核心用法
agent-data-cli（简称 adc）是一个面向多源内容管理的本地 CLI 工具，采用 source/channel/content 三层模型组织数据。用户通过统一的命令界面完成从内容发现到本地存储的全流程操作。
主要功能模块：
- 发现（Discovery）：
channel search远程发现频道，content search远程发现内容，两者均不写入本地数据库 - 订阅（Subscription）：
channel subscribe建立持续追踪的频道订阅关系 - 同步（Sync）：
content update是唯一将远程内容写入本地数据库的同步路径 - 查询（Query）：
content query仅限本地数据库查询，永不触发远程请求 - 交互（Interact）：
content interact执行明确的远程副作用操作（如点赞、评论等）
执行原则：工具强调"最小正确 CLI 流"，将自然语言意图直接翻译为精确命令，拒绝猜测或隐藏副作用。安装依赖 uv 包管理器，通过 uv run -m adc 执行所有操作。
显著优点
- 架构清晰：source/channel/content 模型通用性强，可扩展至多类信息源
- 本地优先：订阅内容落地本地数据库，支持离线查询和长期存档
- 流式输出：原生支持
--jsonl格式，与jq、awk等 Unix 工具链无缝集成 - 代理灵活：支持按源或全局配置代理，不依赖 shell 环境变量
- 副作用显式：严格区分本地查询与远程操作，避免意外写操作
潜在局限
- 功能边界严格：不支持的场景（如自由爬取、协议修改）直接拒绝而非折中实现
- Python 生态依赖：需
uv工具链，对非 Python 环境用户有门槛 - 源实现门槛：新增 source 需遵循既定接口，非零成本扩展
- 无内置可视化：纯 CLI 工具，需配合外部工具做数据展示
适合人群
- 需要私有化信息聚合的技术用户（开发者、研究员、量化交易者）
- 偏好 Unix 哲学、命令行工作流的高级用户
- 需要合规缓存和审计追踪的企业数据团队
- 对特定信息源（CryptoCompare 等金融数据）有持续监控需求的用户
常规风险
- 数据新鲜度：本地查询返回的是上次
content update的缓存数据，非实时 - API 配额：远程操作受源站速率限制，高频同步需关注配额消耗
- 存储膨胀：长期订阅多频道可能导致本地数据库体积增长，需定期维护
- 代理配置泄露：配置中的
proxy_url可能包含敏感信息，需注意权限管理 - 误操作风险：
content interact直接产生远程副作用，执行前需确认目标 refs