跳至主要内容

命令列（CLI）就係你所需嘅一切

命令列（CLI）就係你所需嘅一切 - Deep Code 點解比其他嘅 AI 程式設計工具好用

經常有人問我：「Deep Code 比其他嘅 AI 程式設計工具好用，但又講唔明白點解咁好用。」下面嘅呢篇由 Marco Franzon 撰寫嘅博文好好咁解釋咗點解。 強大好用嘅 Deep Code 同最近火熱嘅 OpenClaw，呢兩個產品具有一個根本性嘅共同點：佢哋都將大型語言模型嘅能力接到咗系統嘅終端機命令列上。亦正因為咁樣，AI 先至唔只係「畀你一段建議」，而係能真正進入你嘅項目目錄入面動手做嘢：搵嘢、修改、運行、測試、提交、排錯，形成一個緊湊嘅自動開發閉環。 好多人會將終端機當成「老派嘅輸入方式」，其實恰恰相反，呢個世界嘅最主要同最重要嘅資訊系統都係基於終端機命令列嘅：銀行嘅交易處理、航空嘅訂票同調度、物流嘅分揀同追蹤、政府同公共部門嘅核心業務流程。命令列之所以能長期成為「通用介面」，就係因為佢夠穩定、夠通用、夠可組合，亦夠容易被自動化。 而人工智能大型語言模型都經過咗海量嘅命令列訓練，能極其精準咁操作命令列。因此當強大嘅大型語言模型同靈活嘅命令列結合喺一齊時，就產生咗一個人類社會前所未見嘅強強組合。

MCP 嘅炒作已經結束。​

前兩年被視為人工智能體工具未來趨勢嘅 MCP（模型上下文協議）喺實際應用中顯得過於笨重。喺 2026 年，追求速度同效率嘅開發者重新返去咗命令列終端機。 佢哋直接賦予人工智能大型語言模型存取 Shell 嘅權限。從而使智能體可以調用已經被廣泛使用咗幾十年嘅工具，例如 git、rg、grep、npm、docker、curl、jq 同 tail。開發者唔再需要自訂伺服器，亦唔需要喺上下文窗口中填充臃腫嘅架構描述。 只需強大嘅 AI 模型結合 Bash 或 Zsh，以 Deep Code 為代表嘅 AI 輔助程式設計工具就會展現出神奇嘅效果。

MCP 喺日常開發中失去吸引力嘅原因​

對於典型嘅開發流程，MCP 往往增加咗阻力而非助力，原因包括：

  • Token 開支： 冗長嘅工具目錄同架構描述消耗咗寶貴嘅上下文空間。
  • 重複造輪子： 自訂 MCP 伺服器經常喺重複官方命令列工具已經能穩定實現嘅功能。
  • 組合性太差： 開發者失去咗 Unix 系統喺上個世紀就完善嘅管道、鏈式調用同即時修改能力。
  • 模型匹配度： 頂級人工智能大型語言模型喺 Shell 使用方面經過咗大量訓練。呢啲模型能極其精準咁理解參數、管道、錯誤資訊同文檔。

最佳嘅實踐方式好簡單： 喺 Deep Code 中打開項目目錄，喺安全防護下授予 Shell 執行權限。然後盡情畀佢下命令，話你想要做嘅各種功能。Deep Code 就會自動規劃、運行命令、編輯檔案、執行測試、提交程式碼並進行除錯。

MCP 喺受監管嘅企業環境同類型安全需求高嘅 SaaS API 整合中仍有價值。但對於 80% 到 90% 嘅日常工作，佢只係干擾資訊。

命令列優於 MCP 嘅場景​

喺我嘅日常開發入面，我經常遇到以下場景。呢啲場景中讓我強烈咁感受到 MCP 嘅局限性。

整個項目程式碼級別嘅重構​

Deep Code 會先從呢條命令開始：rg "oldDeprecatedFunction"。 佢會規劃改動範圍。佢會喺多個檔案入面做定點修改。佢會用 git diff 複查。佢會跑 npm test 或 cargo test。然後佢會提交：refactor: remove deprecated API calls

呢樣嘅場景入面根本唔需要 GitHub MCP 伺服器，只需要 rg 同 git。

線上 bug 嘅全棧除錯​

我畀 Deep Code 嘅指令係：「喺 staging 環境中再現用戶認證失敗。」 Deep Code 就去拉取程式碼，運行 staging 環境，並監控日誌錯誤。佢使用 curl 探測介面，使用 docker-compose 啟動數據庫，並運行特定嘅測試用例。

呢樣嘅場景入面根本唔需要 Docker 嘅 MCP。唔需要日誌嘅 MCP。只要熟練嘅 shell。

搭一個新嘅微服務​

我畀 Deep Code 嘅指令係：「用 Axum + sqlx 寫一個 Rust 嘅用戶資料 API。數據庫用 Postgres。」 Deep Code 直接使用運行我部電腦嘅環境自帶嘅工具鏈（如 Rust 嘅 cargo）建立項目、加入依賴並啟動服務。

現有嘅工具鏈已經足夠，唔需要數據庫 MCP。

修 CI/CD 嘅隨機失敗​

Deep Code 會克隆倉庫。 佢會用喺本地跑工作流。 佢會定位失敗點。 佢會改 .github/workflows/ci.yml 或 Dockerfile。 佢會用 docker build 驗證。 佢會推分支。 佢會用 gh 開 PR。

全部係標準 CLI 工具。唔需要訂製嘅 CI 整合層。

開發者回饋嘅模式​

使用基於原生命令列嘅 Deep Code 嘅團隊回饋咗以下優勢：

  • 交付速度大幅提高。
  • Token 消耗更可預測。
  • AI 輔助程式設計工具嘅行為更加透明。
  • 更容易監督同除錯 AI 嘅操作。

綜上所述，目前流行嘅觀點認為：唔應再構建整合，應該去構建命令列工具。因為 Bash 就係終極嘅 MCP。

命令列終端機一直都係通用嘅開發環境​

喺 2026 年，終端機亦係 AI 編碼代理最強大嘅介面。除非你喺使用特定嘅企業工具，否則可以跳過沉重嘅 MCP 技術棧。

你只需要喺 Deep Code 中打開項目目錄，並賦予其 Shell 權限。描述你嘅任務，然後觀察佢點樣工作。