2026-07-04

我又做了一个终端 Unterm：默认用户不是人

先说个数：过去半年，我终端里跑的命令，八成以上不是我敲的。 是 Claude Code、是 Codex、是一堆 agent，一天到晚在里面干活，一个任务经常跑好几个小时。

问题就出在这儿。我在用的这些终端——iTerm、Windows Terminal、Warp——全是照「一个人坐着敲」设计的：敲一行、看一眼、再敲一行。 主要用户从我变成 agent 之后，这个默认假设在好几个地方直接失效了。我一个坑一个坑撞过去，最后干脆自己做了一个终端，叫 Unterm。

真正让我动手的，是有一周我盯着自己的时间去向，发现大半天都花在给 agent 当网络运维、当安全审核、当窗口调度员——这些事没有一件是「产品」本身，但没人替我挡，我就只能自己做个东西把它们挡掉。

下面是我撞到的坑，和每个坑的填法。

Unterm 是什么，名字怎么来的

一句话：Unterm 是一个让外部 AI agent 直接操控的终端（unterm.app，开源，GitHub zhitongblog/unterm）。

它跟「内置了 AI 的终端」不是一回事。它自己不带聊天框，而是把整个终端通过 MCP 协议开放出去，让 agent 来开、来敲、来读。我给它写的 slogan，就一句：

The terminal that runs every AI coding agent. （能跑起每一个 AI 编码 agent 的终端。）

背后的主张也是一句：

终端不用把 AI 塞进去，它要的是能被 AI 开着走。

能力上：一键装好 Claude Code、Codex CLI、Gemini CLI、OpenCode、Aider；本地优先、开源、可脚本化（带一个 unterm-cli）；界面九种语言。

落到用起来是这样：我在 Claude Code 里说一句「帮我把这个项目的构建跑起来，跑挂了自己看日志改」，它就通过 MCP 连到 Unterm，自己开一个窗口、自己敲命令、自己读屏上的输出、报错了自己接着改，全程我不用在聊天窗和终端之间来回复制粘贴。终端第一次成了 agent 的手，而不是我手动搬运输出的中转站。 我想盯的时候盯一眼，不想盯的时候它自己往下走。

名字也简单，Un + term。term 是 terminal；Un 是「解放」——把敲键盘这件事，从人的双手里解放出来，交给 AI。 我做它的时候脑子里就一个画面：这台终端不是给我这双手用的，是给 agent 用的，我退到后面盯着就行。名字说的就是这件事。

一、代理：让 agent 看不见那堵墙

我在国内，agent 干活八成要出墙：装包、git clone、拉模型权重、调各家 API。

普通终端里，这事得我手动 export HTTPS_PROXY，一个 shell 设一次。可 agent 一开新窗口、一 fork 子进程，代理就丢了，然后卡住、超时、报一句 network error。麻烦的是它不知道这是网络问题，只会以为是自己命令写错了，于是改命令、换源、重试，越弄越乱。有次我让它半夜拉个模型权重，第二天一看，它在一条早就挂掉的代理上重试了四十多分钟，日志刷满屏，一个字节没下下来。

所以我把代理做进了终端本身。Unterm 内置一个接 Clash 的代理层，所有 session 默认走同一套路由。我配了一池节点（现在是八条给 Gemini、GPT 调过的新加坡线路），终端每半分钟自己测一遍，哪条快走哪条；正在用的那条挂了，自动切到池子里最快的活节点。 而且代理是设到操作系统那一层的（Windows 改注册表、macOS 走 scutil、Linux 设环境变量），不是每个 shell 单设——之后开出来的每个窗口，天生就带着代理。

还有些细节是被 agent 逼出来的。比如 localhost 和内网地址不能走代理，否则 agent 连自己在本地起的服务都连不上——这套 no-proxy 规则得默认配好，不能等 agent 去踩了才补。再比如节点池不该我手动维护：Unterm 直接读 Clash 里的分组和每个节点的实时延迟，我在界面上点几下就搭出一个轮换池，哪些节点进池、多久轮一次，都不用去手改配置文件。

它不是万能的：整池线路都被限速，我照样没辙。 但「单条节点又抽风了」这种一天碰八回的破事，它自己就切过去了，不用我管。

二、安全：把机器交给 AI，等于把 rm -rf 也交出去

给 agent 一个裸终端，等于把整台机器交给它。rm -rf、git push --force、DROP TABLE——一行敲错，东西就没了，而且它跑得比你反应快。普通终端不知道背后坐的是 AI，把 agent 和我当成同一双手。

我不想在两个极端里二选一：要么放它裸奔，提心吊胆；要么每条命令我手动确认，那等于我自己在敲。所以 Unterm 在中间加了几道关：

默认「建议」，不直接执行：agent 把命令递到我的输入行，但不替我按回车，我一个 Tab 放行。
分级放行：一整类安全命令自动通过，只把 rm -rf、force-push、DROP TABLE 这几种真能要命的拦下来单独问。
身份是隔离的：每个窗口挂一份独立身份档案（GitHub / AWS / npm 的 token、git 身份、SSH key），agent 拿到的是这份圈定的身份，不是我整台机器的密钥串。
显式授信：哪个 agent 可信我说了算，授信过的写入才免确认。
读得到错：它能扫出屏幕上像报错的行，看的是真实结果，不是脑补。

默认是「保守」那一档：一个刚接进来、我还没授信的 agent，写什么都得先过我这关；等我看它跑几轮、确认靠谱，再把它常用的那些安全命令整类放开。磨合期它是慢一点，但不会一上来就把我吓一身汗。

带 agent 久了，你一定会碰上它信心十足地敲一条 rm -rf 去「清缓存」、路径却拼错一截的时刻。人在按回车前会顿半秒，agent 不会——这道闸，得终端替它补上。

三、录制：agent 跑完，我要能倒带看它干了啥

这是我用得最多、也最不敢没有的一个功能。

agent 无人值守跑三个小时，你回来想知道它到底干了什么。光看它自己写的总结不行——它可能漏、可能美化、甚至可能圆谎。 你要的是原始记录：每一条命令、每一段输出，原样都在。

所以 Unterm 把整个会话从头到尾录下来：agent 敲了什么、终端回了什么，全存成一份能回放的记录，之后能像录像一样倒带重看，也能把历史一条条列出来翻。录的时候会自动把 token、密钥打码，免得这份记录本身变成新的泄密口子。

它就是 agent 的黑匣子：出了问题，倒带看它哪一步走歪了；跑得漂亮，就留着当 demo 或者复盘素材。

举个上周的事：一个 agent 把一批测试跑挂了，还理直气壮说「修好了」。我把会话倒带到它动手改代码那一段，几分钟就看清了——它为了让测试变绿，偷偷把一个断言注释掉了。 要是只有它自己写的那份总结，我根本抓不到这一手。记录还能整段导出，我拿它当过好几次「AI 到底是怎么干活的」的讲解素材。

我敢让 agent 无人值守跑，底气有一半是这份能倒带的记录给的。

四、并行：我早就不只开一个 agent

现在的常态是三四个 agent 同时跑：一个弄前端，一个啃数据库迁移，一个补测试。普通终端里，这就是三四个黑框，我 alt-tab 来回切，切着切着就忘了谁在等我拍板、谁已经挂了在干等。

Unterm 把「管一群」做顺了：

成批拉起：一条命令开一个新窗口，把活直接派进去；
广播：想让四个 agent 都「拉最新代码、再跑一遍构建」，一条命令发给所有窗口，不用挨个粘四遍；
挂起等：派完活我可以等某个窗口冒出「跑完了 / 报错了」再回来收。

具体到一个早上大概是这样：开三个窗口，分别派「把登录页按新设计重做」「把订单表迁到新 schema」「给结算逻辑补测试」，再广播一句「每十分钟把进度贴出来」，然后我自己去回消息。回来扫一眼三个窗口的状态，谁卡了就进哪个窗口跟它聊两句，没卡的接着放它跑。我从『一个个盯』变成了『扫一眼一排』。

我现在的活儿本来就不是写代码，是编排一队 agent（这事我在上一篇里讲过）。而编排的前提，是手里得有个称手的指挥台，不是四个互相不认识、还得我用脑子记着谁是谁的黑框。

五、窗口：agent 一多，桌面就乱

成队跑起来之后，乱的就不是命令，是空间：哪个窗口在部署、哪个是随手起来试的草稿、哪个派出去俩小时了还没回话？靠脑子记，几个就串。

我做的都是最土的秩序：

窗口有名字：alpha、bravo、charlie，不是记不住的编号。真事：写这篇的这会儿，我机器上就有两个 Unterm 实例活着——alpha 开在 doaipm 站点目录，bravo 开在这个内容仓库，我扫一眼就知道谁是谁。
布局能存能取：拆好的面板、排好的窗口，存成一套 workspace，明天开机原样恢复，不用每天重新摆积木。
按名字调：agent 能说一句「把部署那个窗口调到前面」，我不用在十几个框里翻。

workspace 这功能听着小，用起来是真省事：我有一套固定的「发文」布局——站点目录一个窗口、内容仓库一个、跑构建一个、盯日志一个——存下来之后，每天开工一键恢复，四个窗口连 cwd 都在原位，不用每天重新 cd、重新排。

十二个没名字的窗口，和一个能叫出每个名字的工作台，差的就是这点。

那 tmux、Warp 呢？

你会问：tmux 早有多面板，Warp 也把 AI 塞进去了，你到底补什么？

tmux 我用了很多年，多面板做得很好，但它是给真人的十根手指设计的：它不知道背后是不是 agent，不管你这条命令会不会删库，也不管你在国内、每条出墙的命令都在超时里挣扎。Warp 是另一条路，把一个 AI 助手缝进了终端——但那是「AI 待在终端里」，不是「终端被 AI 开着走」：主角还是坐在屏幕前的人，agent 顶多算副驾，代理和中国网络这些事它也不接。iTerm、Windows Terminal 我也天天用，它们是好终端——但「好」的标准还是「人用着顺手」：配色、字体、快捷键、分屏，没有一个把「敲键盘的是个 agent」当成头等公民来设计。

两条路都不错，只是都没在回答我这个问题：主力从人换成 agent 之后，终端本身该长什么样。 代理、安全的闸、能倒带的记录、成队编排、按名字管窗口——在我这儿不是几个孤立的功能点，是同一个问题的几个面。

最后

满大街都是终端，我还要做一个，这事我自己也觉得得解释一句。

理由就一句：我不是想做个更好用的终端，是想做个「默认用户不是人」的终端。 上面这些没有一个来自什么路线图，全是那阵子真把我烦到的事。

还有个挺实在的点：Unterm 本身，也是我在终端里用大白话跟 AI 描述着做出来的，它的生产代码我没写。我把「要能被 agent 开、能自己切代理、能拦住 rm -rf、能整段回放」讲清楚，AI 就把它建了出来。说得清，它就建得出来——我一直是这么干活的。

世界需不需要又一个终端，我不知道。反正我需要。