戏精，这才是戏精！
你可以在里面输入 ls、cd、mkdir，甚至打开 Vim 编辑文件、运行 Python。
看起来就像是一款普通的终端，正在接受人类的指令。
但实际上，这背后什么都没有，没有 Linux，没有文件系统，甚至没有执行命令
所有结果，都是 AI 现场编出来的 😂
一个全靠演技的终端
这个项目叫 WorldTUI，开发者 Simon Edwardsson 使用 Qwen2.5-Coder-0.5B 作为基础，训练了一个约 3.6 亿参数的小模型（716MB），量化为 int4 之后，大小只有 208 MB，轻松在本地跑起来。
它的工作方式非常有趣：
AI 只是根据你输入的命令，预测终端下一步应该显示什么。
- 你让它创建文件，它就假装创建了。
- 你让它读取文件，它就努力回忆刚才往里面写了什么。
- 你打开 Vim，它就开始扮演 Vim。
- 甚至连 Python 解释器、tmux 多窗口都能演。
主打一个：只要我演得够像，你就发现不了。
甚至可以运行 tmux：
支持环境变量：
运行 Python 代码：
这个「戏精」居然还有记忆！
为了更逼真，这货还有记忆，你用 vim 编辑了一个文件，过一段时间，还能打开这个文件，查看到里面的内容。
不过并没有真正的文件，毕竟在演戏。
内容保存在上下文中，如果新建一个终端对话，就真没了。
他是怎么训练的？
虽然离谱，但是这个大模型是真的训练出来的。
开发者说：
- 先搭建真正的 Linux 终端。 在 Docker 容器里运行 Bash、Vim、Python、tmux 等程序，随机生成用户名、目录、文件和操作任务。
- 让脚本模拟人类操作。 一个字符一个字符地输入命令，甚至故意加入 1.2% 的打字错误，同时记录每次按键后的真实屏幕变化。
- 收集 33.6 万段操作记录。 总计约 20 亿 Token，用来微调 Qwen2.5-Coder-0.5B，让模型学习如何根据按键和历史屏幕预测下一步画面。
- 让 AI 学会自己圆谎。 如果模型预测错了，就用真实终端的结果构造纠错训练样本，让它学会修复此前的错误，减少连续操作中的穿帮。
- 优化速度，塞进浏览器。 通过并行预测终端的不同行，并缩减词表、进行 4-bit 量化，最终得到约 208MB 的模型。
训练数据
33.6 万段
训练 Token
20 亿
训练耗时
75 小时
NVIDIA RTX 4090
当然，模型也会露馅。
比如复杂命令可能执行得乱七八糟，文件内容可能突然变了，计算结果也未必正确。
毕竟，它从头到尾都没有真正执行过这些程序。
这有什么用？
觉得，虽然没什么大用。
但对于普通用户来说，这是一个极好的参考，你可以用相同的思路，让模型观察真实软件的操作过程，再训练它模仿软件的行为。
获取
在线体验需要下载约 208MB 的模型，建议使用桌面浏览器。
另外开发者说会很快公开模型权重，并提供下载链接。
原文：
最后，别入戏太深啊，这玩意是假的。