软件开发
Open Terminal 允许 AI 与真实的代码库进行交互 —— 克隆仓库、运行测试、读取错误信息、安装依赖项，并不断进行迭代调试。
克隆并探索仓库
您： 克隆 https://github.com/user/project 并给我一份该代码库的概述。它的架构是什么？入口点在哪里？
AI 将：
- 运行
git clone拉取仓库 - 扫描目录结构，读取关键文件（
README、package.json、pyproject.toml等） - 识别技术栈、入口点和主要组件
- 返回一份结构化的总结，包含文件数量、依赖项和架构说明
运行测试套件并修复故障
您： 运行测试。如果发生失败，找出原因并修复它。
AI 将：
- 检测测试框架（
pytest、jest、go test等） - 在需要时安装依赖项
- 运行完整的测试套件
- 读取失败的输出信息，追踪 Bug，并编辑源码进行修复
- 重新运行失败的测试以确认修复效果
循环调试
AI 可以像开发者一样看到相同的终端输出 —— 包括堆栈追踪（stack trace）、断言错误和日志信息。系统会自动进行“运行 → 读取错误 → 修复 → 重新运行”的多轮调试循环。
设置开发环境
您： 设置该项目以便我可以在其上进行开发。安装所有依赖项、创建数据库并运行开发服务器。
AI 将：
- 阅读安装文档（
README、Makefile、docker-compose.yml） - 安装系统软件包和语言依赖项
- 创建配置文件、设置数据库并运行数据库迁移（migrations）
- 启动开发服务器并确认其工作正常
- 汇报您可以访问该服务的 URL
自信重构
您： 重构 users.py 中的数据库查询以使用 async/await。确保测试依然能够通过。
AI 将：
- 读取当前的实现
- 根据您的要求重写代码
- 运行测试套件以验证没有引入任何破坏性的更改
- 如果测试失败，会继续调整重构后的代码，直至全部通过
- 向您展示更改的
git diff对比
Git 工作流
您： 向我展示自上一个发布版本标签（release tag）以来的所有更改。并总结这些 commit。
AI 可以直接与 Git 进行交互：
- 使用
git log、git diff、git blame来分析历史记录 - 创建分支、暂存更改并进行 commit
- 根据提交历史记录自动生成变更日志（changelog）
- 使用
git bisect查找何时引入了 Bug - 解决合并冲突（merge conflicts）
编写并运行测试
您： 为 orders.py 中的 calculate_shipping() 函数编写单元测试。覆盖边界情况。
AI 将：
- 读取函数以理解其业务逻辑和参数
- 识别边界情况（零数量、负数值、国际 vs 国内、免运费阈值）
- 使用项目现有的测试框架编写测试用例
- 运行它们以验证是否通过
- 如果有失败，它将判断是测试用例的 Bug 还是业务代码的 Bug
调试特定问题
您： 用户报告登录接口有时会返回 500。以下是日志中的错误信息：KeyError: 'session_token'。请找出并修复它。
AI 将：
- 在整个代码库中搜索
session_token的使用位置 - 阅读其周围的代码以理解调用流
- 识别 Bug（例如，会话过期时缺失了 Key 的校验）
- 编写带有适当 错误处理逻辑的修复方案
- 为该边界情况添加测试用例
- 运行测试以确认修复结果
构建并验证 API
您： 创建一个用于管理书店的 REST API。我需要对书籍、作者和分类进行 CRUD 操作。使用 FastAPI 和 SQLite。
AI 将：
- 构建项目结构脚手架
- 定义数据库模型和 Schema
- 实现所有带有验证功能的接口端点
- 创建种子数据（seed data）
- 启动服务器并使用
curl对每个接口进行测试 - 向您展示 Swagger API 文档页面
支持哪些语言和工具？
Docker 镜像中已经预装了常用的开发工具：
| 类别 | 可用工具 |
|---|---|
| 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++ |
AI 也可以实时安装其他工具 —— 包括 Rust、Go、Java、Docker CLI、数据库客户端，以及任何通过 apt 或特定语言的包管理器可获得的工具。