# 把终端装进口袋（三）：让编程智能体学会敲门

- URL: https://wuming.si/blog/4080/
- Author: Wuming
- Published: 2026-10-12
- Language: zh-Hans
- Categories: Technology

> 上一篇：[三个部件的架构](https://wuming.si/blog/4079) ｜ 下一篇：[谁能进来，由电脑说了算](https://wuming.si/blog/4081) ｜ English: [Teaching Coding Agents to Knock](https://wuming.si/blog/4085)

前两篇把连接搭起来了。手机能看到电脑上的每个 tmux 窗口，能敲字。但如果只是这样，它和一个好用点的 SSH 客户端没有本质区别。

真正改变使用方式的，是让电脑在智能体需要人的那一刻主动来敲门。这一篇讲这件事的三个层次：知道它在等，告诉手机，把答案安全地送回去。

## 怎么知道它在等人

终端里跑着一个智能体，从外面看只是一串字符流。要判断它是在干活、在等人、还是已经结束，有几种办法，各有各的毛病。

**盯着屏幕内容猜。** 看最后几行有没有「是否允许」「y/n」之类的字样。能用，但很脆：换个智能体、换个语言、换个版本，关键词就对不上了。

**看进程状态。** 智能体在等输入时通常阻塞在读终端上，CPU 很低。这能区分「在跑」和「在停」，但分不出「停下来等人」和「做完了停下来」。

**让智能体自己说。** 主流的编程智能体都支持钩子：在它停下来、提问、请求权限的时候，执行一条用户配置的命令。这是最可靠的信号，因为它来自智能体自己，带着结构化的信息：是哪个会话、问的是什么、有哪些选项。

最后用的是第三种为主，第二种兜底。电脑上的常驻进程提供一条命令，装到智能体的钩子配置里。智能体一停下来，这条命令就被调用，它把事件交给常驻进程，常驻进程再决定要不要通知手机。进程状态用来处理那些没装钩子的工具，比如一个跑了很久的测试或构建，结束时也值得提醒一声。

钩子里还能拿到一个很有用的东西：智能体所在的 tmux pane。有了它，通知就能精确指向某个窗口，手机点开通知直接落到那个窗口上，而不是让人在十几个窗口里找。

## 把问题送到锁屏上

通知本身不新鲜，细节在于送什么。

最初的版本只送一句「智能体需要你」。用户得解锁手机、打开 App、找到窗口、看清问题、再回答。等做完这一串，还不如回工位。

后来的版本把问题和选项一起送出去。智能体问「要不要提交并推送」，选项是「是」「否，让我说明」，这两个选项就直接出现在锁屏通知上。点一下，答案发回电脑，整个过程不用解锁手机。

这里有一个推送服务在中间。它是系统里少数经过第三方的地方，所以推送的内容经过了裁剪：只有标题、问题、选项，没有代码，没有路径里可能带的敏感信息。更详细的内容，手机打开 App 之后直接从电脑上拉。

重复的通知要压一下。智能体有时会在几秒内连问两次同样的问题，或者同一个事件通过两条路径到达。常驻进程按会话和内容做一次去重，几分钟内同样的消息只送一次。

## 把答案安全地送回去

这是整个系统里最需要小心的地方。往一个正在运行的终端里敲字，等于在那台电脑上执行操作。送错一个字，可能就是把「否」敲成了「是」，或者把一句回答敲进了另一个程序。

规则很简单，但每一条都是踩过坑之后加上的。

**回答必须对应一个还开着的问题。** 智能体每问一次，电脑上就登记一个一次性的「待回答」。手机的回答带着这个待回答的编号回来；编号对不上，或者这个问题已经过期，回答就被拒绝，手机上会提示「这个问题已经过了，去看一眼」。

**一个问题只能回答一次。** 第一个回答到达的瞬间，这个待回答就被消费掉。晚到的第二个回答，哪怕来自同一个人，也不会再敲进去。这避免了手机和电脑上同时作答、或者网络重传造成的双击。

**提问的那个程序必须还在那个 pane 里。** 回答送达前，电脑会核对那个 pane 里现在运行的进程是不是当初提问的那个。如果智能体已经退出，shell 回到了提示符，这时候把「是」敲进去就是在 shell 里执行一个 y 命令。核对失败就不敲。

**回答只能是预先给出的选项，或者一段明文。** 不允许手机构造任意的控制序列。选项映射成按键是在电脑这一侧做的。

这几条规则加起来，就是「一次性回答」。它比听起来重要得多：它让「在锁屏上点一下」这个动作，在任何时序错乱下都不会变成一次误操作。

## 从通知到对话

有了可靠的双向通道，自然会想更进一步：不只是回答问题，而是从手机上发起一个任务。

这一层做得克制。手机上有一个任务框，选一台电脑、一个目录、一个智能体，写一句话，电脑上就新开一个 tmux 窗口，在那个目录里启动智能体并把这句话交给它。之后它的每一步，用前面说的钩子机制流回手机，形成一段可读的对话，而不是原始的终端输出。需要批准的地方，手机上有「允许一次」和「拒绝」两个按钮。

但它仍然是 tmux 里的一个窗口。想看原始输出，切过去就是；回到电脑前，接着在那个窗口里敲。手机上的对话视图只是同一个会话的另一种呈现。

还有一个顺手的功能：常用的指令存成模板，留几个变量，比如分支名。在手机上填好，两下插进终端。这类小东西加起来，才让人真的愿意在手机上做事。

下一篇回到安全：谁能连到你的电脑，由谁说了算。

## 全系列

1. [为什么要在手机上接管电脑](https://wuming.si/blog/4078)
2. [三个部件的架构](https://wuming.si/blog/4079)
3. 让编程智能体学会敲门（本篇）
4. [谁能进来，由电脑说了算](https://wuming.si/blog/4081)
5. [排错手记](https://wuming.si/blog/4082)
