人工智能编程工具转向终端开发领域

多年来，Cursor、Windsurf和GitHub Copilot等人工智能增强型代码编辑器一直是软件开发的标杆。 然而随着智能体AI能力不断增强，以及更直观的"氛围编码"方法日益普及，一场悄然发生的变革正在重塑这些系统的运作模式。它们不再仅限于代码操作，而是越来越多地直接与系统的命令行外壳交互。这标志着AI辅助开发领域的根本性转变——对行业未来走向而言，这虽是微妙却可能具有颠覆性的变革。

终端界面常令人联想起90年代黑客电影中简洁的黑白屏幕，作为执行程序与管理数据的经典入口，它虽不及现代代码编辑器视觉化，但在高手手中仍是威力强大的工具。尽管以代码为核心的智能体能编写调试程序，但终端工具往往是将代码转化为可部署应用的关键环节。

终端复兴的趋势在顶尖人工智能实验室中尤为显著。自今年二月起，Anthropic、DeepMind和OpenAI相继推出命令行编程工具（分别是Claude Code、Gemini CLI和CLI Codex），这些工具迅速成为其最受欢迎的产品。由于这些工具常沿用前代产品品牌，这一转变容易被忽视。但本质上，人工智能代理与计算机的交互方式——无论在线还是离线——已然改变。 许多人认为这只是开端。

"我们的核心假设是：未来约95%的大型语言模型与计算机交互将通过终端式界面实现，"知名终端测试平台TerminalBench的联合创始人亚历克斯·肖如是说。

当部分成熟的代码平台面临动荡之际，终端工具正日益崭露头角。例如人工智能代码编辑器Windsurf因收购竞争而分崩离析：核心团队被谷歌挖走，剩余公司被Cognition收购，其消费级产品的长期可行性因此蒙上阴影。

与此同时，新研究表明开发者可能高估了传统工具的生产力优势。METR对Windsurf主要竞争对手Cursor Pro的评估发现：尽管开发者预期效率提升20%-30%，实际操作却慢了近20%。本质上，这种代码助手在某些情况下反而消耗了程序员的时间。

这为Warp等公司创造了机遇，该产品目前在TerminalBench排行榜中位居榜首。Warp自称是"智能开发环境"，填补了完整IDE与Claude Code等命令行工具之间的空白。创始人扎克·劳埃德对终端的潜力保持乐观，认为它能解决超出Cursor等传统代码编辑器能力范围的问题。

正在直播！TechCrunch全舞台

更智能地构建。更快地扩展。更深入地连接。与来自Precursor Ventures、NEA、Index Ventures、Underscore VC等机构的远见者共聚，参与策略研讨、实践工坊及深度交流，开启充实的一天。

购买TechCrunch全场通票立省450美元

更智能地构建。更快地扩展。更深入地连接。与来自Precursor Ventures、NEA、Index Ventures、Underscore VC等机构的远见者共聚，参与这场充满战略洞见、实践工坊与深度人脉的盛会。

"终端位于开发者技术栈的最基础层，使其成为运行AI智能体的最佳平台，"Lloyd解释道。

要理解这种新方法的差异，不妨看看评估它们的基准测试。 上一代基于代码的工具主要通过解决GitHub问题来衡量性能，这正是SWE-Bench测试的基础。每个SWE-Bench问题都对应一个公开的GitHub问题——一段存在缺陷的代码。模型通过迭代优化直至代码正常运行。尽管Cursor等集成产品已开发出更复杂的方法，但核心的GitHub/SWE-Bench模型始终不变：从修复缺陷代码开始。

终端型工具则采用更广阔的视角，不仅关注代码本身，更涵盖程序运行的完整环境。这包括编码任务以及面向DevOps的操作，例如配置Git服务器或诊断脚本失败原因。 终端基准测试的某项挑战提供解压程序与目标文本文件，要求智能体逆向工程出匹配的压缩算法；另一项则要求智能体从源代码构建Linux内核，却未提及需先获取源代码。解决这些问题需要编程特有的持久创造性思维。

肖指出："TerminalBench的难度不仅在于我们向智能体提出的问题，更在于我们为其构建的复杂环境。"

关键在于，这种新方法需要通过循序渐进的推理步骤解决问题——这正是使智能体AI如此强大的核心能力。然而，即便是尖端的智能体模型在某些环境中也举步维艰。Warp模型仅通过解决半数问题就取得了TerminalBench最高分，既凸显了该基准测试的难度，也揭示了实现终端完整潜能仍需大量工作。

尽管如此，劳埃德坚称我们已达到这样一个阶段：终端工具能可靠地管理开发者大量非编码工作负载——这无疑是难以拒绝的承诺。

"试想日常工作中创建新项目、梳理依赖关系、实现可运行状态等流程——Warp能基本自主完成这些任务，"Lloyd解释道，"若遇到无法处理的情况，它会精确告知具体原因。"