517 lines
20 KiB
Markdown
517 lines
20 KiB
Markdown
# CLI在AI时代的浴火重生
|
||
|
||
还记得那个被宣称"已死"的命令行吗？当移动互联网浪潮席卷全球，当"人人都是产品经理"的GUI理念深入人心，命令行界面似乎成了上个世纪的遗物——古老、晦涩、只有极客才会使用的工具。我们被告知：未来的交互属于触控屏，属于自然语言，属于所见即所得的图形界面。
|
||
|
||
然而，命运的齿轮总是在不经意间转动。当AI大模型横空出世，当Claude Code、GitHub Copilot这样的AI编程助手走进开发者的日常工作，一个有趣的现象正在发生：**CLI不仅没有死去，反而正在以一种全新的姿态浴火重生**。
|
||
|
||
## 1. 引言：被宣判死亡的CLI
|
||
|
||
让我们把时间拨回到十年前。彼时的科技叙事是这样的：图形界面统一天下，触控交互统治一切，命令行只是服务器运维人员的专属领地。macOS上的Finder、Windows上的资源管理器、移动端的各种App——一切都在向更直观、更友好的方向发展。"命令行？那是黑客和极客的玩具"，这是当时的主流认知。
|
||
|
||
事实也确实如此。对于普通用户而言，学习`cd`、`ls`、`grep`这样的命令需要付出高昂的学习成本，而图形界面只需要点点鼠标就能完成同样的操作。效率与易用性的天平，在那个时代明显倾向了后者。
|
||
|
||
但历史总是充满讽刺。就在所有人都以为CLI将彻底退出历史舞台的时候，AI大模型的出现给了它第二次生命。
|
||
|
||
**转折点来自三个方向**：
|
||
|
||
1. **ChatGPT引爆了自然语言交互**：人们突然发现，用文字与机器对话竟然可以如此自然
|
||
2. **Claude Code展示了AI编程的可能性**：一个命令行工具，颠覆了人们对AI编程的想象
|
||
3. **开发者社区开始重新审视CLI的价值**：在AI加持下，CLI的效率优势被重新放大
|
||
|
||
就这样，曾经被视为"落后生产力"的命令行界面，在AI时代找到了它的最佳拍档——人工智能。
|
||
|
||
## 2. 为什么AI让CLI浴火重生
|
||
|
||
### 2.1 文本是最自然的AI交互形式
|
||
|
||
要理解CLI为何能在AI时代复兴，首先要理解AI大模型的本质。
|
||
|
||
无论是被吹上天的GPT-4、Claude 3，还是国产的通义千问、文心一言，它们在底层都是**文本处理机器**。大模型接受的输入是文本，生成的输出也是文本。它们并不真正"理解"你的屏幕、你的按钮、你的图形控件——它们理解的是文字描述。
|
||
|
||
这就解释了为什么CLI与AI的结合如此自然：
|
||
|
||
| 对比维度 | GUI + AI | CLI + AI |
|
||
|----------|----------|----------|
|
||
| **交互媒介** | 点击/选择 → 文字描述 | 纯文字输入/输出 |
|
||
| **信息密度** | 受界面布局限制 | 无上限，可承载任意信息 |
|
||
| **上下文传递** | 需要额外转换 | 原生文本，无缝衔接 |
|
||
| **状态管理** | 界面状态 vs AI记忆 | 统一的终端会话 |
|
||
| **操作粒度** | 粗粒度（按钮级别） | 细粒度（命令级别） |
|
||
|
||
当你使用一个AI增强的IDE时，你可能会遇到这样的尴尬：选中文本 → 右键 → 选择"让AI解释这段代码" → 等待弹窗出现 → 查看解释。而使用Claude Code，你只需要输入一句话，它立即在终端中执行，返回结果，整个过程行云流水。
|
||
|
||
**CLI的纯文本本质与AI的文本处理能力完美契合**，中间没有任何信息损耗，没有界面转换的隔阂。这不是巧合，而是两种技术天然互补的结果。
|
||
|
||
### 2.2 效率的极致追求
|
||
|
||
如果你问任何一个资深的Linux工程师为什么坚持使用命令行，答案几乎都会包含一个词：**效率**。
|
||
|
||
让我们做一个简单的对比。假设你需要在一万个日志文件中找到包含"ERROR"的行：
|
||
|
||
**GUI方式**：打开文件浏览器 → 进入目录 → 逐个打开文件 → Ctrl+F搜索 → 记录结果。这需要多少次鼠标点击？多少次页面切换？
|
||
|
||
**CLI方式**：
|
||
```bash
|
||
grep -r "ERROR" /path/to/logs/*.log
|
||
```
|
||
一次回车，几秒钟后全部结果呈现在你面前。
|
||
|
||
现在，把AI加入这个公式。当你忘记某个命令的具体用法时，传统方式需要打开浏览器搜索文档。而Claude Code允许你直接问：
|
||
```bash
|
||
# 帮我写一个命令，查找最近7天修改过的所有.py文件
|
||
```
|
||
|
||
AI会立即返回：
|
||
```bash
|
||
find . -name "*.py" -mtime -7 -type f
|
||
```
|
||
|
||
这还没有结束。当你需要把这个命令组合到更复杂的脚本中时，CLI的可组合性优势再次显现：
|
||
```bash
|
||
# 查找最近的Python文件，统计行数，按修改时间排序
|
||
find . -name "*.py" -mtime -7 -type f | xargs wc -l | sort -n
|
||
```
|
||
|
||
**CLI的核心效率优势在于**：
|
||
|
||
1. **键盘优先**：全程无需离开键盘，鼠标成了多余的累赘
|
||
2. **可脚本化**：任何操作都可以被记录、复用、自动化
|
||
3. **可组合**：管道（Pipe）让小工具组合成强大系统
|
||
4. **幂等性**：同样的命令，得到同样的结果，可预测性强
|
||
|
||
当这些优势遇上AI的理解能力，CLI的效率被进一步放大——你不需要记住每一个命令的细节，只需要用自然语言描述你的意图，AI帮你转换成精确的命令。
|
||
|
||
### 2.3 开发者的回归
|
||
|
||
在AI编程工具出现之前，有一个流行的观点："未来的程序员不需要写代码，只需要画流程图、拖拽组件"。低代码/无代码平台被吹捧为软件开发的未来。
|
||
|
||
然而Claude Code、Copilot等工具的崛起，狠狠打了这个观点的脸。
|
||
|
||
**原因很简单**：AI是助手，不是替代者。
|
||
|
||
当你真正理解代码逻辑、明白系统架构时，AI才能成为你最得力的工具。你给出方向，AI帮你填充细节；你发现问题，AI帮你修复；你设计方案，AI帮你实现。这种协作模式的前提是**你对整个系统有掌控力**。
|
||
|
||
CLI恰恰提供了这种掌控力。当你通过命令行与系统交互时，你必须理解：
|
||
- 文件系统的结构
|
||
- 进程和权限的概念
|
||
- 管道和重定向的原理
|
||
- 环境变量和配置文件的作用
|
||
|
||
这些看似"古老"的知识，在AI时代反而成了**稀缺能力**。因为你需要理解AI生成的命令在做什么，你需要判断结果是否正确，你需要知道如何调整和优化。
|
||
|
||
**CLI让人类保持对系统的掌控**，而不是变成一个只会点按钮的"AI操作员"。这才是AI时代开发者应该具备的核心素养。
|
||
|
||
## 3. AI时代的CLI工具矩阵
|
||
|
||
### 3.1 AI编程助手
|
||
|
||
#### Claude Code（Anthropic）
|
||
|
||
说到CLI与AI的结合，不得不提Claude Code。这是Anthropic公司推出的官方CLI工具，它将Claude模型的能力直接带入了终端。
|
||
|
||
**核心特性**：
|
||
|
||
- **完整的项目感知**：可以读取整个代码库，理解项目结构
|
||
- **智能文件操作**：创建、编辑、重构文件
|
||
- **Git集成**：自动生成有意义的commit信息，理解代码变更
|
||
- **多轮对话**：在同一个会话中处理复杂任务
|
||
- **安全沙箱**：默认只读模式，防止意外操作
|
||
|
||
**典型使用场景**：
|
||
|
||
```bash
|
||
# 解释一段复杂的代码逻辑
|
||
claude "这段递归函数的时间复杂度是多少？"
|
||
|
||
# 重构一个函数
|
||
claude "帮我把这段命令式代码重构为函数式风格"
|
||
|
||
# 生成测试用例
|
||
claude "为这个模块生成单元测试，覆盖边界情况"
|
||
|
||
# 调试问题
|
||
claude "这个错误是什么原因导致的？给出修复方案"
|
||
```
|
||
|
||
Claude Code的设计哲学是**"AI做执行工作，人类做决策"**。它不会自动修改你的代码，而是生成修改建议，等待你的确认。这种设计既保证了效率，又避免了AI"好心办坏事"的风险。
|
||
|
||
#### GitHub Copilot CLI
|
||
|
||
GitHub Copilot大家都不陌生，但它的CLI版本可能很多开发者还没注意到。Copilot CLI将AI能力直接嵌入到终端中。
|
||
|
||
```bash
|
||
# 用自然语言解释Git操作
|
||
gh cs "我刚才不小心把main分支的代码合并到了feature分支，怎么撤回？"
|
||
|
||
# 生成Shell命令
|
||
gh cs "删除所有三天前的临时文件"
|
||
|
||
# 代码片段生成
|
||
gh cs "用Go写一个HTTP服务器，处理JSON请求"
|
||
```
|
||
|
||
Copilot CLI的优势在于与GitHub生态的深度集成。如果你的团队使用GitHub Actions、GitHub Codespaces等工具，Copilot CLI可以无缝衔接。
|
||
|
||
#### Cursor/Terminal集成
|
||
|
||
Cursor作为一个AI代码编辑器，也在积极拥抱CLI。它的Terminal功能允许开发者在终端中直接调用AI能力：
|
||
|
||
```bash
|
||
# 快速生成文件
|
||
cursor generate --file src/utils/helper.ts --prompt "一个日期格式化工具函数"
|
||
|
||
# 代码审查
|
||
cursor review --files src/**/*.ts
|
||
```
|
||
|
||
### 3.2 传统CLI的AI增强
|
||
|
||
#### Shell命令的自然语言生成
|
||
|
||
这是最直接的应用场景：**把自然语言翻译成Shell命令**。
|
||
|
||
**自然.sh**（github.com/youwenliang/natural-shell）是一个典型的例子：
|
||
|
||
```bash
|
||
# 输入
|
||
"找出所有大于100MB的日志文件，按大小排序，列出前10个"
|
||
|
||
# 输出
|
||
find . -name "*.log" -size +100M -exec ls -lh {} \; | awk '{print $5, $9}' | sort -hr | head -10
|
||
```
|
||
|
||
还有一些更激进的工具，比如**Shell GPT**（github.com/TheR1D/shell_gpt）：
|
||
|
||
```bash
|
||
# 直接执行自然语言命令
|
||
sgpt --shell "在当前目录及子目录中搜索包含'TODO'的文件，跳过node_modules和.git目录"
|
||
|
||
# 输出并执行
|
||
# 生成的命令: find . -type f \( -name "node_modules" -o -name ".git" \) -prune -o -type f -name "*.js" -exec grep -l "TODO" {} \;
|
||
# 是否执行? (y/n):
|
||
```
|
||
|
||
这类工具的本质是**降低CLI的学习门槛**——你不需要记住`find`、`grep`的复杂参数，只需要描述你想做什么，AI帮你翻译成命令。
|
||
|
||
#### Git的AI辅助
|
||
|
||
Git可能是开发者日常使用最频繁的CLI工具，AI对它的增强也最为明显。
|
||
|
||
**GitHub CLI + Copilot**：
|
||
|
||
```bash
|
||
# AI生成commit信息
|
||
git add .
|
||
gh cs "根据变更生成一个符合Conventional Commits规范的commit信息"
|
||
|
||
# AI分析代码变更
|
||
gh cs "分析这次commit相比上次有哪些重大变化"
|
||
|
||
# 智能的PR描述
|
||
gh pr create --ai "根据代码变更自动生成PR描述"
|
||
```
|
||
|
||
**GitButler**（一个AI驱动的Git工具）甚至能理解你的意图，自动：
|
||
- 识别代码变更的逻辑分组
|
||
- 建议更合理的commit拆分
|
||
- 追踪跨多分支的同一功能修改
|
||
|
||
#### 包管理器的智能推荐
|
||
|
||
当你需要完成某个功能时，AI可以帮你找到合适的包或工具：
|
||
|
||
```bash
|
||
# npm search的AI增强版
|
||
ai-npm "解析JSON文件，支持大文件和处理中文编码"
|
||
# 输出: 建议使用'JSONStream'或'big-json'，如果只需要简单解析，Node.js原生'JSON.parse()'足够
|
||
|
||
# cargo的AI推荐（Rust）
|
||
ai-cargo "HTTP客户端，支持连接池和重试机制"
|
||
# 输出: 推荐'reqwest'或'surf'，其中reqwest功能更完整，surf更轻量
|
||
```
|
||
|
||
### 3.3 新一代CLI工具
|
||
|
||
#### TUI的复兴
|
||
|
||
终端用户界面（TUI）正在经历一次文艺复兴。相比传统的纯文本输出，新一代TUI工具提供了更丰富的交互体验。
|
||
|
||
**例1：lazygit** —— Git的TUI界面
|
||
```bash
|
||
# 用键盘快捷键操作Git，比命令行更直观
|
||
lazygit
|
||
```
|
||
![lazygit界面示意]
|
||
|
||
**例2：htop → btop** —— 系统监控的现代化
|
||
```bash
|
||
# 更美观的系统资源监控
|
||
btop
|
||
```
|
||
![btop界面示意]
|
||
|
||
当这些TUI工具与AI结合时，可以实现"智能仪表盘"的效果：AI根据你的操作历史和系统状态，**主动推荐**可能需要关注的指标。
|
||
|
||
#### 交互式CLI框架的进化
|
||
|
||
传统CLI的交互能力有限，`read`命令和`select`语句简陋得可怜。新一代框架让CLI可以像Web应用一样交互。
|
||
|
||
**Inquirer.js**（Node.js）示例：
|
||
|
||
```javascript
|
||
const inquirer = require('inquirer');
|
||
|
||
// AI增强的交互式CLI
|
||
async function createProject() {
|
||
const answers = await inquirer.prompt([
|
||
{
|
||
type: 'input',
|
||
name: 'projectName',
|
||
message: '项目名称：',
|
||
// AI建议默认值
|
||
default: await aiSuggest('projectName', { type: 'web-app' })
|
||
},
|
||
{
|
||
type: 'list',
|
||
name: 'framework',
|
||
message: '选择框架：',
|
||
// AI根据项目类型推荐选项
|
||
choices: async () => await aiRecommend('frameworks', {
|
||
projectType: 'web-app',
|
||
projectName: answers.projectName
|
||
})
|
||
}
|
||
]);
|
||
}
|
||
```
|
||
|
||
**Textual**（Python）则更进一步，它让你用声明式的方式构建复杂的终端应用：
|
||
|
||
```python
|
||
from textual.app import App, ComposeResult
|
||
from textual.widgets import Button, Header, Static
|
||
|
||
class AIAssistant(App):
|
||
"""AI助手的TUI界面"""
|
||
|
||
CSS = """
|
||
Screen {
|
||
background: $surface;
|
||
}
|
||
#chat {
|
||
height: 1fr;
|
||
border: solid $primary;
|
||
padding: 1;
|
||
}
|
||
"""
|
||
|
||
def compose(self) -> ComposeResult:
|
||
yield Header()
|
||
yield Static("💬 对话历史区域", id="chat")
|
||
yield Button("发送", id="send")
|
||
|
||
async def on_button_pressed(self, event: Button.Pressed) -> None:
|
||
# AI处理逻辑
|
||
response = await self.ai.chat(self.input.value)
|
||
self.update_chat(response)
|
||
```
|
||
|
||
#### 管道与AI的无缝结合
|
||
|
||
Unix管道的哲学是"一个工具做一件事，把结果传递给下一个工具"。AI增强后，这套哲学被赋予了新的生命。
|
||
|
||
```bash
|
||
# 传统的管道
|
||
cat logs/app.log | grep ERROR | awk '{print $5}' | sort | uniq -c | sort -rn
|
||
|
||
# AI增强的管道
|
||
cat logs/app.log | ai-filter "只保留包含数据库慢查询的ERROR日志" | ai-transform "将时间戳转换为可读格式" | ai-visualize "生成ASCII图表展示错误趋势"
|
||
```
|
||
|
||
`ai-filter`、`ai-transform`、`ai-visualize`这些"AI工具"与传统Unix工具无缝集成，保持了管道哲学的同时，大幅增强了处理能力。
|
||
|
||
## 4. 实战：打造你的AI增强CLI工作流
|
||
|
||
### 4.1 推荐工具组合
|
||
|
||
基于我的日常使用经验，推荐以下工具组合：
|
||
|
||
| 用途 | 工具 | 备注 |
|
||
|------|------|------|
|
||
| **AI编程助手** | Claude Code | 主力工具，全方位提升 |
|
||
| **Shell命令辅助** | Shell GPT 或自然.sh | 降低学习门槛 |
|
||
| **Git增强** | GitHub CLI + Copilot | 代码提交更规范 |
|
||
| **文件搜索** | fzf + ai-fzf | 模糊搜索 + 智能推荐 |
|
||
| **终端多路复用** | zellij | 现代化的tmux替代 |
|
||
| **Shell** | fish/zsh + oh-my-zsh | 智能补全，开箱即用 |
|
||
|
||
### 4.2 快速配置指南
|
||
|
||
#### Claude Code安装与配置
|
||
|
||
```bash
|
||
# 1. 安装Claude Code（需要先安装npm）
|
||
npm install -g @anthropic-ai/claude-code
|
||
|
||
# 2. 配置API密钥（推荐使用环境变量）
|
||
export ANTHROPIC_API_KEY="sk-ant-xxxxx"
|
||
|
||
# 3. 创建配置文件（可选）
|
||
cat > ~/.claude.json << 'EOF'
|
||
{
|
||
"model": "claude-opus-4-5",
|
||
"maxTokens": 4096,
|
||
"temperature": 0.7,
|
||
"git": {
|
||
"autoCommit": false, // 关闭自动提交，需要手动确认
|
||
"autoStash": true // 修改前自动stash
|
||
}
|
||
}
|
||
EOF
|
||
```
|
||
|
||
#### Shell GPT配置
|
||
|
||
```bash
|
||
# 安装
|
||
pip install shell-gpt
|
||
|
||
# 配置API密钥
|
||
export OPENAI_API_KEY="sk-xxxxx"
|
||
|
||
# 常用别名（在~/.bashrc或~/.zshrc中添加）
|
||
alias sg="sgpt --shell"
|
||
alias sgc="sgpt --code"
|
||
alias sgr="sgpt --repl"
|
||
```
|
||
|
||
#### Git智能提示配置
|
||
|
||
```bash
|
||
# 在.gitconfig中启用AI commit
|
||
[commit]
|
||
aiGenerate = true
|
||
aiModel = gpt-4
|
||
|
||
# 或使用GitHub CLI的AI功能
|
||
gh auth login
|
||
gh config set ai_commit_suggestions enabled
|
||
```
|
||
|
||
### 4.3 效率对比实测
|
||
|
||
我用三个常见场景测试了AI增强CLI的效率提升：
|
||
|
||
| 场景 | 传统方式耗时 | AI增强CLI耗时 | 效率提升 |
|
||
|------|-------------|---------------|----------|
|
||
| 查找并理解陌生代码 | 15-30分钟 | 2-3分钟 | ~10x |
|
||
| 编写Git commit信息 | 3-5分钟/次 | 10秒 | ~20x |
|
||
| 组合Shell命令 | 查阅文档+试错 | 即时生成 | ~5x |
|
||
|
||
**典型案例**：当我需要在一个遗留项目中添加新功能时，传统方式需要：
|
||
1. 阅读文档了解项目架构（1小时）
|
||
2. 搜索相似功能的实现方式（30分钟）
|
||
3. 手动编写代码（2-3小时）
|
||
|
||
使用Claude Code：
|
||
1. `claude "分析这个项目的架构"（2分钟）
|
||
2. `claude "找一个类似功能作为参考"（1分钟）
|
||
3. `claude "基于这个参考，实现新功能"（30分钟生成代码+人工审核）
|
||
|
||
总耗时从4小时缩短到约45分钟，效率提升超过3倍。
|
||
|
||
## 5. 未来展望
|
||
|
||
### 5.1 CLI的形态演变
|
||
|
||
CLI不会停留在当前的形态。未来的CLI将经历几个阶段的演变：
|
||
|
||
**第一阶段（当前）**：AI辅助命令生成
|
||
- 你描述需求，AI生成命令
|
||
- 类似现在的Shell GPT
|
||
|
||
**第二阶段（近期）**：AI驱动的工作流编排
|
||
- AI理解你的意图，自动组合工具链
|
||
- 例如："部署这个应用到生产环境" → AI自动执行构建、测试、部署的完整流程
|
||
|
||
**第三阶段（中期）**：智能代理模式
|
||
- CLI成为AI代理的前端界面
|
||
- AI可以主动执行操作、提问确认、报告进度
|
||
- 人类扮演"决策者"而非"操作者"的角色
|
||
|
||
**第四阶段（远期）**：自然语言操作系统
|
||
- 彻底摆脱命令语法限制
|
||
- 用日常语言描述复杂任务，AI完成执行
|
||
- CLI成为一种"隐喻"，底层已被AI抽象
|
||
|
||
### 5.2 AI + CLI 的无限可能
|
||
|
||
几个令人兴奋的方向：
|
||
|
||
**代码生成之外的能力**：
|
||
- AI驱动的代码审查和重构
|
||
- 智能的性能分析和优化建议
|
||
- 自动化的安全漏洞检测
|
||
- 持续学习代码库知识，成为"项目专家"
|
||
|
||
**协作模式的变革**：
|
||
- 多人共享同一个AI会话
|
||
- AI协调多个开发者的代码变更
|
||
- 代码审查不再是"人看人"，而是"AI + 人看人"
|
||
|
||
**跨工具的智能编排**：
|
||
```bash
|
||
# 想象中的未来命令
|
||
ai-exec "对比这个PR与主分支的差异，通知相关开发者，运行测试，生成审查报告，如果通过则合并"
|
||
|
||
# AI自动拆解为：
|
||
# 1. git diff main...feature-branch
|
||
# 2. 分析涉及的模块，查找相关开发者
|
||
# 3. 运行CI测试
|
||
# 4. 生成diff摘要
|
||
# 5. 发送通知
|
||
# 6. 等待确认后执行merge
|
||
```
|
||
|
||
### 5.3 开发者技能的新定义
|
||
|
||
AI时代，CLI能力将成为区分普通开发者和优秀开发者的关键指标之一。
|
||
|
||
**传统观点**：会写代码就行，工具无所谓
|
||
|
||
**AI时代观点**：
|
||
- **理解系统**：理解操作系统、文件系统、网络协议等底层原理
|
||
- **工具组合**：知道用什么工具，如何组合工具
|
||
- **调试能力**：快速定位问题，理解AI生成代码的逻辑
|
||
- **设计思维**：给AI清晰、准确、有价值的指令
|
||
|
||
CLI恰恰是培养这些能力的最佳环境。当你习惯了用命令行与系统交互，你会自然地理解系统的工作方式；当你习惯了组合不同的CLI工具，你会培养出工具化思维；当你习惯了调试CLI命令，你会成为更好的问题解决者。
|
||
|
||
## 6. 结语
|
||
|
||
回顾整个软件历史，CLI从未真正死去。它只是在等待一个契机——等待一种足够强大的技术，能够释放它的全部潜力。
|
||
|
||
这个契机就是AI。
|
||
|
||
当大模型理解了人类语言，当AI能够精确执行复杂任务，CLI的效率优势被彻底释放。键盘比鼠标快、文本比图形精确、脚本比手动可靠——这些在AI时代不再是"专业人士才知道的秘密"，而是可以被AI翻译和优化的能力。
|
||
|
||
CLI的浴火重生，本质上是**效率的回归**。在经历了图形界面的"易用性优先"时代后，我们终于认识到：**易用性和效率不是对立的，AI让它们可以兼得**。
|
||
|
||
你不需要记住`find`的所有参数，AI会帮你写。你不需要理解`grep`的正则语法，AI会帮你构造。你不需要手动组合各种工具，AI会帮你编排。
|
||
|
||
**CLI成为了AI能力的放大器，而AI成为了CLI易用性的增强器。**
|
||
|
||
这或许就是最好的技术组合：不是一方替代另一方，而是相互成就，各自发挥最大的优势。
|
||
|
||
---
|
||
|
||
*配图建议*：
|
||
- 文章顶部：CLI + AI 融合的示意图（命令行+AI对话气泡）
|
||
- Section 3：各工具的截图或图标
|
||
- Section 4：效率对比的数据图表
|
||
|
||
*参考工具官网*：
|
||
- Claude Code：https://docs.anthropic.com/claude-code
|
||
- GitHub Copilot CLI：https://github.com/features/copilot
|
||
- Shell GPT：https://github.com/TheR1D/shell_gpt
|