把终端装进口袋(一):为什么要在手机上接管电脑
下一篇:三个部件的架构 | English: Why Reach Your Computer From a Phone
设想一下这个场景:你给编程智能体派了一个任务,让它重构一个模块、跑完测试、把结果提交。它开始读文件、改代码、跑命令,屏幕上一行行往下滚。你坐在旁边,不知道该干什么,又不敢走。
因为它随时会停下来问一句:要不要删这个文件?允许我跑这条命令吗?测试挂了,要继续还是回滚?
你去倒一杯咖啡,回来发现它已经等了你一刻钟。一天里这种事发生五六次,你就等于被一个很勤快的实习生拴在了工位上。
这个系列讲的是一组自己做的小工具,用来解决这件事:电脑继续当电脑,智能体继续在电脑里干活,而人可以在任何地方、用任何设备看进度、回答问题、接着敲几行命令。没有太多高深的东西,但有不少取舍值得记一笔。
问题出在哪
把问题拆开看,其实是三个老问题叠在了一起。
第一,长任务需要人在环路里。智能体越能干,它跑的时间就越长,中途要人拍板的点也越多。这些点来得不规律,人没法预测什么时候该回来。
第二,工作本来就在电脑上。代码、依赖、构建缓存、本地数据库、各种密钥,都在那台机器上。把它们搬到云端的某个工作区,是另一个项目,而且很多公司不允许。
第三,手机不是电脑。屏幕小,键盘弱,网络时好时坏。直接把一个桌面镜像塞进手机,能用,但很难受。
现成的办法各解决一部分。SSH 加 VPN 加 tmux 可以从外面连回去,但配置繁琐,手机上体验差,而且它完全不知道智能体在干什么。云端 IDE 体验好,但代码和密钥得先搬家。远程桌面传的是像素,重、慢、费流量,更不知道终端里发生了什么。
几个决定
做这组工具之前先定了几条原则,后面所有设计都是从这几条推出来的。
电脑是中心,手机是窗口。 任何东西都不搬到云上。手机、平板、浏览器只是看进电脑的窗口,关掉窗口,电脑里的一切照常。
tmux 是唯一的真相。 终端会话本来就该是长期存在的东西。电脑上开着的 tmux 窗口,就是手机上能看到的窗口,不另外造一套会话模型。你在电脑上敲的和在手机上敲的,进的是同一个 pane。
连接要直,不要绕。 手机和电脑之间尽量直接连,中间不放服务器。直连不了的时候再经过一个中继,而且中继只能看到密文。这样键盘的每一下不用去别人的机房转一圈再回来。
代码不出电脑。 这一条是从上一条推出来的。既然中间没人能解密,那源码、密钥、环境变量文件自然留在原地。某些目录干脆永远不共享。
懂智能体,但不替代智能体。 工具要能知道智能体是在跑、在等人、还是已经做完,这样才能在对的时候通知你。但它不自己跑模型,不做 IDE,不替用户选择用哪家的智能体。
任何设备都行。 iPhone、安卓、平板、借来的笔记本上的浏览器,登录就能看到自己的电脑。酒店 Wi-Fi、手机流量、公司防火墙后面都得能用,不要求用户改路由器、装 VPN。
它最后长什么样
从用户的角度看,就三步。
电脑上装一个常驻的小程序,登录账号,它接管这台机器的 tmux 会话,并在后台保持可连接。手机上装一个 App,或者在浏览器里打开一个网址,用同一个账号登录,就能看到这台电脑和它的每个窗口。再在电脑上跑一次命令,让智能体在停下来时通知手机。
之后的体验大概是这样:下班前给智能体派一个大任务,地铁上瞄一眼进度。它要问问题的时候,手机锁屏上直接出现选项,点一下,答案就回到电脑的终端里,智能体接着干。到家的时候,它要么做完了,要么在等下一个问题。
后来陆续长出来的功能,比如看文件、传截图、把一个窗口分享给同事、远程看桌面,都是从这个核心长出来的枝叶。
这个系列
接下来几篇按这个顺序:
- 为什么要在手机上接管电脑(本篇)
- 三个部件的架构:电脑上的常驻进程、只认证不解密的控制面、只转发密文的中继
- 让编程智能体学会敲门:怎么知道它在等人,怎么把回答安全地送回去
- 谁能进来,由电脑说了算:设备密钥、本机批准、短期证书
- 排错手记:连不上、收不到、敲不进去的那些事
每一篇都有对应的英文版,从本篇的英文版从这里开始。
Comments