Протягом багатьох років такі інструменти для редагування коду, як Cursor, Windsurf та Copilot від GitHub, залишалися стандартом в AI-орієнтованій розробці програмного забезпечення. Однак з наростанням потужності агентного ИІ та розвитком «атмосферного» кодування, відбуваються зміни у тому, як системи ШІ взаємодіють із програмним забезпеченням.
Замість того, щоб працювати безпосередньо з кодом, вони все частіше взаємодіють безпосередньо з оболонкою системи, в якій встановлені. Це суттєва зміна у способах розробки програмного забезпечення на базі ШІ, яка, хоча й проходить непоміченою, може мати важливі наслідки для подальшого розвитку галузі.
Термінал добре відомий як чорнобілий екран з фільмів про хакерів 90-х — дуже «старомодний» спосіб керувати програмами та маніпулювати даними. Він не такий візуально привабливий, як сучасні редактори коду, але є надзвичайно потужним інтерфейсом, якщо знати, як ним користуватися. У той час як інструменти на основі коду можуть писати та налагоджувати, термінальні інструменти часто потрібні для того, щоб перевести написаний код у справжнє програмне забезпечення.
Найяскравішою ознакою переходу до терміналу стали великі лабораторії. З лютого Anthropic, DeepMind та OpenAI випустили інструменти командного рядка (Claude Code, Gemini CLI та CLI Codex відповідно), які вже стали одними з найпопулярніших продуктів компаній.
Цей перехід важко помітити, оскільки нові інструменти працюють під тим самим брендингом, що й попередні інструменти кодування. Але зміни у взаємодії агентів з іншими комп’ютерами, як онлайн, так і офлайн, вже відбуваються. Деякі вважають, що ці зміни тільки починаються.
«Ми вважаємо, що в майбутньому 95% взаємодії між LLM і комп’ютерами буде відбуватись через інтерфейс, подібний до терміналу», — зазначає Майк Меррілл, співавтор провідного термінального бенчмарку Terminal-Bench.
Інструменти на основі терміналу також стають популярними на фоні проблем у відомих інструментах на основі коду. AI редактор коду Windsurf змушений переживати труднощі через суперечливі угоди: старших керівників забирає Google, а залишки компанії купила Cognition, що ставить під питання довгострокове майбутнє споживчого продукту.
Водночас нові дослідження показують, що програмісти можуть перебільшувати зростання продуктивності від звичайних інструментів. Дослідження METR, що тестує Cursor Pro, основного конкурента Windsurf, виявило, що хоча розробники оцінили швидкість виконання завдань на 20% до 30% вищою, фактичний процес виявився майже на 20% повільнішим. Іншими словами, помічник коду насправді забирає час у програмістів.
Це створює можливості для компаній, таких як Warp, яка наразі займає перше місце у рейтингу Terminal-Bench. Warp позиціонує себе як «агентне середовище для розробки», що є посередником між IDE та командними інструментами, такими як Claude Code.
Засновник Warp Зак Ллойд впевнений у потенціалі терміналу, вважаючи його способом вирішення проблем, які виходять за межі можливостей редактора коду, як Cursor.
«Термінал займає дуже низький рівень у стеку розробника, тож це найуніверсальніше місце для запуску агентів», — говорить Ллойд.
Щоб зрозуміти, як новий підхід відрізняється, корисно звернути увагу на бенчмарки, що використовуються для їх вимірювання. Інструменти на основі коду були сфокусовані на рішенні завдань GitHub, які є основою тесту SWE-Bench. Кожна задача SWE-Bench — це відкрите питання з GitHub, тобто фрагмент коду, що не працює.
Моделі працюють над кодом, поки не знайдуть щось, що працює, вирішуючи проблему. Інтегровані продукти, такі як Cursor, розробили більш складні підходи, але модель GitHub/SWE-Bench все ще залишається основою для того, як ці інструменти вирішують проблеми: починаючи з несправного коду і закінчуючи робочими варіантами.
Інструменти на основі терміналу дивляться ширше, охоплюючи не лише код, але й додаткові задачі, зорієнтовані на DevOps, такі як налаштування Git-сервера чи усунення причин, чому скрипт не запускається.
У одному з завдань TerminalBench інструкції передбачають наявність програми для розпаковування і цільового текстового файлу, ставлячи агенту завдання здійснити реверс інженерії стиснення. Інше завдання просить агента зібрати ядро Linux з виходу, не зазначаючи, що агенту також доведеться завантажити вихідний код. Для вирішення цих задач необхідні навички, притаманні програмістам.
«Складність TerminalBench полягає не тільки в питаннях, які ми ставимо перед агентами», — зазначає співтворець Terminal-Bench Алекс Шоу. «Це також умови, в яких ми їх поміщаємо».
Критично важливо, що новий підхід вимагає вирішення проблеми крок за кроком — та сама навичка, яка робить агентний ИІ настільки потужним. Проте навіть сучасні агентні моделі не здатні впоратися з усіма цими умовами. Warp здобула високий бал на Terminal-Bench, вирішивши трохи більше половини задач — що відображає складність бенчмарку і потребу в подальшій роботі для розкриття повного потенціалу терміналу.
Попри це, Ллойд впевнений, що ми вже досягли моменту, коли інструменти на основі терміналу можуть впевнено виконувати більшу частину ненавчальної роботи розробника — цінність, яку важко ігнорувати.
«Якщо ви подумаєте про щоденну роботу з налаштування нового проєкту, визначення залежностей і запуску, Warp майже може зробити це автономно», — каже Ллойд. «А якщо не може, то пояснить чому».
