把终端装进口袋(三):让编程智能体学会敲门
上一篇:三个部件的架构 | 下一篇:谁能进来,由电脑说了算 | English: Teaching Coding Agents to Knock
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
- 为什么要在手机上接管电脑
- 三个部件的架构
- 让编程智能体学会敲门(本篇)
- 谁能进来,由电脑说了算
- 排错手记
Comments