的威力在于将jules编织进你现有的工作流。管道Pipe传递内容在Unix哲学中一切皆文件一切皆文本。你可以轻松地将其他命令的输出直接作为jules的输入。# 分析当前目录的git状态 git status --short | jules “帮我解释一下这些文件状态的含义并建议下一步操作。” # 让AI解释一段复杂的日志 tail -100 /var/log/nginx/error.log | jules “这些Nginx错误是什么原因如何修复” # 解释一个复杂的命令 man rsync | head -50 | jules “用简单的语言概括一下rsync命令的用法。”这里有一个关键点默认情况下jules可能期望从参数或交互式输入中获取问题。为了支持管道它需要能够从标准输入stdin读取数据。这通常通过实现jules命令时检查是否有管道输入或者提供一个特殊的参数如-来指定从stdin读取。与Vim/Neovim集成对于Vim用户你可以创建自定义命令或键映射。 在.vimrc中定义一个命令将当前选中的视觉模式文本发送给jules vnoremap leaderai :w !julesCR这样你在Vim中选中一段代码按leaderai这段代码就会被发送给julesAI的回复可能会显示在Vim的quickfix窗口或一个分割窗口中。更高级的集成可能需要编写一个Vim插件来管理对话历史和格式化输出。与Tmux集成你可以在Tmux中创建一个专门用于AI对话的窗格pane。甚至编写Tmux脚本将另一个窗格中命令的输出自动发送到这个“AI窗格”进行咨询。5.3 编写自动化脚本由于jules是命令行工具它可以很自然地成为Shell脚本或Python脚本的一部分。示例自动代码审查脚本#!/bin/bash # auto_review.sh CHANGED_FILES$(git diff --name-only HEAD~1 HEAD) for file in $CHANGED_FILES; do if [[ $file *.py ]] || [[ $file *.js ]]; then echo “正在审查文件: $file” git diff HEAD~1 HEAD -- $file | jules -t 0.1 “请以资深代码审查员的身份分析这段代码变更。重点指出潜在bug、性能问题、风格不一致和安全风险。如果变更良好也请给出肯定。” echo “---” fi done这个脚本会在每次提交后自动将变更的代码diff发送给jules进行审查。你可以把它设置为Git的post-commit钩子。示例日报/周报生成器#!/bin/bash # generate_weekly_report.sh # 收集本周的git提交记录 GIT_LOG$(git log --since1 week ago --oneline --no-merges) # 收集本周完成的任务假设你用一个TODO文件管理 TASKS$(grep “^\[x\]” ~/todo.md | head -10) echo “ 本周工作摘要 ” weekly_report_draft.md echo “\n**Git提交:**\n$GIT_LOG” weekly_report_draft.md echo “\n**完成任务:**\n$TASKS” weekly_report_draft.md # 让AI基于这些原始数据润色成一份报告 cat weekly_report_draft.md | jules -t 0.7 “请将以上零散的工作记录整理成一份结构清晰、语言专业的每周工作报告。包括主要工作内容、取得的进展、遇到的问题如有、下周计划。用Markdown格式输出。” weekly_report_final.md echo “周报草稿已生成: weekly_report_final.md”重要提醒自动化与成本控制将jules用于自动化脚本非常强大但必须密切关注API使用成本。Gemini API按token收费输入输出。一个不加限制的自动化脚本可能会在短时间内消耗大量额度。务必在脚本中加入限制例如每天最多运行几次或每次处理的内容不超过一定长度。定期检查Google Cloud Console中的API使用量和费用报告。为API密钥设置预算提醒。6. 常见问题、故障排查与优化技巧6.1 安装与配置问题问题1command not found: jules原因安装成功后jules可执行文件所在的目录如~/.local/bin或虚拟环境的bin目录没有添加到系统的PATH环境变量中。解决Linux/macOS找到jules的安装路径which jules或在虚拟环境中用pip show -f jules查看。然后将该路径添加到~/.bashrc或~/.zshrc中的PATH变量。例如export PATH$HOME/.local/bin:$PATH然后source ~/.zshrc。Windows将Python的Scripts目录如C:\Users\YourName\AppData\Local\Programs\Python\Python311\Scripts添加到系统的PATH环境变量中。通用方法始终在虚拟环境中激活后使用或者使用python -m jules来运行如果项目设置了模块入口。问题2Invalid API Key或认证错误原因环境变量GEMINI_API_KEY未设置或设置错误或包含多余空格。解决运行echo $GEMINI_API_KEYLinux/macOS或echo $env:GEMINI_API_KEYWindows PowerShell检查变量值是否正确。确保密钥字符串完整且没有换行。尝试在命令前直接设置变量GEMINI_API_KEYyour_key_here jules --help。检查Google AI Studio中该API密钥是否被禁用或删除。问题3ModuleNotFoundError或依赖缺失原因安装过程中某些依赖包没有正确安装或者存在版本冲突。解决进入项目目录重新安装依赖pip install -e .或pip install -r requirements.txt如果存在。使用虚拟环境可以极大避免此类问题。查看具体的错误信息手动安装缺失的包如pip install httpx pillow pypdf2。6.2 运行时与API错误问题4File size too large或Unsupported file type原因上传的文件超出了API限制或格式不被支持。解决图片使用imagemagick(convert命令) 或在线工具压缩图片。convert input.jpg -resize 1024x768 -quality 80 output.jpgPDF如果PDF太大尝试用pdftk或qpdf分割成小文件或者用ghostscript压缩gs -sDEVICEpdfwrite -dCompatibilityLevel1.4 -dPDFSETTINGS/ebook -dNOPAUSE -dQUIET -dBATCH -sOutputFilecompressed.pdf input.pdf确认文件格式。对于.docx先用办公软件或pandoc转换为PDF。问题5Rate limit exceeded或Quota exceeded原因API调用过于频繁超过了免费配额或设置的QPS限制。解决免费配额Google AI Studio通常有每分钟、每天的免费调用次数限制。你需要等待限制重置通常是下一个分钟或第二天。付费配额如果你已升级需要在Google Cloud Console中调整配额限制。代码层面在自动化脚本中加入延迟例如使用time.sleep(2)在每次调用间暂停一下。问题6AI回复内容被安全过滤器拦截原因你的提问或上传的文件内容触发了Google的内容安全策略。解决这比较棘手。首先确保你的请求内容符合使用政策。如果确认内容无害可以尝试重新措辞你的问题避免敏感词汇。如果文件内容可能包含被误判的文本尝试用更中性的语言描述它而不是直接上传。目前用户通常无法直接绕过或调整安全过滤器的严格程度。6.3 性能与体验优化技巧1使用流式输出但避免“打字机效应”卡顿jules默认的流式输出逐字显示体验很好但有时网络波动会导致输出卡顿。如果你更关心快速获得完整答案可以查看是否有--stream false或类似的参数来禁用流式一次性接收完整回复。技巧2为长对话管理上下文令牌Gemini模型有上下文长度限制例如Gemini 1.5 Pro的上下文窗口极大但普通版本有限制。在长时间对话后AI可能会“忘记”最早的信息。如果jules没有自动处理你需要在开始新话题时使用jules --new如果支持开启一个新会话。或者手动总结之前对话的要点在新问题中作为背景信息输入。技巧3编写jules的Shell别名或函数为了更方便地使用常用参数可以将它们封装在Shell配置中。# 在 ~/.zshrc 或 ~/.bashrc 中添加 alias jv“jules -m gemini-pro-vision” # 快速使用视觉模型 alias jc“jules -t 0.1 --max-tokens 1000” # 用于代码生成低温度长回复 # 一个函数用于快速分析图片 function analyze-img() { jules -m gemini-pro-vision -f “$1” “请详细描述这张图片的内容。” }然后source ~/.zshrc你就可以用jv、jc或analyze-img photo.jpg这样的短命令了。技巧4处理包含特殊字符或换行的复杂问题如果你的问题很长或包含引号、换行在命令行中直接写会很麻烦。可以使用引号jules “这是一个很长的问题可以包含换行符但需要在引号内。”使用heredocjules ‘EOF’ 这是我的问题第一行。 这是第二行可以包含“引号”和$变量符号因为用了单引号EOF。 EOF将问题写在文件里jules -q my_question.txt如果支持-q参数从文件读取问题。通过以上这些实战操作、集成方法和问题排查技巧你应该能充分驾驭jules这个工具将它变成你终端工具箱中一个不可或缺的智能伙伴。它的本质是扩展了命令行的能力边界让静态的Shell变成了一个可以随时进行智能对话和复杂分析的动态工作环境。