2026-07-04

我又做了一個終端 Unterm：預設使用者不是人

先說個數：過去半年，我終端裡跑的命令，八成以上不是我敲的。 是 Claude Code、是 Codex、是一堆 agent，一天到晚在裡面幹活，一個任務經常跑好幾個小時。

問題就出在這裡。我在用的這些終端——iTerm、Windows Terminal、Warp——全是照「一個人坐著敲」設計的：敲一行、看一眼、再敲一行。 主要使用者從我變成 agent 之後，這個預設假設在好幾個地方直接失效了。我一個坑一個坑撞過去，最後乾脆自己做了一個終端，叫 Unterm。

真正讓我動手的，是有一週我盯著自己的時間去向，發現大半天都花在給 agent 當網路運維、當安全審核、當視窗調度員——這些事沒有一件是「產品」本身，但沒人替我擋，我就只能自己做個東西把它們擋掉。

下面是我撞到的坑，和每個坑的填法。

Unterm 是什麼，名字怎麼來的

一句話：Unterm 是一個讓外部 AI agent 直接操控的終端（unterm.app，開源，GitHub zhitongblog/unterm）。

它跟「內建了 AI 的終端」不是一回事。它自己不帶聊天框，而是把整個終端透過 MCP 協定開放出去，讓 agent 來開、來敲、來讀。我給它寫的 slogan，就一句：

The terminal that runs every AI coding agent. （能跑起每一個 AI 編碼 agent 的終端。）

背後的主張也是一句：

終端不用把 AI 塞進去，它要的是能被 AI 開著走。

能力上：一鍵裝好 Claude Code、Codex CLI、Gemini CLI、OpenCode、Aider；本機優先、開源、可腳本化（帶一個 unterm-cli）；介面九種語言。

落到用起來是這樣：我在 Claude Code 裡說一句「幫我把這個專案的建構跑起來，跑掛了自己看日誌改」，它就透過 MCP 連到 Unterm，自己開一個視窗、自己敲命令、自己讀螢幕上的輸出、報錯了自己接著改，全程我不用在聊天視窗和終端之間來回複製貼上。終端第一次成了 agent 的手，而不是我手動搬運輸出的中轉站。 我想盯的時候盯一眼，不想盯的時候它自己往下走。

名字也簡單，Un + term；term 是 terminal；Un 是「解放」——把打字這件事從人的雙手裡解放出來，交給 AI。 我做它的時候腦子裡就一個畫面：這台終端不是給我這雙手用的，是給 agent 用的，我退到後面盯著就行。名字說的就是這件事。

一、代理：讓 agent 看不見那堵牆

我在國內，agent 幹活八成要出牆：裝套件、git clone、拉模型權重、呼叫各家 API。

普通終端裡，這事得我手動 export HTTPS_PROXY，一個 shell 設一次。可 agent 一開新視窗、一 fork 子行程，代理就丟了，然後卡住、逾時、報一句 network error。麻煩的是它不知道這是網路問題，只會以為是自己命令寫錯了，於是改命令、換源、重試，越弄越亂。有次我讓它半夜拉個模型權重，第二天一看，它在一條早就掛掉的代理上重試了四十多分鐘，日誌刷滿螢幕，一個位元組都沒下下來。

所以我把代理做進了終端本身。Unterm 內建一個接 Clash 的代理層，所有 session 預設走同一套路由。我配了一池節點（現在是八條給 Gemini、GPT 調過的新加坡線路），終端每半分鐘自己測一遍，哪條快走哪條；正在用的那條掛了，自動切到池子裡最快的活節點。 而且代理是設到作業系統那一層的（Windows 改登錄檔、macOS 走 scutil、Linux 設環境變數），不是每個 shell 單設——之後開出來的每個視窗，天生就帶著代理。

還有些細節是被 agent 逼出來的。比如 localhost 和內網位址不能走代理，否則 agent 連自己在本機起的服務都連不上——這套 no-proxy 規則得預設配好，不能等 agent 去踩了才補。再比如節點池不該我手動維護：Unterm 直接讀 Clash 裡的分組和每個節點的即時延遲，我在介面上點幾下就搭出一個輪換池，哪些節點進池、多久輪一次，都不用去手改設定檔。

它不是萬能的：整池線路都被限速，我照樣沒辙。 但「單條節點又抽風了」這種一天碰八回的破事，它自己就切過去了，不用我管。

二、安全：把機器交給 AI，等於把 rm -rf 也交出去

給 agent 一個裸終端，等於把整台機器交給它。rm -rf、git push --force、DROP TABLE——一行敲錯，東西就沒了，而且它跑得比你反應快。普通終端不知道背後坐的是 AI，把 agent 和我當成同一雙手。

我不想在兩個極端裡二選一：要麼放它裸奔，提心吊膽；要麼每條命令我手動確認，那等於我自己在敲。所以 Unterm 在中間加了幾道關：

預設「建議」，不直接執行：agent 把命令遞到我的輸入行，但不替我按 Enter，我一個 Tab 放行。
分級放行：一整類安全命令自動通過，只把 rm -rf、force-push、DROP TABLE 這幾種真能要命的攔下來單獨問。
身份是隔離的：每個視窗掛一份獨立身份檔案（GitHub / AWS / npm 的 token、git 身份、SSH key），agent 拿到的是這份圈定的身份，不是我整台機器的金鑰串。
顯式授信：哪個 agent 可信我說了算，授信過的寫入才免確認。
讀得到錯：它能掃出螢幕上像報錯的行，看的是真實結果，不是腦補。

預設是「保守」那一檔：一個剛接進來、我還沒授信的 agent，寫什麼都得先過我這關；等我看它跑幾輪、確認靠譜，再把它常用的那些安全命令整類放開。磨合期它是慢一點，但不會一上來就把我嚇一身汗。

帶 agent 久了，你一定會碰上它信心十足地敲一條 rm -rf 去「清快取」、路徑卻拼錯一截的時刻。人在按 Enter 前會頓半秒，agent 不會——這道閘，得終端替它補上。

三、錄製：agent 跑完，我要能倒帶看它幹了啥

這是我用得最多、也最不敢沒有的一個功能。

agent 無人值守跑三個小時，你回來想知道它到底幹了什麼。光看它自己寫的總結不行——它可能漏、可能美化、甚至可能圓謊。 你要的是原始記錄：每一條命令、每一段輸出，原樣都在。

所以 Unterm 把整個工作階段從頭到尾錄下來：agent 敲了什麼、終端回了什麼，全存成一份能回放的記錄，之後能像錄影一樣倒帶重看，也能把歷史一條條列出來翻。錄的時候會自動把 token、金鑰遮罩，免得這份記錄本身變成新的洩密口子。

它就是 agent 的黑盒子：出了問題，倒帶看它哪一步走歪了；跑得漂亮，就留著當 demo 或者覆盤素材。

舉個上週的事：一個 agent 把一批測試跑掛了，還理直氣壯說「修好了」。我把工作階段倒帶到它動手改程式碼那一段，幾分鐘就看清了——它為了讓測試變綠，偷偷把一個斷言註解掉了。 要是只有它自己寫的那份總結，我根本抓不到這一手。記錄還能整段匯出，我拿它當過好幾次「AI 到底是怎麼幹活的」的講解素材。

我敢讓 agent 無人值守跑，底氣有一半是這份能倒帶的記錄給的。

四、並行：我早就不只開一個 agent

現在的常態是三四個 agent 同時跑：一個弄前端，一個啃資料庫遷移，一個補測試。普通終端裡，這就是三四個黑框，我 alt-tab 來回切，切著切著就忘了誰在等我拍板、誰已經掛了在乾等。

Unterm 把「管一群」做順了：

成批拉起：一條命令開一個新視窗，把活直接派進去；
廣播：想讓四個 agent 都「拉最新程式碼、再跑一遍建構」，一條命令發給所有視窗，不用挨個貼四遍；
掛起等：派完活我可以等某個視窗冒出「跑完了 / 報錯了」再回來收。

具體到一個早上大概是這樣：開三個視窗，分別派「把登入頁按新設計重做」「把訂單表遷到新 schema」「給結算邏輯補測試」，再廣播一句「每十分鐘把進度貼出來」，然後我自己去回訊息。回來掃一眼三個視窗的狀態，誰卡了就進哪個視窗跟它聊兩句，沒卡的接著放它跑。我從『一個個盯』變成了『掃一眼一排』。

我現在的活兒本來就不是寫程式，是編排一隊 agent（這事我在上一篇裡講過）。而編排的前提，是手裡得有個稱手的指揮台，不是四個互相不認識、還得我用腦子記著誰是誰的黑框。

五、視窗：agent 一多，桌面就亂

成隊跑起來之後，亂的就不是命令，是空間：哪個視窗在部署、哪個是隨手起來試的草稿、哪個派出去兩個小時了還沒回話？靠腦子記，幾個就串。

我做的都是最土的秩序：

視窗有名字：alpha、bravo、charlie，不是記不住的編號。真事：寫這篇的這會兒，我機器上就有兩個 Unterm 實例活著——alpha 開在 doaipm 站點目錄，bravo 開在這個內容儲存庫，我掃一眼就知道誰是誰。
佈局能存能取：拆好的面板、排好的視窗，存成一套 workspace，明天開機原樣恢復，不用每天重新擺積木。
按名字調：agent 能說一句「把部署那個視窗調到前面」，我不用在十幾個框裡翻。

workspace 這功能聽著小，用起來是真省事：我有一套固定的「發文」佈局——站點目錄一個視窗、內容儲存庫一個、跑建構一個、盯日誌一個——存下來之後，每天開工一鍵恢復，四個視窗連 cwd 都在原位，不用每天重新 cd、重新排。

十二個沒名字的視窗，和一個能叫出每個名字的工作台，差的就是這點。

那 tmux、Warp 呢？

你會問：tmux 早有多面板，Warp 也把 AI 塞進去了，你到底補什麼？

tmux 我用了很多年，多面板做得很好，但它是給真人的十根手指設計的：它不知道背後是不是 agent，不管你這條命令會不會刪庫，也不管你在國內、每條出牆的命令都在逾時裡掙扎。Warp 是另一條路，把一個 AI 助手縫進了終端——但那是「AI 待在終端裡」，不是「終端被 AI 開著走」：主角還是坐在螢幕前的人，agent 頂多算副駕，代理和中國網路這些事它也不接。iTerm、Windows Terminal 我也天天用，它們是好終端——但「好」的標準還是「人用著順手」：配色、字型、快捷鍵、分割螢幕，沒有一個把「敲鍵盤的是個 agent」當成頭等公民來設計。

兩條路都不錯，只是都沒在回答我這個問題：主力從人換成 agent 之後，終端本身該長什麼樣。 代理、安全的閘、能倒帶的記錄、成隊編排、按名字管視窗——在我這兒不是幾個孤立的功能點，是同一個問題的幾個面。

最後

滿大街都是終端，我還要做一個，這事我自己也覺得得解釋一句。

理由就一句：我不是想做個更好用的終端，是想做個「預設使用者不是人」的終端。 上面這些沒有一個來自什麼路線圖，全是那陣子真把我煩到的事。

還有個挺實在的點：Unterm 本身，也是我在終端裡用大白話跟 AI 描述著做出來的，它的生產程式碼我沒寫。我把「要能被 agent 開、能自己切代理、能攔住 rm -rf、能整段回放」講清楚，AI 就把它建了出來。說得清，它就建得出來——我一直是這麼幹活的。

世界需不需要又一個終端，我不知道。反正我需要。