cursor 之类都增加了一个 chat 的聊天交互框，其实增加了很多东西，交互起来并不舒服，程序员天生会与 terminal 交互，那为什么不复用 terminal terminal 的输入输出都可以被 AI 接管做中间过程处理，是一种更方便更简介的方式。
- 人工输入 -> AI 预处理 -> Agent 执行
如，我在终端中输入:
$ 帮我创建个数据库
我即将帮你创建 pgsql 数据库，规格为 2CPU 4G内存 10G磁盘 三副本，是否确认？
$ 开发测试环境，单副本就行，其他没问题
创建中...
已完成
数据库信息为：
postgresql://postgres:[email protected]:5432
（该信息已经被录入上下文，编码时会自动取用这个值）
- 程序输出 -> AI 后处理 -> Agent 执行
$ devbox@devbox:~/project$ python3 hello.py
Traceback (most recent call last):
File "/home/devbox/project/hello.py", line 1, in <module>
from flask import Flask, request, jsonify, render_template
ModuleNotFoundError: No module named 'flask'
当出现这样一段报错时，cursor 的选择是 add to chat，本身 terminal 为什么不能是 chat，而且我大概率是需要 AI 给我去解决这个问题的。
环境中没有安装 Flask 模块, 这就为您生成安装命令
$ pip install Flask
然后用户敲 enter 安装
- 一些 read only 能发现的错误可以直接提示出来
举个例子，用户代码中的数据库地址和生成的数据库真实地址不匹配，在运行程序时可以提示出来。 再比如用户监听的端口号与 devbox 中配置的端口号不一致，也可以提示出来。
$ python hello.py
我检测到程序监听的端口号是 8080，而 devbox 暴露的端口是 3000，不一致，会导致外网域名无法访问。
- 普通的交互
和聊天一样，直接终端里面发就完了。
本来写代码信息就有点爆炸，再加聊天窗口，杂上加杂，其实有终端完全够用，如无必要，勿增实体。
提示词很多情况下是很长的，一个需求，特别是在工程刚开始时，最合理的方式是放在 markdown 文件里面。 而且还会一直更新，不能每次更新都让用户复制再重发一次，这样很累。
交互过程，我先把提示词写到了一个文件中如 proposal.md, 结合终端就可以配合 AI 生成代码了：
$ 这是我的需求文件 proposal.md, 请生成代码
生成中...
生成完成...
尝试运行...
尝试测试...
完成
地址为：https://ulqvxcpljwja.usw.sailos.io
$ 生成的不对，请回滚
回滚完成
这里有三点：
- 不需要用户交互确认，直接给用户生成工程目录和具体的代码，聊天框复制来确认去实在很烦。
- 为什么不需要确认？因为有回滚，而且在用这个功能时大部分情况是新项目或者新模块。
- 要充分利用 git, 如果 clone 的项目那就有 git， 没有 git 帮用户初始化 git，与 git 强依赖有一万个好处，可以满天飞的改，各种回滚。
补全是基本工程肯定是需要的，要修改某块代码时，最简单的方式是，把这段代码框起来，然后在 terminal 中直接问。
在 IDE 中选中某块代码 -> 打开终端
$ 这段代码中缺少了 passwd 字段，多了 email 字段，请与数据库表设计对其
修改中...
测试中...
修改完成
$ 回滚一下
根据截图生成前端代码是个普遍需求，”直接粘贴到终端中“ 确定是否好实现。 也可以一样图片粘贴到 markdown 中， 提示词也可以写到这个 mardown 中，这样 AI 会更理解，上下文也被保存下来了。 更新时同理，可以打开这个 markdown, 终端中直接交互，比如 markdown 中有十张 UI 的截图，你想改第六张，你可以框选那部分，再和 AI 说“字体不对”
比如上述数据库的例子，一旦用户代码中写了数据库访问的代码，但是上下文中还没有，此时终端可以主动输出一些内容，告诉用户可以帮助其创建数据库。
- 智能 terminal
- 工程初始化
- 截图生成精确前端代码
--- 华丽分割线 ---
我们可以做一个东西，你感觉不到在 vscode 上增加了什么东西，但是却变得非常的智能。
- 像 bolt windsurf 这类工具已经开始支持部署了，一旦用户都用他们，而且 AI 足够强大，就可以完全绕开我们，在上游进行截流，我们就 game over 了
- AI 完成绝大部分工作是绝对的趋势，与人的交互方式也在不断改变，我们必须适应这种改变的节奏，不能掉队。
- 这是一个最好的时机，Why now，有大趋势，接受度高，而且还不完美。
后端能力强，生态强，内功强，基础牢。 Sealos 后端很强，还有 FastGPT 的知识库，通过 RAG 技术去维护编程的上下文再合适不过了。