• 请不要在回答技术问题时复制粘贴 AI 生成的内容
Leon6868
V2EX  ›  程序员

为什么现在 CLI agent 应用那么火, GUI 不好用吗?

  •  
  •   Leon6868 · 1 day ago · 8877 views

    如题,大家不喜欢好看的 GUI 应用吗?

    106 replies    2026-07-27 19:28:15 +08:00
    1  2  
    irrigate2554
        1
    irrigate2554  
       1 day ago
    我就更喜欢 gui ,tui/cli 好处是占用资源少,加上更容易在 ssh/wsl 上使用
    leihaibo1992
        2
    leihaibo1992  
       1 day ago   ❤️ 7
    现在最火的不是 GUI agent 吗,像 codex, workbuddy 之类的,你这个是老黄历了吧
    RRRSSS
        3
    RRRSSS  
       1 day ago
    我在 VSCode 装 cc 插件用,我不习惯纯 cli
    EliteOtaku
        4
    EliteOtaku  
       1 day ago
    1. GUI 适合的是普通用户
    2. 软件做成 GUI 需要更多精力,CLI 没有这个顾虑
    3. cli agent 大多是编程用的,而 LLM 非常适合 ClI 工作
    4. CLI 比 GUI 消耗的 token 更少
    cp19890714
        5
    cp19890714  
       1 day ago
    cli agent 通常是传统程序员在用,跳不出‘程序员’这个身份和范围。
    cli 除了更节省硬件资源,我想不到其他好处。
    liulanggoukk
        6
    liulanggoukk  
       1 day ago
    cli 可以开多进程并行运行,这是 gui 比不了的,并且 cli 可以当成 agent 运行基座,gui 给人用的,cli 可以做成单独服务,我在 onesagent.com 就是用 opencode 、codex 、claude code 的 cli 作为 agent runtime ,自己实现 gui ,就可以做个强大的容器化 agent
    Leon6868
        7
    Leon6868  
    OP
       1 day ago
    @liulanggoukk #6 似乎没法用啊,输入邮箱后就白屏
    sleek7671
        8
    sleek7671  
       1 day ago
    我用 cc switch+codex gui ,对话的时候选中加注释,感觉挺方便的
    thinkm
        9
    thinkm  
       1 day ago
    GUI 更火
    luckycoding
        10
    luckycoding  
       1 day ago
    sorry, 用了 codex voice 之后,觉得 GUI/TUI 都不香了!
    这种 Jarvis 式的交互方式太爽了!
    ETiV
        11
    ETiV  
       1 day ago via iPhone
    cli 火是因为 llm 是大语言模型,天生理解文字更便利,--help 人能看懂、llm 也能读懂

    gui 不行是因为不同平台标准不一,最终展现出来的只有人能看懂,机器读起来路径不一样:有的可以通过便捷访问接口拉到 UI 树、有的则需要截图再 OCR 才能知道界面上在表现什么
    feeeei
        12
    feeeei  
       1 day ago
    GUI 是图形化界面,考验大模型多模态识图能力
    CLI 是命令行,纯文字,属于是 raw 级别交互,在所有大模型都在卷 agent 能力的今天,命令行交互属于是 AI 最基础的能力之一了
    1874w
        13
    1874w  
       1 day ago
    @luckycoding 想问下 codex voice 我好像无法在项目中使用,好像只能在全局临时聊天中使用吗?
    silentsky
        14
    silentsky  
       1 day ago via Android
    主要是 gui 做得烂 有时还卡
    Y25tIGxpdmlk
        15
    Y25tIGxpdmlk  
       1 day ago   ❤️ 2
    @sleek7671 #8 cc switch 这种乐色该卸载了,试试 cockpit tools ,你会发现原来过得都是什么苦日子
    4seasons
        16
    4seasons  
       1 day ago via iPhone
    cli 适合服务化,以前出来用的多,现在 gui 用的多。
    gibber
        17
    gibber  
       1 day ago
    @feeeei cli 也可以上传图片和语音输入呀
    unknow1
        18
    unknow1  
       1 day ago
    我更喜欢 ide 类的
    tho
        19
    tho  
       1 day ago
    用 gui 的多
    kuxuan
        20
    kuxuan  
       1 day ago
    其实 cursor 和 devin ( Windsurf )这种最好,但占内存多,如果用 Codex 这种内存占用就小很多。
    peter19
        21
    peter19  
       23h 34m ago
    GUI 是给人用的,CLI 是给 AI 用的
    yctech2026
        22
    yctech2026  
       23h 21m ago
    CLI 没有 MD 渲染,还是有些局限,不过程序员喜欢 CLI
    luckycoding
        23
    luckycoding  
       23h 16m ago
    @1874w 可以在项目中使用。你和那个全局聊天,说你要在哪个项目中让它建任务就行。
    除了不能给在侧边栏新建项目之外,大部分的事情都可以做,包括归档,删除对话。
    bitmin
        24
    bitmin  
       23h 14m ago
    cli 直接放在 vps 上跑很方便丢后台跑,也方便给其他工具调用
    terence4444
        25
    terence4444  
       23h 9m ago
    GUI 做得太烂了,一些功能反而不如 CLI 方便。
    ota
        26
    ota  
       23h 0m ago
    cli 更工程化,如果嫌难看,最多开 --tui
    一般 cli 能接触的功能更全面,gui 需要写逻辑等支持。这个没什么好争论的。
    比如用了十几年的 pve ,这玩意的 gui 你确定真能用?还不是进 cli 解决大部分操作,比如 vm 的 lock 解除,vm clone 的预加载脚本等。这些 gui 根本没提供。

    再看看很多套 remote agent cli 的客户端,大部分 ui 上也不支持,比如 hermes one ,不支持 remote hermes 的 kanban 等等。

    所以压根不是程序员喜欢 cli ,而是 cli 的可控性更高。
    gui 是给用户用的。
    xAI
        27
    xAI  
       22h 32m ago
    Codex 和 Claude 的 GUI 做的都太卡了,还非常占资源,CLI 主要是快速方便。
    sickoo
        28
    sickoo  
       22h 25m ago
    cli-占用小、简单方便快速解决问题
    Lockroach
        29
    Lockroach  
       20h 20m ago
    tui 开发方便、迭代更快,符合程序员需求,而且跨平台
    James369
        30
    James369  
       20h 20m ago
    CLI 虽然牛逼快速,但是感觉用起来比较瞎。GUI 比较好掌控全局,视野较大,跳转方便。
    hihihihihi
        31
    hihihihihi  
       20h 2m ago
    CLI 方便 SSH ,方便远程部署,牛刀精准,极简没有干扰,尤其对于目前准确率很高的情况下,基本不太需要看代码了。
    putaosi
        32
    putaosi  
       19h 50m ago via iPhone
    我也多用 cli ,主要各 gui 也不好看,还不如在 ide 里用。也就是说要么 Cli 要么 IDE ,一般不用 gui
    Chuckle
        33
    Chuckle  
       19h 42m ago
    用的多的还是 GUI ,只是圈子里接触的 CLI 多,我也不常用 CLI ,Qoder 、Codex 混着用,方便多了,用 CLI 一般也是在 ide 里开个终端,那和大部分 ide agent 侧边栏开个聊天框也大差不差了,cli 还更灵活
    Tensei
        34
    Tensei  
       19h 39m ago
    暂时没想到有什么是 gui 能做到而 cli 做不到的

    就我个人而言,熟悉 cli/tui 的话,就没有理由去用 gui 了,
    配合 tmux 多任务并行,再加上可以纯键盘操作,体验真的很好
    ylual
        35
    ylual  
       19h 38m ago
    虽然我还是在用 CLI ,但是现在很多 agent 似乎也比较推 GUI 了吧
    mychary
        36
    mychary  
       19h 23m ago
    GUI 对普通用户更加友好
    billccn
        37
    billccn  
       18h 31m ago   ❤️ 1
    我觉得这些 AI 头部厂商开发 CLI 有两大原因
    1. 可以在 SSH 等远程环境跑
    2. 比较便于测试/快速迭代,特别是 AI 自己测试比较省 token 。GUI 测试如果是手写的话非常花时间,让 AI 写(特别是初期的 AI )比较容易写出完全无法维护的测试


    但是我觉得 CLI 其实对于用户(不管是不是码农)来说相当不友好,最致命的问题是字体字号根本不能变化,比如 GUI 里标配的推理过程用更小的字号、代码和非代码用不同的字体在 CLI 里无法实现。另外无法显示图形、拖拽文件等,对于多模态的使用也造成了障碍。还有文字编辑功能只能依赖平台提供的 readline ,如果终端软件还不支持鼠标的话那要修改中间一个字巨麻烦,很多 CLI 为此支持用 vi 等编辑器撰写 prompt ,我觉得已经走火入魔,再下一步就是请扫码在网页端完成输入。

    而 CLI 能做的理论上说 GUI 都可以做,比如 SSH 远程都是主流 IDE 十年前就解决的问题,而多开窗口这个概念 80 年代之前就有了,厂家不愿意做是因为他们不按愿意花那个成本。
    ybybwdwd
        38
    ybybwdwd  
       17h 51m ago
    @EliteOtaku 4 是怎么得出的结论?
    aarontian
        39
    aarontian  
       15h 24m ago
    CLI 火是因为这是给 agent 用的东西,skill+cli 是 agent 时代的最佳打开方式,codex/claude code 完全是另一回事,如果是给人用的,迟早还是要被 GUI 取代,这是无法阻挡的。

    探索阶段各家大模型公司 coding agent 只做 cli 单纯是成本低+好掉头,附带作用是方便 ssh+轻量级。只是被自媒体跟部分 tui 狂热程序员吹起来的罢了,绝大部分用 tui 的程序员只是在选择性忽略 tui 不方便的部分体验以及极低的产品设计天花板。

    你不知道每家厂只有几人在做这东西,上 GUI 试错根本不现实,因为做一个好的 GUI 要多考虑太多东西了
    aarontian
        40
    aarontian  
       15h 15m ago
    @billccn 是的,纯粹是成本和效率因素。各模型厂可能只投入了个位数的研发人力在 coding cli 上面,这是互联网时代动辄几百人砸在一个产品上很难想象的,这个领域今天一个想法可能明后天就准备发版,上 GUI 这种重量级的东西,等跟上行业变化黄花菜都凉了
    EliteOtaku
        41
    EliteOtaku  
       14h 10m ago
    @ybybwdwd 因为 CLI 就是代码,GUI 就不一定了,如果需要识图,自然就会消耗更多 token
    cellsyx
        42
    cellsyx  
       13h 46m ago
    GUI 的工作量要比 CLI 大非常多,性能和用户交互优化也困难的多
    msg7086
        43
    msg7086  
       12h 58m ago
    GUI 挺好的,但问题是 Codex Desktop App 是史。

    另外 CLI 和 TUI 本质上是完全不同的东西,深入讨论的时候不应该混为一谈。比如 vim 本质上是 TUI ,放到图形界面 gvim 上也是同样的操作手段,甚至做成 vscode vim mode 也是同一回事。而 CLI 则是 grep/sed/awk 这堆东西。一旦你画出了窗口的样子,分割出了操作区域,加上了光标导航和快捷键,这就不能算是一个「 CLI 」式的 CLI 软件了。

    就拿 codex 来说,直接运行 codex cli 是 TUI ,照样是人机交互式界面。真正的 codex cli 其实是 codex exec ,可以脚本化自动化运行,接受命令行输入,然后标准输出管道输出结果。

    当然我本意不是要给其他人来挑刺,我的意思是大家讨论的时候可以先想一想此 cli 是否是彼 cli 。

    TUI 好处是可以方便从 SSH 远程运行,但远程运行并非只能用 TUI 。Codex 的远程连接功能就可以从 Desktop 端通过 SSH 直连 Linux 服务器上的 CLI ,通过 codex app-server proxy 连接 codex app-server ,像本机直接操作一样操作远程主机上的 agent 。
    ludan110
        44
    ludan110  
       12h 58m ago
    cli 做的比较底层 底层保证固定的几个接口
    gui 的话 不同的用户人群 想要的不一样 能做的只能是非常通用 核心的功能
    foxkiller
        45
    foxkiller  
       12h 24m ago
    用了快 30 年 Linux 了,为了 AI 就要换系统?我为啥不继续用 TUI 呢
    GeruzoniAnsasu
        46
    GeruzoniAnsasu  
       12h 8m ago
    听他们吹牛逼,其实原因简单得很 —— 官方做的 GUI 要么不好用,第三方的额度不够用。

    在 copilot 按请求数计费并且能用 opus4.6 的时候我是极力吹 vscode+copilot 的,现在为了 dockerize 环境隔离才用的 claude code cli 。
    dmanbu
        47
    dmanbu  
       11h 53m ago
    我是为了完成工作的,不是为了好看的。老外那些开源项目,很多都是没 UI 的,就国人喜欢翻来覆去写 UI
    mooyo
        48
    mooyo  
       11h 44m ago
    因为 cli 开发简单,开发 GUI 用的人力比 CLI 多很多。
    honjow
        49
    honjow  
       11h 35m ago   ❤️ 1
    @EliteOtaku #41 你的意思是 cli 就不能识图?冒昧问一下你做过多少个 vibe voding 项目
    honjow
        50
    honjow  
       11h 29m ago
    @feeeei #12 gpi 还和多模态扯上关系了?那智谱没有多模态,zcode 是怎么用的。还是你觉得用 ClaudeCode 的都没发发图是吧?你怎么和前面一个家伙同个脑回路啊,难以理解
    honjow
        51
    honjow  
       11h 28m ago
    @honjow #50 手误,gui
    EliteOtaku
        52
    EliteOtaku  
       11h 27m ago
    @honjow 我说错了,你来解释吧,谢谢大神
    honjow
        53
    honjow  
       11h 26m ago
    我发现回复里面有一批人没看懂 OP 的问题
    honjow
        54
    honjow  
       11h 24m ago
    @EliteOtaku #52 我解释啥?不是你解释吗。你就告诉我为什么 CLI 不能识图呗
    v2exgo
        55
    v2exgo  
       11h 18m ago   ❤️ 2
    😂GUI 本来就是为了给终端软件用户用的,因为简单好上手,CLI 才是给程序员用的,能玩出花来,你如果了解一套系统的话,你肯定喜欢 CLI ,因为 CLI 可以组合起来 完成很多任务, 而 GUI 需要反复点点点,而且大模型的最大的用途就是减少你的操作,弄个 GUI 对于开发者来讲本末倒置了,我是来让你自动化干活的,不是让我来适应你的复杂操作的,如果你做一个 Agent 不能用对话搞定问题,需要我拨开层层 GUI 的操作 去处理问题,我觉得你这个 Agent 是不合格的
    EliteOtaku
        56
    EliteOtaku  
       11h 11m ago
    @honjow 我错了,大神,你牛逼
    zhuoyan
        57
    zhuoyan  
       11h 8m ago
    GUI 用的人更多
    PaulSamuelson
        58
    PaulSamuelson  
       10h 44m ago
    terminal UI 开发更快,更好维护。
    GUI 应用要实现以上动态 UI 渲染的效果,需要 AI Gen UI 才能发挥 AI Agent 的作用。
    nilaoda
        59
    nilaoda  
       10h 36m ago
    明显 GUI 更方便啊,无论是切换 session ,查看 diff ,还是更改模型,多任务并发。CLI 只是更方便别的程序调用或者在 IDE 里打辅助,自己用还是 GUI 舒服。
    xixka
        60
    xixka  
       10h 30m ago
    @liulanggoukk gui 多开几个对话不也一样跑?
    vacuitym
        61
    vacuitym  
       10h 23m ago
    cli 适合给 AI 模型调用,以后操作软件的可能不是人了
    morota
        62
    morota  
       10h 19m ago
    用 codex app 之后就再也没有使用过 tui ,无 gui 的环境如云主机,codex app 有 remote 功能。
    Kirk94
        63
    Kirk94  
       10h 9m ago
    @EliteOtaku 4. CLI 比 GUI 消耗的 token 更少
    想问问这个是有什么说法吗,至少我问 codex ,codex 说不准确
    dinjufen
        64
    dinjufen  
       10h 3m ago
    @luckycoding #10 前提是有个隐私空间吧,适合个人办公或者在家办公那种。办公室用 voice 交互,不得被人打爆
    EliteOtaku
        65
    EliteOtaku  
       10h 2m ago
    @Kirk94 我之前的说法不够准确,过于笼统

    要区分输入、输出、推理,还要考虑你的使用方式等等。所以这不是绝对的。
    weixiangzhe
        66
    weixiangzhe  
       9h 59m ago
    我是 cli 更舒服的那类,感觉 cli 的交互方式都很统一,会 emacs/vim 一些键位的话,剩下就是输入文本然后输出,再加上 pipe 啥的,基本上都是这一套逻辑; tui 的话大家也会主动倾向 emacs/vim 键位
    yangwa
        67
    yangwa  
       9h 51m ago
    cli 不应该是有特殊需求可以用脚本调用或者二开吗,正常工作场景为什么不用 gui,现在还是不明白
    Sosocould
        68
    Sosocould  
       9h 48m ago
    我装 wsl 上了,所以只有 tui 或 cli 选。
    也试过用 Windows GUI 客户端连 wsl 的 agent 后端,但问题比较多,就不折腾了。
    jadehare
        69
    jadehare  
       9h 34m ago
    纯粹是因为 gui 太卡了,开个编辑器内存直接起飞了,再开个 codex gui 更卡了。gui 可能切 session 更方便,但是没这需求,每次都是 new 一个新的。也不太需要看上下文,有啥忘了的再问问就好了。可以切分窗口多开 cli ,copilot codex 一个终端界面都能用上不用切了。
    Morakot
        70
    Morakot  
       9h 25m ago   ❤️ 1
    最大的谎言 : 程序员喜欢 CLI !???
    0o0o0o0
        71
    0o0o0o0  
       9h 23m ago
    @Y25tIGxpdmlk cc-switch 和 cockpit tools 用处不一样,cc-switch 主要是用来转第三方 api 的(包括其他厂商大模型),主要是为了用 agent 框架,cockpit tools 主要是多账户切换。
    Y25tIGxpdmlk
        72
    Y25tIGxpdmlk  
       9h 18m ago
    @0o0o0o0 #71 cockpit 也有转 API ,甚至还有本地 API ,可以自己多账号建号池。免切换

    就 CCS 那个,我记得连配置切换都没弄好,之前用的时候切换过去,对话都直接没了。
    JackeyLee233
        73
    JackeyLee233  
       9h 16m ago
    有 gui 的当然选 gui 啊 之前是没得选只有 cli 的
    如果 cli 真的好用 那么软件发展到现在为什么都是逐渐替换了 cli gui 大行其道
    106npo
        74
    106npo  
       9h 11m ago
    前沿模型出个 CLI 负责带着全世界起飞,没空管 GUI.
    GUI 谁不能做,没模型能力的公司慢慢做一个负责落地就行了.
    0o0o0o0
        75
    0o0o0o0  
       8h 48m ago
    可以选择 idea+codex-cli-acp ,功能上和 cli 没区别,同时也支持指哪打哪,可以知道人正在浏览的上下文信息,想看代码不用开多个窗口,可以直接调用 ide 自身的语法分析、文件处理、反编译、重构之类的操作
    jixule
        76
    jixule  
       8h 44m ago
    各家目前 GUI 的 bug 太多了,看看 github 基本都是成百上千的 bug ,甚至 bug 太多直接抛弃项目再 vibe 一个新的 GUI AI Agent
    cvbnt
        77
    cvbnt  
       8h 41m ago
    如果一个公司只做 CLI ,那它上限就这样了,只有 GUI 才能实现所有人可用的目标
    feeeei
        78
    feeeei  
       8h 39m ago
    @honjow 你到底用没用过啊.... 啥都不懂就开始人身攻击,你不怕打脸给你打肿?!?!?

    1. “那智谱没有多模态”,谁说智谱没有多模态,GLM-5V-Turbo 不知道?
    2. “Zcode 是怎么用”,你到底用没用过,你没发现你上传图片他会单独调用 analyze_image tools ?你但凡用过一次看到输出就不会有这么蠢的问题,你没发现他是把图片先分析成文本再开始处理?明显就是先调用了一次 GLM-5V-Turbo 做图片识别,把输出的文字内容丢到主会话中继续处理

    所以 Zcode 是通过嫁接的方式实现的图片识别,问题是很多图片通过文字表述就严重失真了,比如不管你怎么文字描述蒙娜丽莎的图片,AI 都没办法给你画出蒙娜丽莎,只有原生多模态直接图片输入的才能保持图片信息不失真,懂?

    不懂就多查查,别肚子没几滴墨水就开始攻击,被打脸不尴尬吗
    OumaeKumiko
        79
    OumaeKumiko  
       8h 38m ago via Android
    我觉得 GUI 更好用,而且 GUI 功能更多了,比如说 Computer use ,CLI 好像是没有这个功能。
    konnga403
        80
    konnga403  
       8h 33m ago
    一直用 codex cli ,轻量,内存占用少(特别是我那 256g 的 mini4),适合开发,为此还专门捣鼓了一个 codex-hud: https://github.com/konnga/codex-hud
    honjow
        81
    honjow  
       8h 32m ago
    @feeeei #78 逆天玩意,你用 glm5.2 有多模态?你意思 zcode 不能用 glm5.2 是吧。傻了吧唧的把 GUI 和多模态绑定的是什么逆天
    honjow
        82
    honjow  
       8h 30m ago
    @feeeei #78 还是说你没用过纯 ClaudeCode CLI 或者 codex cli,我就问你这俩 CLI 下多模态有一点问题吗。自己傻了吧唧的,还打脸,打自己脸吧
    honjow
        83
    honjow  
       8h 27m ago
    @feeeei #78 agent 的 GUI 客户端好不好完全就是软件交互设计的问题。和模型有没有多模态能力有一点关系?
    feeeei
        84
    feeeei  
       8h 26m ago
    @honjow “那智谱没有多模态”这句话是谁说的,上来就说"那智谱没有多模态",还嘴这么硬... 我想问问你,你这种情况,持续多久了?
    yuancoder
        85
    yuancoder  
       8h 26m ago
    cli 可以很容易封装到别的工具里
    honjow
        86
    honjow  
       8h 24m ago
    @feeeei #78 这个帖子里大部分人都能好好理解回答这个问题,你要真不理解那就多看多学
    hellopz
        87
    hellopz  
       8h 23m ago   ❤️ 1
    @msg7086 怎么 Codex Desktop App 是史这种表述都出来了,反对,codex 就是桌面端 app 的优秀范例,市场上的所有 tui 产品都正在和继续抄 codex
    feeeei
        88
    feeeei  
       8h 22m ago
    @honjow 好的好的,你都说了“那智谱没有多模态”了,你几斤几两、什么水平已经显而易见了

    无需多言,再讲什么都是在招笑话了
    hellopz
        89
    hellopz  
       8h 19m ago
    @v2exgo 曾经我是同意的,后来我觉得 CLI 应该是给 AI 用的,现在我在 Codex APP 里让 AI 同时操作 CC 和公司内的 CLI ,效果还是挺好的,自然语言已经可以做到指哪打哪,并且比 CLI 快了,我可以在一句话里执行十几个 CLI 命令
    honjow
        90
    honjow  
       8h 18m ago
    @feeeei #84 嘴这么硬... 我想问问你,你这种情况,持续多久了?你给我解释下多模态和 GUI 的关系呗。我说智谱是方便找一个不支持多模态模型的场景下反驳你罢了,毕竟 claude 和 codex 都支持多模态,ds 没官方 gui 客户端。我是没想到需要我说那么仔细啊。怪我不该高估你的理解能力,毕竟你都能把 agent GUI 和多模态绑定。能有这理解也是不奇怪呢
    honjow
        91
    honjow  
       8h 17m ago
    @feeeei #88 至少你的水平大家都看出来了
    honjow
        92
    honjow  
       8h 16m ago
    @feeeei #88 非要我说“智谱没有用多模态模型的时候,怎么使用 zcode 吗”?你早说啊
    msg7086
        93
    msg7086  
       8h 13m ago
    @hellopz 一个程序启动以后什么都不干闲置在那 CPU 直接吃满 8 个核心以上,背后每秒启动十几个 git 进程和 taskkill 进程轮番轰炸几个小时不带停,运行没多久就能把 dwm 窗口管理器搞到崩溃,github 上因为这事开 issue 的人数不胜数,修了几个月都没修好。项目和对话一多就必然会发生这个问题,而且唯一的解决方法是 factory reset 删除所有项目和会话历史记录,全部清零。

    你告诉我一个这样的软件是不是史。

    你 harness 做得再好,插件、技能、生态集成得再好,打开程序就卡死电脑的软件谁来用?
    我现在就等着别人抄,把他的功能全抄去,然后只要不像 codex 那样一启动就卡死电脑,我立马换掉 codex 。现在没办法,我遇到了就删除所有历史记录,同事遇到了就让他们删除所有记录,就只能这样。
    msg7086
        94
    msg7086  
       8h 9m ago
    还有别看了我说的就以为只有 Windows 有问题。好几个同事用 macOS 的一样被卡得怀疑人生。之前同事实在受不了了,滚回去用 VSCode 里的 codex 插件了,因为插件可以手动装旧版,得追溯回去找不会把电脑搞到卡死的版本挑着用。
    msg7086
        95
    msg7086  
       7h 59m ago
    哦还有差点忘了,之前 codex desktop app 每年能给你 SSD 写入 640TB 的无用日志。
    后来 openai 看到 issue 了,号称修复了,现在大家发现依然给你频繁写日志。
    这么些 p0 级的问题放在那那么久不弄好,我能说什么。
    feeeei
        96
    feeeei  
       7h 53m ago
    @honjow 哎,算了,我再苦口婆心地给你解释一遍吧。上面蒙娜丽莎其实已经讲得很清楚了,看来你还是理解不了

    如果面对的是一个 GUI 客户端,大模型通常无法直接调用它的内部接口,只能通过“识别屏幕画面+模拟鼠标键盘操作”的方式进行交互,效率上就天差地别

    然后这其中的图像识别就是多模态能力了啊,比如 GUI 里面有一张日志链路图表,ZCode 现在的处理方式是先调用一个 GLM-5V-Turbo 这样的支持多模态的小模型,把这张图片识别完毕之后翻译成文字,翻译成文字必然是丢失数据失真,比如:
    他总结出来的内容是“这是一张日志链路追踪图,第一个节点是 xx ,第二个节点是 xxx ,每个节点分别日志是 xxx ,xxxx ,耗时 xxms”。但是有可能图片中的连线粗细表达了权重关系、线条颜色深重表达了 SLA 质量,Z 轴高度表达了调用次数等等,有可能这些信息他在翻译成文字的过程中就都丢掉了,没识别出的内容,要不就是后面的文字模型永远看不到,要不就是后续会反复一遍遍再调用 OCR 图片识别。

    如果他是一个原生多模态模型,图片被存储成了图像 token 就不会有这个问题,明白了没?
    Leon6868
        97
    Leon6868  
    OP
       7h 35m ago
    @honjow #53 百分之二十的人没看懂,还有百分之二十没搞懂,这个问题还是很有价值的
    qingyingwan
        98
    qingyingwan  
       7h 16m ago via Android
    @feeeei 可以了解一下 opencode ,既可以 cli 也可以使用 web gui ,甚至 cli 和 gui 可以共用同一个会话,使用完全相同的 agent 能力。我通篇看下来至少八成的人没看懂。就是一个交互方式的区别而已。
    zh3256
        99
    zh3256  
       7h 2m ago via Android
    @OumaeKumiko computer use 是模型层面的能力,gui 只是让"选择图片" "预览图片"变得更方便
    hellopz
        100
    hellopz  
       6h 6m ago
    @msg7086 #92 不知道你的项目和会话有多少,我平常并发十几个项目和会话,都没遇到过,身边同事也没遇到过,我相信你再本帖里 @ 所有人提问,也不会有几个人遇到过,小众的恶性 bug ,跟史没关系
    1  2  
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Solana   ·   3274 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 206ms · UTC 12:19 · PVG 20:19 · LAX 05:19 · JFK 08:19
    ♥ Do have faith in what you're doing.