Pleasantries 实战

所以我写了个小工具叫 Pleasantries，一个 Python pre-hook 脚本，专门用来拦截这类纯问候式的输入，让它们在到达模型之前就被丢掉。

它是怎么工作的

核心逻辑很简单：hook 截获你打出去的 prompt，先做归一化（转小写、去标点、合并空白字符），然后用 regex fullmatch 判断整段内容是不是一个无实质任务的客套话。如果是，直接拦截；如果 prompt 里虽然出现了 "hello" 这类词但后面跟着真正的任务，比如 "hello world program in python"，就放行。

# 核心匹配逻辑示意
import re

PLEASANTRIES = re.compile(
    r'^(hi|hello|hey|ok|okay|thanks|thank you|thanks so much|thx)$',
    re.IGNORECASE
)

def should_block(prompt: str) -> bool:
    normalized = ' '.join(prompt.lower().split())
    return bool(PLEASANTRIES.fullmatch(normalized))

不同 CLI 的拦截方式不一样。Claude Code、Kiro、Copilot Chat 这些走 stderr + exit code 2；Codex 和 Gemini 走 JSON 输出加 exit code 0；Cursor 也有自己的处理路径。Pleasantries 内部对每个工具都做了适配。

支持哪些 CLI

目前覆盖了 15 个主流 AI coding CLI：Claude Code、Codex CLI、Gemini CLI、Cursor、Copilot Chat、Copilot CLI、Qwen Code、Junie CLI、Factory Droid、Kimi Code、grok-cli、Kun、Open Interpreter、Kiro 和 Devin CLI。

还没接入的工具包括 CodeBuddy、Aider、Kilo Code、Trae、OpenClaw 等等，它们目前没有可用的 hook 机制。

部署步骤

一、安装。克隆仓库后跑安装脚本：

git clone https://github.com/QAInsights/pleasantries.git
cd pleasantries
python install.py

安装脚本会自动把 block_pleasantries.py 复制到 ~/.pleasantries/，扫描你机器上已安装的 CLI，让你勾选要挂钩的工具，然后把 hook 合并进对应配置，重复安装会跳过已存在的条目。

二、手动配置示例。如果你不想走自动安装，下面是 Claude Code 的 ~/.claude/settings.json 写法：

{
  "hooks": {
    "PreToolUse": [
      {
        "matcher": ".*",
        "hooks": [
          {
            "type": "command",
            "command": "python ~/.pleasantries/block_pleasantries.py",
            "timeout": 5000
          }
        ]
      }
    ]
  }
}

三、验证是否生效。装好后在 Claude Code 里分别输入 "hi"、"thank you" 和 "fix the login bug"，前两个应该被拦截不发给模型，第三个正常通过。

效果怎么样

我用了大概两周，最直观的感受是交互节奏变快了。以前每次打完 "hi" 都要等模型回应才能继续敲任务，现在这部分等待完全消失了。另外 token 消耗确实有下降，虽然单次省的不多，但累积起来一周能省下小几千 token，对于按量付费的 Codex 和 Gemini CLI 来说不是小数目。

唯一需要注意的坑是：如果你习惯在 prompt 开头写 "hey, can you" 然后再描述任务，Pleasantries 不会拦截它，因为 fullmatch 要求整段都是客套话才会触发。但如果你只是单独打了 "hey" 后回车，那就会被挡住。

这个项目本身不依赖任何外部库，install.py 一键搞定，对想给自己的 CLI 流水线做精简的开发者来说值得一试。