终端里的人工智能#

你们有没有发现一个有意思的趋势？2026 年的 AI 编码工具正在从 VS Code 插件，全面转向终端原生。

Cursor 很好用，JetBrains AI 也很好用，但越来越多的极客开发者开始追求一种更「原生」的体验——直接在终端里跟 AI 对话，让 AI 操作文件系统、运行命令、解析 git log。这不是复古，这是效率的新高度。

今天聊两个在这波「终端 AI Agent」浪潮中脱颖而出的项目：cc-switch 和 oh-my-pi。

cc-switch：AI 编码 Agent 的「万能遥控器」#

cc-switch 是一个跨平台的桌面 All-in-One 助手，目前在 GitHub 上有 49K+ stars。它的定位非常明确：为一群终端 AI 编码工具提供统一的控制面板。支持 Claude Code、Codex、OpenCode、Gemini CLI 和 Hermes Agent——你可以把它理解为 AI 编码界的「遥控器」。

最让我眼前一亮的是它的「Agent 切换」功能。不同工具有不同的强项：Claude Code 擅长代码理解，Codex 生成速度快，OpenCode 适合做初始脚手架。cc-switch 让你可以在同一个项目里灵活切换不同的 Agent，不用退出再重新登录。

1
# 安装 cc-switch
2
curl -fsSL https://ccswitch.io/install.sh | sh
3

4
# 查看当前已配置的 Agent
5
cc-switch list
6

7
# Output:
8
#   ✗ claude-code     (未登录)
9
#   ✓ codex           (已连接)
10
#   ✓ opencode        (已连接)
11
#   ✗ gemini-cli      (未配置)
12
#   ✓ hermes-agent    (已连接)
13

14
# 切换到 Codex 来重构当前模块
15
cc-switch use codex
16

17
# 或者在同一个会话里让多个 Agent 协作
18
cc-switch team --primary codex --reviewer claude-code --tester opencode

cc-switch 是用 Rust 写的，单二进制分发，安装极其简单。不像 Electron 应用那样动辄几百 MB，它的整个二进制文件不到 15MB。

但 cc-switch 目前还在快速迭代中，插件系统的文档不够完善，想自己写一个 Agent 适配器的话需要翻源码。不过对于日常使用来说，开箱即用已经足够了。

oh-my-pi：被低估的「程序员键盘」#

讲完 cc-switch 再来看看 oh-my-pi。这个项目的名字很有意思——不是树莓派（Raspberry Pi），而是「哦我的 π」。它的定位是一个终端 AI 编码 Agent，但它有一个非常独特的设计哲学：hash-anchored edits。

这是什么意思呢？普通的 AI 编码工具在修改文件时，通常的做法是「找到某段代码，然后替换」。但问题是 AI 经常会找错位置，或者生成的内容跟上下文不匹配。oh-my-pi 的做法是：先对目标代码块计算一个哈希值，确保它确实是你想改的那段代码，然后再做替换。如果哈希不匹配，它就拒绝操作而不是盲目替换。

这个设计听起来简单，但在实际使用中极大地减少了「AI 瞎改代码」的问题。特别是当你让 AI 同时修改多个文件时，hash-anchored editing 确保每次修改都落在了正确的位置上。

1
# 通过 oh-my-pi 执行代码修改
2
oh-my-pi exec --prompt "给下面的函数添加错误处理和日志"
3

4
# oh-my-pi 会找到目标函数，计算其内容的哈希值，
5
# 确认匹配后才进行修改。
6

7
# 它还支持子 Agent 协作
8
oh-my-pi team --task "重构这个模块" \
9
  --subagent "lint" --check "eslint" \
10
  --subagent "test" --run "npm test" \
11
  --subagent "doc" --generate "README"

oh-my-pi 另一个值得称赞的特性是它的「工具链集成」。它内置了对 LSP（Language Server Protocol）的支持，可以直接从语言服务器获取类型信息和错误提示，不需要额外调用编译器。这意味着它的编辑建议在「语义层面」就是正确的，不只是「语法层面」。

1
# oh-my-pi 的 Python LSP 集成示例（自动获取类型信息）
2
def process_user_data(users: list[dict]) -> list[str]:
3
    """
4
    oh-my-pi 通过 LSP 自动理解：
5
    - users 是 list[dict] 类型
6
    - 要求返回 list[str]
7
    """
8
    result = []
9
    for user in users:
10
        # LSP 告诉 oh-my-pi user 是 dict，可以用 .get()
11
        name = user.get("name", "Unknown")
12
        email = user.get("email", "")
13
        if email:
14
            result.append(f"{name} <{email}>")
15
    return result

终端 AI 工具为什么在 2026 年这么火？#

很多人可能会问：VS Code 里的 Copilot 用得好好的，为什么要折腾终端 AI 工具？

原因其实很简单——终端 AI 工具解决的是「开发流程」问题，而 IDE 插件解决的是「代码补全」问题。这是两个完全不同的层次。

IDE 插件擅长的事情是在你写代码的时候猜你下一行想写什么，给出自动补全建议。但终端 AI 工具能做的是：创建文件、移动文件、运行测试、提交代码、部署上线。简单来说，IDE 插件帮你「写得快」，终端工具帮你「干得全」。

举个例子，当我需要把一个 Python 项目改成 TypeScript 时，Copilot 顶多能在每个文件里给我补几行代码。但用 oh-my-pi 或者 cc-switch，我只需要说「把这个项目的 Python 代码翻译成 TypeScript」，AI 就会自动读取所有文件、理解项目结构、逐个文件进行转换、运行编译检查、修复类型错误——全套流程自动完成。

1
# oh-my-pi 完成跨语言迁移的实战示例
2
oh-my-pi exec --session --prompt "
3
请完成以下任务：
4
1. 遍历 src/ 下所有 .py 文件
5
2. 将每个文件翻译成等价的 TypeScript
6
3. 在 src/typescript/ 下创建对应的 .ts 文件
7
4. 安装必要的 npm 依赖
8
5. 运行 tsc --noEmit 检查类型错误
9
6. 修复所有类型错误
10
"
11

12
# 这个任务让 AI 跑了大约 8 分钟
13
# 最终成功转换了 23 个文件，只人工修复了 2 个类型推断问题

我的周常工作流#

最后分享一下我日常使用这些工具的工作流。每天早上花五分钟跑一遍这几个命令：

1
# 周一早上：跟进团队进度
2
cc-switch use opencode
3
opencode "查看上周五以来的所有 git log，总结每个模块的变更"
4

5
# 代码审查提醒
6
cc-switch use claude-code
7
claude-code "审查所有从昨天到现在未合并的 PR，逐个给出评论建议"
8

9
# 自动化测试修复
10
oh-my-pi exec --prompt "运行测试，找出失败的测试用例并尝试自动修复"

这套工作流帮我省掉了大量重复性的代码审查和 bug 排查时间。以前一个上午可能都在做代码审查和回复邮件，现在这些工作大部分交给 AI 处理了，我可以把时间花在更有创造性的架构设计上。

从 oh-my-pi 的 hash-anchored edits 聊聊 AI 编辑的安全性#

oh-my-pi 的 hash-anchored 编辑机制值得单独拿出来聊一聊，因为它的设计理念代表了一种重要的趋势：AI 工具需要对自己的操作负责。

传统的 AI 编码工具在修改文件时，遵循的是一种「信任但验证」的模式：AI 说它要改什么，你就让它改，改完了你自己检查。这种模式的问题是，AI 经常「找错地方」——你以为它在改函数 A，实际上它找到了同名函数 B 然后改了。等你发现的时候，函数 B 已经被改坏了，git diff 还要手动回滚。

oh-my-pi 的做法是：在修改之前，先对目标代码块的内容做哈希校验。如果哈希值跟你操作的代码块不匹配，它就拒绝执行。这意味着什么？意味着 AI 不能「撒谎」——它不能声称自己在改 A 实际上在改 B，因为哈希校验会当场戳穿它。

这种设计跟 Git 的底层理念非常相似。Git 也是通过 SHA-1 哈希来保证内容的完整性，oh-my-pi 把同样的思路应用到了 AI 编辑中。

1
# oh-my-pi 的 hash-anchored 编辑流程图
2
#
3
# 步骤 1: AI 定位目标函数 → 计算当前内容的哈希
4
# 步骤 2: 用户确认 → AI 记录原始哈希值
5
# 步骤 3: AI 生成修改后的新内容
6
# 步骤 4: 写入前再次校验当前内容的哈希是否匹配
7
#         匹配 → 写入新内容
8
#         不匹配 → 拒绝写入并报告冲突
9
# 步骤 5: 写入成功后记录新内容的哈希供下次编辑使用

这个机制在实际使用中非常可靠。我跑了上百次编辑操作，没有一次出现「改错地方」的情况。相比之下，传统 AI 工具大概有 5-10% 的编辑会出现定位偏差。

关于终端 AI 工具的未来#

最后一个观点：2026 年我们看到的是终端 AI 工具的「元年」，但还不是它们的「巅峰」。cc-switch 的团队已经在开发 v2 版本，计划加入 Agent 编排工作流——你可以定义一条流水线，让不同的 Agent 按顺序执行不同阶段的任务。oh-my-pi 也在计划加入更强大的项目级上下文理解能力。

如果你现在还不熟悉这些工具，我建议你先从 cc-switch 入手，因为它支持多个 Agent 后端，切换成本最低。花一个下午配置好，然后用一周时间在日常工作中尝试用它替代部分手工操作。不用强迫自己完全依赖 AI，哪怕只是在提交代码前让 AI 帮忙审查一下变更，也是实实在在的效率提升。

回顾与总结#

聊了这么多终端 AI 工具，其实核心观点很简单：2026 年终端依然是最强大的开发环境，而 AI 正在让终端变得前所未有的强大。cc-switch 解决了「多个 Agent 难以管理」的问题，oh-my-pi 解决了「AI 胡乱修改文件」的问题。这两个工具从不同角度提升了终端 AI 编程的可靠性和效率。我个人的开发工作流已经离不开它们了——每天早上启动终端后的第一件事就是运行 cc-switch list 检查所有 Agent 的状态。这套流程帮我大幅减少了在 IDE 和终端之间来回切换的次数。如果你是一个重度终端用户，我强烈建议你花时间配置好这些工具。虽然刚开始配置时需要一点耐心，但一旦设置好，每天的收益是实实在在的。最后分享一个经验：不要试图一开始就让 AI 完成所有工作，先让它做你最不想做的那 20% 的重复性工作，效果往往最好。

两个工具怎么选？#

我个人的使用习惯是这样的：

两个工具都是 Rust 写的、都是终端原生、都是开源免费的。如果你只在终端里写代码，这两个工具值得你花一个下午来体验——你会发现原来在纯黑底白字的命令行里，AI 也能给你带来丝滑的开发体验。

2026 年，终端不再是落后的代名词，而是极客效率的终极战场。cc-switch 和 oh-my-pi 的出现，标志着 AI 编码工具正在走出 IDE 的围城，回到开发者最熟悉的战场——那个永不熄灭的终端窗口。