• 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 · 3 days ago · 9780 views

    如题,大家不喜欢好看的 GUI 应用吗?

    107 replies    2026-07-28 22:20:02 +08:00
    1  2  
    irrigate2554
        1
    irrigate2554  
       3 days 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  
       3 days 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  
       3 days ago
    我在 VSCode 装 cc 插件用,我不习惯纯 cli
    EliteOtaku
        4
    EliteOtaku  
       3 days 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  
       3 days 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  
       3 days 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
       3 days ago
    @liulanggoukk #6 似乎没法用啊,输入邮箱后就白屏
    sleek7671
        8
    sleek7671  
       3 days 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  
       3 days ago
    GUI 更火
    luckycoding
        10
    luckycoding  
       3 days 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  
       3 days 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  
       3 days 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  
       3 days 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  
       3 days ago via Android
    主要是 gui 做得烂 有时还卡
    Y25tIGxpdmlk
        15
    Y25tIGxpdmlk  
       3 days 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  
       3 days 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  
       3 days ago
    @feeeei cli 也可以上传图片和语音输入呀
    unknow1
        18
    unknow1  
       3 days ago
    我更喜欢 ide 类的
    tho
        19
    tho  
       3 days ago
    用 gui 的多
    kuxuan
        20
    kuxuan  
       3 days 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  
       3 days ago
    GUI 是给人用的,CLI 是给 AI 用的
    yctech2026
        22
    yctech2026  
       3 days ago
    CLI 没有 MD 渲染,还是有些局限,不过程序员喜欢 CLI
    luckycoding
        23
    luckycoding  
       3 days 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  
       3 days 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  
       3 days ago
    GUI 做得太烂了,一些功能反而不如 CLI 方便。
    ota
        26
    ota  
       3 days 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  
       3 days 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  
       3 days ago
    cli-占用小、简单方便快速解决问题
    Lockroach
        29
    Lockroach  
       3 days 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  
       3 days 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  
       3 days 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  
       3 days 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  
       3 days 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  
       3 days 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  
       3 days 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  
       3 days ago
    GUI 对普通用户更加友好
    billccn
        37
    billccn  
       3 days 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  
       3 days ago
    @EliteOtaku 4 是怎么得出的结论?
    aarontian
        39
    aarontian  
       3 days 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  
       3 days 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  
       3 days 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  
       3 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days ago
    因为 cli 开发简单,开发 GUI 用的人力比 CLI 多很多。
    honjow
        49
    honjow  
       2 days 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  
       2 days 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  
       2 days ago
    @honjow #50 手误,gui
    EliteOtaku
        52
    EliteOtaku  
       2 days ago
    @honjow 我说错了,你来解释吧,谢谢大神
    honjow
        53
    honjow  
       2 days ago
    我发现回复里面有一批人没看懂 OP 的问题
    honjow
        54
    honjow  
       2 days 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  
       2 days 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  
       2 days ago
    @honjow 我错了,大神,你牛逼
    zhuoyan
        57
    zhuoyan  
       2 days ago
    GUI 用的人更多
    PaulSamuelson
        58
    PaulSamuelson  
       2 days 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  
       2 days 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  
       2 days ago
    @liulanggoukk gui 多开几个对话不也一样跑?
    vacuitym
        61
    vacuitym  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days ago   ❤️ 1
    最大的谎言 : 程序员喜欢 CLI !???
    0o0o0o0
        71
    0o0o0o0  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days ago
    cli 可以很容易封装到别的工具里
    honjow
        86
    honjow  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days ago
    @feeeei #88 至少你的水平大家都看出来了
    honjow
        92
    honjow  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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
       2 days 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  
       2 days 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  
       2 days 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  
       2 days 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   ·   1044 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 22:47 · PVG 06:47 · LAX 15:47 · JFK 18:47
    ♥ Do have faith in what you're doing.