# 影片筆記：I'm done with terminals


<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->
## ⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

- 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

## 一句話總結

講者從終端機重度使用者轉變為放棄終端機，認為現代 AI 編碼工具（如 Cursor、CodeX/ChatGPT App）提供的圖形介面、多專案管理及跨設備控制能力，已遠勝於傳統終端機的工作流；並與他人共同開發開源工具 **T3 Code**，以解決現有閉源 AI 工具的效能與靈活性問題，實現終端機般的靈活度與圖形介面的易用性結合。

## 核心重點

1.  **工作模式的根本轉變**：講者意識到自己已超過八小時未開啟終端機，標誌著工作場景從終端機轉向圖形化 AI 編碼環境。
2.  **終端機的局限性**：
    *   **認知負荷高**：多專案並行時，熱鍵過多，難以在大腦中維護複雜的面板對應系統。
    *   **操作不便**：難以追蹤工作進度、工作樹（work tree）狀態；發送圖片給 AI 代理需經過 SSH、T-Mux 等多層配置，耗時且困難。
    *   **環境不穩定**：SSH 在行動裝置或網路不穩定（如 Wi-Fi 7）時表現不佳；筆記型電腦過熱、斷網或關閉會導致 Agent 中斷。
3.  **圖形化 AI 工具的優勢**：
    *   **直觀性**：支援截圖貼上、文字選取、滑鼠點擊切換專案、流暢滾動。
    *   **跨設備控制**：Codex App（現 ChatGPT App）及 T3 Code 允許在手機、網頁端與桌面端之間切換控制權，實現任務無縫延續。
    *   **效率提升**：講者自稱使用 GUI 工具後，從每週 3-4 個 PR 提升至每天 20 個 PR。
4.  **市場現狀與困境**：
    *   **閉源趨勢**：Cursor、Claude Code、Codex Desktop 等主流工具趨向閉源，限制自訂能力。
    *   **功能割裂**：最佳模型（如 CLI 端的 Claude）與最佳體驗（桌面應用）往往無法兼得；使用者被迫在開源（缺乏支援）與付費（功能受限）之間取捨。
    *   **品牌變遷**：CodeX App 被重新品牌化為 ChatGPT App，允許非開發者使用，講者認為這破壞了開源生態的完整性。
5.  **T3 Code 的解決方案**：
    *   **定位**：開源、圖形化、非終端機介面的 AI 編碼工具。
    *   **技術架構**：基於 Electron 與 WebSocket，支援 Tail Scale 配對，實現本機、網頁端（app.t3.codes）及移動端（iOS/Android）的跨平台控制。
    *   **理念**：反對 AI 時代的工具封閉化，主張提供可自訂、非終端機介面的最佳開源解決方案。

## 詳細大綱

### 1. 講者的終端機情結與轉變
*   **早期習慣**：13歲起使用終端機，曾深度修改 GNU Screen 配置，後轉向 T-Mux（疑點：可能指 tmux）。
*   **轉變契機**：重啟電腦後發現長時間未使用終端機，意識到工作場景已不在終端機內。
*   **AI 工具的演進**：
    *   **Anti-Gravity**：講者被其「Agent Manager」介面吸引，允許在單一視窗監控多個專案/視窗中的代理程式狀態。
    *   **Cursor**：v2 版本的新整合使終端機使用變得不便（如難以獲取工作樹路徑）。講者透過施壓獲得「一鍵複製路徑」功能，維持「Cursor 負責提示、終端機負責執行」的混合工作流。
    *   **CodeX App**：被視為終端機不再是最佳編碼場所的關鍵轉折點。優勢在於支援截圖、文字選取、流暢滾動及滑鼠操作。缺點是閉源，遇到回歸問題時無法自行修復。
    *   **ChatGPT App**：CodeX 應用被重新品牌化為 ChatGPT，講者不滿此舉破壞開源生態完整性。

### 2. 贊助商介紹：Blacksmith
*   作為 GitHub Actions 的替代 CI/CD 解決方案。
*   優勢：速度更快、價格更低、快取下載速度快四倍、具備強大的可觀察性（Observability）。
*   支援 SSH 進入容器及原生 Mac Runner。

### 3. 工作流演變與痛點分析
*   **傳統終端機的痛點**：
    *   難以追蹤工作進度、工作樹和終端機會話。
    *   需要大量時間維護環境以切換不同工具。
    *   認知負荷高，歷史設定繁瑣但現代工作環境變化快，缺乏靈活性。
*   **圖片輸入與 SSH 的問題**：
    *   講者約一半的提示包含圖片，截圖發送比文字描述錯誤更有效。
    *   在終端機中發送圖片給 AI 代理非常困難（需透過 SSH、cmox、T-Mux 層層配置）。
    *   **SSH 缺點**：網路不穩定時問題叢生（如 Wi-Fi 7 下的粘滯鍵問題）；行動裝置支援差；雖存在超過 30 年，但對現代工作流不夠靈活。
*   **Codex App 的優勢與限制**：
    *   優勢：新的活動檢視（activity view）可輕鬆追蹤工作進度；支援手機遠端控制桌面應用。
    *   限制：僅限 Mac 桌面應用；效能問題（每個線程和子代理啟動 5 個以上進程）；macOS 安全策略帶來的實施麻煩。

### 4. 新工具需求清單
*   支援圖片輸入。
*   支援所有模型的訂閱制（subsidization），以獲得優惠價格（例如 8 到 14 萬 token 僅需 200 美元）。
*   良好的遠端控制能力。
*   **最佳 Linux 支援**：Linux 檔案系統較少混亂，建立工作樹速度快（2 秒 vs 30 秒至 2 分鐘），資源利用率低。
*   良好的行動裝置支援。
*   高效能、低電池影響。
*   良好的多任務管理能力。

### 5. T3 Code 的開發背景與特性
*   **開發動機**：講者與 Julius 因對現有選項不滿而共同開發。Julius 極度討厭終端機，僅透過 VS Code 或 Cursor 擴充功能使用 Git。
*   **技術演進**：
    *   曾嘗試用 Swift UI/AppKit 構建原生 GUI，但因大規模文字滾動效能問題放棄。
    *   轉向 Electron，並採用 WebSocket 架構而非 Electron RPC，以利遠端控制。
    *   初期外觀丑陋但可用，現已獲得 Codex 團隊公開讚揚為其新增功能的靈感來源。
*   **功能與整合**：
    *   開源 GUI，對系統效能影響較小。
    *   完美支援工作樹（worktrees）、Clawork、Open Code、Grok。
    *   Cursor 整合即將有大更新。
    *   統一介面管理不同代理和模型，無需記憶不同熱鍵。
    *   使用官方代理 SDK（經 Anthropic 認可）。

### 6. T3 Code 的核心功能與連接方式
*   **跨設備控制**：支援本機、網頁端 (`app.t3.codes`)、iOS 及 Android 移動端。完全開源，用戶可自行構建。
*   **工作流革新**：
    *   **過去痛點**：需根據 Agent 運行時間安排生活；筆記型電腦過熱、風扇聲影響會議；斷網導致 Agent 死亡；在 Uber 等移動場景中因關閉電腦導致任務中斷。
    *   **現在體驗**：選擇目標機器 -> 發送提示 -> 關閉電腦 (Command Q) -> 任務繼續。
    *   **功能細節**：可繼續發送提示、查看進度、貼上圖片、瀏覽歷史、啟動終端機。
*   **連接技術**：
    *   基於 T3 Code 運行時產生的 WebSocket 連接。
    *   **Tail Scale 整合**：命令 `npx t3 pair-tail scale`（註：逐字稿口誤），生成配對碼或 URL，用於手機或網頁連接。
    *   **其他連接選項**：`npx t3 nightly serve`（託管實例）、`npx t3 connect`（開啟 URL 透過 GitHub、Google 等帳號登入）。
    *   支援平台：Linux、Mac（即將支援）。

### 7. 開發理念：開源與圖形化介面
*   **非營利動機**：出於對技術的熱愛與挫折感，而非賺錢計畫。若為賺錢，可直接出售給 OpenAI 或 Anthropic。
*   **歷史演變**：
    *   過去：閉源編輯器 (Visual Studio, Sublime Text)。
    *   中期：Atom (Electron) -> VS Code (開源 Electron，成為標準)。
    *   現在：AI 時代轉向閉源工具 (Cursor, Claude Code, Codex Desktop)，導致自訂能力下降。
*   **核心主張**：
    *   AI 時代應提供最佳開源解決方案。
    *   解決方案應是**圖形化介面 (GUI)**，而非終端機。
    *   介面應優先考慮完成實際工作的人員。

### 8. 工作流轉變與效率提升
*   **效率對比**：使用終端機每週 3-4 個 PR；使用 T3 Code/GUI 重碼日每天 20 個 PR。
*   **GUI 優勢**：多線程管理、快捷操作（Command+Click 切換任務、右鍵歸檔）、多媒體支援、解決 SSH 確保 Agent 持久性的痛點。
*   **對終端機的觀點**：承認終端機的價值，但認為其形狀不適合當前的 AI 開發工作。比喻如同 iPhone 擬物化時代需直觀介面，AI 開發工具也需向前看。

## 工具 / 模型 / 名詞整理

*   **T3 Code**：講者與 Julius 共同開發的開源 AI 編碼工具，具備圖形介面與終端機靈活性。
*   **Blacksmith**：贊助商，替代 GitHub Actions 的 CI/CD 解決方案。
*   **Cursor / Cursor v2**：AI 程式碼編輯器。
*   **CodeX App / Codeex**：OpenAI 的桌面應用程式，後更名為 ChatGPT App。
*   **ChatGPT App**：CodeX App 重新品牌化後的應用程式。
*   **Anti-Gravity**：AI 編碼工具，講者欣賞其 Agent Manager 介面。
*   **Cloud Code**：提及的 AI 編碼工具或雲端代碼環境。
*   **Open Code**：提及的開源 AI 編碼工具。
*   **Pi**：提及的開源 AI 編碼工具。
*   **Claude / Claude Code**：Anthropic 的模型及閉源終端工具。
*   **Sonnet 4 / Sonnet 4s**：Anthropic 的模型名稱。
*   **Opus 45**：提及的模型版本（疑點）。
*   **OpenAI**：公司名稱。
*   **Anthropic / Ananthropic**：AI 公司（疑點）。
*   **T-Mux / T-Mox / T-modex / Semox / cmx**：講者提到的終端機多路複用工具（疑點：可能指 tmux）。
*   **GNU Screen**：早期使用的終端機工具。
*   **SSH**：安全殼層協議。
*   **Tail Scale**：網路連接技術，用於 T3 Code 的配對。
*   **VS Code**：Visual Studio Code。
*   **Visual Studio**：編輯器。
*   **Sublime Text**：編輯器。
*   **Atom**：編輯器。
*   **Electron**：跨平台桌面應用框架。
*   **Swift UI / AppKit**：Apple 的 UI 框架。
*   **WebSocket**：通訊協議。
*   **GitHub Actions**：CI/CD 工具。
*   **GitHub**：程式碼託管平台。
*   **Git / Git CLI**：版本控制系統。
*   **Wi-Fi 7**：無線網路標準。
*   **GH / Terus**：講者提到的行動裝置終端機應用程式（疑點：可能指 Termius）。
*   **SSH3**：講者提到的 SSH 改進版本。
*   **mosh**：用於改善行動網路 SSH 體驗的工具。
*   **Chrome**：Google 瀏覽器。
*   **Ryzen AI Max Box**：講者使用的硬體設備。
*   **Framework Desktop**：講者使用的硬體設備品牌/型號。
*   **Uber**：提及的移動場景。
*   **iOS / Android**：移動作業系統。
*   **Linux / Mac**：作業系統。
*   **Obsidian**：提及評論區。
*   **Minecraft**：提及。
*   **Guey / GUI**：圖形使用者介面（逐字稿中交替使用 Guey 和 GUI）。
*   **Gene / Conductor**：提及的其他管理 Agent 的工具（疑點）。
*   **Cursor Glass Version**：提及的 Cursor 新版本（疑點）。
*   **skeumorphic / skumorphic**：擬物化（逐字稿拼寫）。
*   **counter sourcesoftware / counterbourcesoftware**：反封閉源軟體（逐字稿拼寫）。

## 操作流程整理

1.  **使用 T3 Code 進行跨設備開發**：
    *   安裝 T3 Code。
    *   執行 `npx t3 pair-tail scale` 生成配對碼或 URL。
    *   在手機、網頁端 (`app.t3.codes`) 或另一台電腦上輸入配對碼連接。
    *   選擇目標機器，發送提示。
    *   關閉筆記型電腦 (Command Q)，任務繼續在遠端或另一設備上運行。
    *   在移動端查看進度、發送新提示、貼上圖片或啟動終端機。
2.  **傳統終端機工作流（講者過去/對比）**：
    *   使用 GNU Screen 或 T-Mux 管理多個終端視窗。
    *   透過熱鍵切換專案，記憶複雜的面板對應。
    *   透過 SSH 連接遠端伺服器。
    *   手動複製工作樹路徑進行 `cd` 操作。
    *   發送圖片給 AI 代理需經過多層配置（SSH, cmox, T-Mux），耗時且困難。
3.  **使用 Cursor 的混合工作流**：
    *   使用 Cursor 進行提示與編碼。
    *   透過「一鍵複製路徑」功能獲取工作樹路徑。
    *   切換至終端機執行命令。

## 值得注意的限制或風險

1.  **閉源工具的自訂限制**：Cursor、Claude Code、Codex Desktop 等閉源工具限制了用戶的自訂能力，遇到問題時無法自行修復。
2.  **效能問題**：Codex App 每個線程和子代理啟動 5 個以上進程，影響效能；原生 GUI（Swift UI/AppKit）在大規模文字滾動時效能不佳。
3.  **平台限制**：Codex App 僅限於 Mac 桌面應用；T3 Code 的 Mac 支援即將推出。
4.  **網路依賴**：SSH 在網路不穩定（如 Wi-Fi 7）時表現不佳；行動裝置支援差。
5.  **品牌變遷的不確定性**：CodeX App 被重新品牌化為 ChatGPT App，講者認為這破壞了開源生態的完整性，且新功能主要集中在桌面應用，而 CLI 端（如 Claude）提供最佳模型，導致使用者在功能與價格之間做出取捨。
6.  **macOS 安全策略**：Codex App 實施時面臨 macOS 安全策略帶來的麻煩。

## 逐字稿辨識疑點

*   **T-Mox / T-Mux / T-modex / Semox / cmx**：講者多次提到此類名稱，結合上下文應為 **tmux** 或相關終端 multiplexer 工具，但聽寫為 T-Mox、T-m、Semox、cmx。
*   **Codeex / Codex app**：講者多次使用此名稱，應為 **CodeX** (OpenAI 的產品)，但逐字稿記錄為 Codeex。
*   **Chat GBT**：講者口誤，應為 **ChatGPT**。
*   **Sonnet 4s**：講者提及模型名稱，應為 **Sonnet 4** 或相關版本，但聽寫帶有 's'。
*   **guey / guies / Guey / GUI**：講者多次提到此詞，結合上下文應指 **GUI** (Graphical User Interface)，但聽起來像 "guey" 或 "gooies"。
*   **GH / Terus**：講者提到 "GH I I tried so hard to make Terus work for me"，這裡的 "GH" 可能是 **GitHub** 或其他工具的誤聽，"Terus" 可能是 **Termius** 或其他終端機應用程式的誤聽。
*   **Ampropic / Ananthropic**：講者提到 "official agent SDK blessed by Ampropic" 或 "Ananthropic"，應指 **Anth