跳到主要内容

软件开发

Open Terminal 让 AI 能直接操作真实代码库，包括 clone 仓库、运行测试、读取错误、安装依赖并持续修复。

Clone 并理解代码库​

你： Clone 这个仓库，然后给我一个架构概览。入口在哪？主要组件是什么？

AI 通常会：

  1. 执行 git clone
  2. 扫描目录与关键配置文件
  3. 判断技术栈、入口文件和模块边界
  4. 输出结构化总结

AI listing project files and describing the structure

跑测试并修复失败​

你： 把测试跑一遍，失败了就查原因并修好。

AI 可能会自动：

  1. 识别测试框架（如 pytest、jest）
  2. 安装依赖
  3. 运行完整测试集
  4. 读取报错、定位问题并修改代码
  5. 重跑测试确认修复完成

AI running tests and iterating on fixes

迭代式调试

AI 看到的终端输出与你作为开发者看到的是同一份：stack trace、断言失败、日志等。因此它可以稳定执行 “跑 → 看错误 → 修 → 再跑” 的循环。

搭开发环境​

你： 把这个项目配起来。装依赖、建数据库、跑开发服务器。

AI 会读取 README、Makefile、docker-compose.yml 等文档，安装系统包和语言依赖，创建配置与数据库，然后启动服务并回报访问地址。

AI installing dependencies and running a project

带验证的重构​

你： 把 users.py 里的数据库查询改成 async/await，并保证测试还能过。

AI 会读原实现、完成重构、跑测试，必要时继续修正，最后还能给你一个 git diff。

AI debugging and fixing code errors automatically

Git 工作流​

你： 看看上次 release tag 之后改了什么，并总结提交。

AI 可以直接使用 Git：

  • git log
  • git diff
  • git blame
  • 创建分支、提交改动
  • 生成 changelog
  • 甚至配合 git bisect 排查回归

AI initializing a git repo and working with git

写测试并运行​

你： 为 orders.py 里的 calculate_shipping() 写单元测试，覆盖边界情况。

AI 会阅读函数逻辑、推导边界条件、写测试并执行，必要时区分是测试写错了还是业务代码本身有 bug。

AI writing and running unit tests with pytest

定位具体线上问题​

你： 用户说登录接口偶发 500。日志里有 KeyError: 'session_token'，帮我找并修。

AI 可以搜索代码库、定位使用点、写修复、补测试并重新验证。

AI finding and fixing a bug in the codebase

从零搭一个 API​

你： 用 FastAPI 和 SQLite 做一个 bookstore 的 CRUD API。

AI 可以直接搭结构、建模型、写接口、塞入 seed data、启动服务并用 curl 做端到端验证。

AI creating and running a web application

预装开发工具​

类别工具
语言Python、Node.js、Ruby、C/C++、Bash
包管理器pip、npm、gem、apt
版本控制Git
编辑器nano、vim
构建工具make、gcc、g++

如有需要，AI 也可以现场安装 Rust、Go、Java、数据库客户端等额外工具。

相关页面​