为什么 AI Agent 把工程师又带回了命令行

有一段时间，我以为 AI 编程工具的未来会长得更像一个巨大的 IDE。

更大的侧边栏，更聪明的补全，更会解释代码的面板，更像产品经理精心设计过的工作区。你把需求拖进去，把截图贴进去，模型在某个圆角卡片里思考，最后吐出一段可以接受的结果。

结果最先让我真正觉得"这东西开始能干活了"的，不是某个漂亮界面。

是终端。

黑底，白字，偶尔一点绿色和红色。一个 agent 在里面跑 rg，读文件，改一小段代码，跑测试，失败，再读日志，再改。它不需要你教它按钮在哪里，也不需要把屏幕理解成一张图片。它看到的是命令、输出、退出码、diff、路径、行号、错误栈。

这些东西不漂亮，但它们诚实。

它们把一次工程动作压成了最基本的形态：我做了什么，系统怎么回答，哪里坏了，下一步该看哪里。

终端不是回忆滤镜

命令行当然有怀旧的一面。

很多工程师对它有感情：第一次 ssh 到一台机器，第一次在日志里抓到线上问题，第一次用一条管道把半天的手工活变成十秒。终端像一个旧工作台，边角磨得发亮，抽屉里塞满了你自己才知道的工具。

但如果只把这次 TUI 回潮理解成情怀，就看浅了。

Jane Street 最近写了一篇文章，叫 strace-ui, Bonsai_term, and the TUI renaissance。文章的起点很朴素：他们一直觉得 strace 有用，但输出难读，子进程和线程不好跟，想过滤 syscall 还得重新跑。于是他们做了一个 terminal UI，把 strace 变成可以探索的界面。

这事听上去不大，却很能说明问题。

strace 原本像一卷没有整理过的案卷。系统调用一行接一行地涌出来，openat、recvmsg、rt_sigprocmask，夹着 pid、fd、地址、buffer。你知道线索在里面，但你要一边翻，一边在脑子里维持状态。

strace-ui 做的事，不是把它"美化"一下。

它把 pid 变短，把结构体格式化，把 buffer 画成 hexdump，允许你交互式过滤 syscall，沿着同一个文件描述符往前往后跳，还能把某些文件描述符上的网络地址解析得更清楚。

这不是装饰。是把一坨输出变成一个可以追问的现场。

程序刚刚跟内核说了什么？这个 socket 是什么时候打开的？这个子进程从哪里冒出来的？这一行日志之前到底发生了什么？

终端在这里不是 GUI 的穷亲戚。它是一个刚好够用、刚好贴近问题、刚好把注意力收住的工作台。

Agent 喜欢的界面，和人喜欢的不一样

人类喜欢界面的很多原因，和 agent 喜欢界面的原因不一样。

人喜欢图标，因为图标一眼能懂。人喜欢拖拽，因为动作有空间感。人喜欢按钮、卡片、动画、层级、颜色，因为这些东西帮我们把复杂性分块。

Agent 不一定需要这些。

对一个 coding agent 来说，最重要的常常不是"看起来清楚"，而是"能不能被准确读取"。它更关心这些问题：

这个动作能不能用文本表达？

这个结果能不能被复制？

失败有没有明确的错误信息？

状态变化能不能变成 diff？

下一步能不能直接执行？

这就是为什么终端突然变得顺手。命令是动作。日志是观察。退出码是判断。测试结果是验证。diff 是记忆。

图形界面当然也可以做这些，但它必须有意识地设计出来。终端则天生就带着这些性质。它没有那么多空间幻觉，也没有那么多视觉礼仪。它把工程系统最关键的反馈直接摊在桌上。

Claude Code 的官方文档把自己描述成一个能读代码库、编辑文件、运行命令、接入开发工具的 agentic coding tool，而且明确说它可以在 terminal、IDE、桌面应用和浏览器里使用。OpenAI 的 Codex CLI 页面也很直白：在终端里和 Codex 结对。

这两句话放在一起看，意味很清楚。

AI 编程工具不是只在聊天框里回答问题。它正在进入工程师原本就工作的地方：仓库、shell、测试、CI、日志、版本控制。

而这些地方的共同语言，长期以来就是文本。

可测试的界面，才适合 agent

Jane Street 那篇文章里，真正打动我的不是 TUI 很快，也不是键盘很爽，而是他们讲到 Bonsai_term 的 expect tests。

大意是：如果一个 terminal app 能把当前 UI 状态打印成类似截图的文本，那么测试失败时，人和 agent 都能看到清楚的 diff。哪里多了一行，哪里少了一列，哪个状态从 pending 变成了 done，反馈很快，也很准。

这件事有点反常识。

我们习惯把 UI 测试看成一种麻烦事：截图脆弱，像素差异吵闹，浏览器状态复杂，测试失败时你要猜到底是样式坏了、数据晚到了，还是按钮真的没响应。

但一个文本界面如果设计得好，它的状态可以直接变成证据。

这对 agent 太重要了。

Agent 不怕干活。它怕的是干完以后不知道自己是不是干对了。

你让它改一段代码，它可以改。你让它解释一个错误，它可以解释。你让它猜一个 UI 是否正确，它也能猜。但真正能让它稳定起来的，是反馈：

测试红了。

类型报错了。

快照 diff 变了。

构建失败在某个文件某一行。

这时 agent 才不是在表演聪明，而是在一个有摩擦、有证据、有纠错能力的系统里工作。

所以，终端的价值不是"黑底白字很酷"。它的价值是把反馈闭环缩短。

从任务到动作，从动作到输出，从输出到验证，从验证到修正，几乎都在同一个介质里发生。

这就是好工作台的味道。

GUI 不是输了，只是没有默认赢

我不想把这篇写成命令行原教旨主义。

GUI 没有输。很多工作天然需要图形界面：设计稿、数据可视化、复杂业务流程、地图、视频、表格、运维拓扑、权限配置。人类不是日志解析器，我们需要形状、层级、空间和颜色。

问题是，AI agent 的出现改变了评判界面的标准。

过去，一个开发工具的界面主要服务人。它要降低人的认知负担，让人少记命令，少犯错，少在文档里翻来翻去。于是图形界面有巨大优势。

现在，界面开始同时服务人和 agent。

如果一个按钮点完以后，没有清楚的状态输出；如果一个流程失败以后，只弹一个含糊的 toast；如果一个操作背后的数据变化不能被复制、记录、回放；如果一个系统只能靠截图让 agent 猜发生了什么，那么它对人也许舒服，对 agent 却不友好。

反过来，一个看起来朴素的 TUI，如果每一步都有动作、结果、状态和可测试表示，就会突然变得很现代。

这也是那篇 Terminal Is All You Need 论文想说明的地方。它说，terminal-based agent tools 之所以在实践里被广泛采用，不是巧合，而是因为终端满足几种关键设计性质：agent 和界面的表示兼容，agent 的动作在交互介质里透明，人类参与的门槛也低。

我不觉得这意味着所有界面都该回到终端。

它真正提醒我们的是：未来任何面向 agent 的界面，都要重新获得终端已经拥有的那几种品质。

可读。

可执行。

可追踪。

可回放。

可验证。

终端是共享空间

以前我使用终端，感觉它是"我操作机器"的入口。

现在有了 coding agent，感觉变了。

终端更像一个共享空间。

我把任务说出来。Agent 去读仓库。它跑命令，我看输出。它改文件，我看 diff。它跑测试，我看失败。它说自己想下一步怎么做，我可以打断、修正、收窄范围。我们的对话不只发生在聊天框里，也发生在命令历史、文件变更、错误日志和测试结果里。

这让我重新理解了"界面"这个词。

界面不是屏幕上摆了哪些控件。界面是人、机器和工作对象之间的接触面。

对 AI 编程来说，真正的工作对象不是漂亮的提示词，而是代码库、依赖、运行环境、测试、日志、提交历史、部署约束。终端刚好把这些东西连接得很紧。它让 agent 能够进入同一个现场，而不是隔着一层截图或一层产品包装猜测。

这也是为什么我越来越不相信那种"一个通用聊天框接管所有工作"的想象。

聊天框适合意图。

终端适合行动。

IDE 适合阅读和局部编辑。

浏览器适合看真实用户界面。

未来的开发工具不会只剩一种界面。更可能是这些界面被重新编排：聊天负责澄清意图，终端负责执行和验证，IDE 负责代码上下文，浏览器负责视觉结果，版本控制负责留下记忆。

其中，终端会重新站到中间，不是因为它最大，而是因为它最像一条能跑通的管道。

漂亮不是不重要，漂亮只是第二重要

一个好的工程工具，当然也应该漂亮。

但这里的漂亮，不是大片渐变、悬浮卡片和会动的光效。它更像一把好用的钳子，线条干净，重量合适，放回工具箱时你知道它下次还会在那里。

终端的美感在于克制。

它告诉你：先把事情说清楚。先让动作能执行。先让失败能复现。先让结果能比较。先让下一个人，或者下一个 agent，看得懂刚才发生了什么。

当 AI 加入工作以后，这些品质变得更珍贵了。

因为模型会让产出变多，让尝试变快，也让表面完整的东西变得便宜。一个看起来很会工作的 agent，如果没有反馈闭环，很容易只是更快地产生幻觉、更快地绕开问题、更快地把错误包装成解释。

终端把它拉回地面。

跑一下。

看输出。

读 diff。

测一遍。

失败了，重来。

这套老派流程，突然成了 AI 时代最现代的工作方式。

回到黑底白字

所以我越来越觉得，终端回来了，不是因为工程师突然想念过去。

它回来，是因为我们正在给一个新同事找桌子。

这个同事不会累，读得快，写得也快，但它需要清楚的输入、明确的边界、可靠的反馈、可验证的结果。它需要一个地方，让它的每个动作都能被看见，让错误能被指出，让修正有路可走。

终端不是唯一答案。

但它是一个很好的提醒：界面的最高级形态，不一定是让一切看起来更像人类世界，而是让工作本身更容易被理解、执行和修正。

在这个意义上，黑底白字一点也不旧。

它只是提前很多年，长成了 AI agent 需要的样子。