如果你最近在用 AI 工具，可能有一个感受：模型越来越聪明，但真正帮你把活干完还是费劲。

写 Prompt 写到抓狂，结果 AI 给的答案跟你想要的差十万八千里——这其实是过去两年用大模型干活的主旋律。你描述任务，模型理解任务，中间这一道”翻译”天然有损耗。

但 6 月 17 日到 19 日这三天，两件东西同时冒出来，把”自动化”这件事的门槛狠狠往下踩了一脚——而且都跟”不再写 Prompt”有关。

• 6 月 18 日，国产 uniTerm v1.0 正式发布（Apache 2.0 协议），把”Claude Code 级别”的 AI Agent 嵌进了终端——你不用打开 IDE、不用写 Prompt，直接在终端里跟它说”帮我看看这台服务器上为什么磁盘满了”。
• 6 月 19 日，OpenAI 在 Codex Thursday 上线 Record & Replay：你在 Mac 上把活儿演示一遍，Codex 直接把你这次操作录成一份能复用、能改的 Skill——以后这活儿它自己干，连 Prompt 都不用写。

再加上 6 月 17 日正式开源的智谱 GLM-5.2（我们在6 月 15 日那篇文章详细分析过），三件事凑一起看，方向很一致：

AI 不再等你写 Prompt，它开始看你干活。

今天这篇文章，我就用最直白的方式带你玩一遍这两件新东西（GLM-5.2 上一篇文章已经讲透，这次不重复）。

一、uniTerm v1.0：6 月 18 日发布，把 Claude Code 装进终端

如果你跟服务器打过交道，应该熟悉这种痛苦：

• 排查问题要 SSH 上去敲命令，记不住参数
• 部署代码要 SFTP 拖文件，目录一深就迷路
• 查数据库要单独开客户端，连接信息还得记
• 服务器出问题想监控，又得装个 Zabbix、Prometheus

uniTerm 这个工具，想把上面所有事干完——并且内置了一个 AI Agent。

它是干嘛的

uniTerm 是基于 Wails v2 做的跨平台终端工具，原生支持 Windows、macOS、Linux。最大特点是终端里直接跑 AI Agent——你不需要打开 IDE、不需要写 Prompt，直接在终端里跟它说”帮我查这台服务器磁盘为什么满了”。

它兼容 Anthropic Messages API，所以 Claude、DeepSeek、Kimi、GLM 这些大模型都能接进去——不是绑定一家。

它都整合了哪些工具

老实讲，这工具的”全家桶”程度有点过分：

• 远程终端：SSH、Telnet、Mosh 全支持，带历史命令、文本高亮、Zmodem 文件传输
• 本地终端：PowerShell、CMD、Git Bash、zsh 都能跑
• 文件传输：SFTP、FTP、FTPS，带双栏文件管理，拖拽上传下载
• 远程桌面：Windows RDP（仅 Windows 客户端）、VNC、SPICE
• 数据库客户端：MySQL、PostgreSQL、rqlite 直接连，SQL 查询、数据行在线编辑、表/索引管理都支持；还能走 SSH 隧道跳板
• 服务器监控：CPU、内存、磁盘、网络、进程、端口、网卡实时监控

光看这一串功能，它就已经把 MobaXterm（Windows 上的 SSH 工具）、Navicat（数据库客户端）、FileZilla（FTP 工具）这些常见的运维工具合在一起了——一个 uniTerm 就够。

重点：AI Agent 不是噱头

uniTerm 的 AI 不是挂个聊天窗口那么简单：

• 自主多轮任务执行：你说一句”帮我看看磁盘为什么满了”，AI 自己拆解步骤：df -h 看分区、du -sh 看大文件、find 找大文件，然后给你结论
• 沉浸式协作：AI 命令直接在你当前终端标签里执行，分屏场景下人机同屏
• 四级权限管控：免确认 / 仅高危确认 / 写操作确认 / 全部确认——你可以自己选 AI 的”自由度”
• 会话持久化：AI 对话按会话保存，重启应用不丢历史

实操：3 步上手

第一步：下载安装

全平台安装包 5.9MB、内存占用不到 20MB——比装个 Electron 应用轻太多了。地址：https://github.com/ys-ll/uniterm/releases

• Windows：uniterm-windows-amd64-installer-*.exe 安装包
• macOS：uniterm-darwin-universal-*.dmg 镜像包，兼容 Intel 芯片与苹果芯片
• Linux：uniterm-linux-amd64-*.tar.gz 压缩包

第二步：配置大模型

设置里找「AI 模型」，填兼容 Anthropic 协议的 API 地址——可以用：

• 智谱 GLM-5.2（免费、国产算力支持）
• 月之暗面 Kimi（便宜、中文好）
• DeepSeek（性价比）
• Anthropic Claude（贵但好用）

第三步：跟 AI 说话

点侧边栏 AI 图标，直接用自然语言提需求。

举个实际例子。假设你要排查一台服务器磁盘满了：

你：磁盘满了，帮我看看是哪些目录占的多
AI：让我先看一下整体情况
[执行 df -h]
[执行 du -sh /var/* 2>/dev/null | sort -hr | head -10]
AI：磁盘 95% 满，最大的是 /var/log 占了 80G，
    主要是 /var/log/journal 目录有 65G 的旧日志。
    要我清理掉 30 天前的 journal 日志吗？
你：清理吧
AI：[执行 journalctl --vacuum-time=30d]
[执行 df -h 确认]
AI：清理完成，磁盘使用降到 38%

你：磁盘满了，帮我看看是哪些目录占的多
AI：让我先看一下整体情况
[执行 df -h]
[执行 du -sh /var/* 2>/dev/null | sort -hr | head -10]
AI：磁盘 95% 满，最大的是 /var/log 占了 80G，
    主要是 /var/log/journal 目录有 65G 的旧日志。
    要我清理掉 30 天前的 journal 日志吗？
你：清理吧
AI：[执行 journalctl --vacuum-time=30d]
[执行 df -h 确认]
AI：清理完成，磁盘使用降到 38%

整个过程你只说了两句话。

它适合谁

• 日常跟服务器打交道的运维 / 后端
• 不想学 Kubernetes / Docker 但需要 AI 帮忙排错的小白
• 想要 Claude Code 体验但不喜欢 VSCode 的用户

一个小提醒：uniTerm 的”AI Agent”复刻的是 Claude Code 体验，但它本身不是 Claude Code——Claude Code 绑死在 Anthropic 协议上，uniTerm 通过兼容 Anthropic Messages API 让任何模型都能跑。换个角度说，你可以把 uniTerm 理解成”国产开源版 Claude Code 终端”，且能塞 GLM-5.2 / DeepSeek 这种便宜模型。

二、Codex Record & Replay：6 月 19 日发布，把”写 Prompt”变成”录一遍”

这是两件新东西里最让我眼前一亮的——因为它彻底改变了”教 AI 干活”的方式。

以前我们怎么让 AI 干活

写 Prompt。

你要让 AI 帮你报销、写个特定格式的 issue、拉一份周报，得把每一步、每个细节、每种情况都用文字写清楚。说不全、说得有歧义，AI 就跑偏。

更关键的是——很多流程你”会干”但”写不出来”。你每周都报销，每一步都熟练，但你让我把报销流程写成一段 Prompt 给你看，我还真不一定写得清楚。

Record & Replay 怎么解决这个问题

OpenAI 在 6 月 19 日的 Codex Thursday 放出的 Record & Replay，逻辑很直接：

你不用描述，直接在 Mac 上把活儿干一遍，Codex 在旁边看着，把你的操作录成一份能复用、能改的 Skill。

什么意思？举个实际例子。

假设你每周要做一次”销售报表下载”——

打开浏览器 → 登录后台 → 点报表模块 → 选日期 → 导出 Excel → 打开 Excel → 整理格式 → 发邮件

以前你得写一段 Prompt 给 AI：”请打开浏览器，登录 xxx 后台，导航到报表模块，选择最近一周的数据，导出为 Excel 格式，整理表头后通过邮件发送给 xxx”——写得累不累？而且经常出岔子。

现在你只需要自己把这套流程演示一遍。

Codex 在你操作的时候观察你点了什么、输入了什么、打开了什么窗口，最后给你生成一份 SKILL.md：

markdown

<strong># 销售周报下载技能</strong>

<strong>## 何时使用</strong>
- 当用户要求"下载本周销售报表"或类似请求时
- 每周五下午自动触发（如配置）

<strong>## 需要的输入</strong>
- 目标周次（默认本周）

<strong>## 步骤</strong>
1. 打开 Chrome 浏览器，访问后台地址
2. 使用保存的凭据登录
3. 导航到"报表中心 > 销售报表"
4. 选择日期范围（默认本周一到本周日）
5. 点击"导出 Excel"
6. 打开下载的文件，整理表头格式
7. 通过邮件发送给预设收件人

<strong>## 验证</strong>
- 确认 Excel 文件已成功下载
- 确认邮件已发送
- 检查文件格式符合规范

<strong># 销售周报下载技能</strong>

<strong>## 何时使用</strong>
- 当用户要求"下载本周销售报表"或类似请求时
- 每周五下午自动触发（如配置）

<strong>## 需要的输入</strong>
- 目标周次（默认本周）

<strong>## 步骤</strong>
1. 打开 Chrome 浏览器，访问后台地址
2. 使用保存的凭据登录
3. 导航到"报表中心 > 销售报表"
4. 选择日期范围（默认本周一到本周日）
5. 点击"导出 Excel"
6. 打开下载的文件，整理表头格式
7. 通过邮件发送给预设收件人

<strong>## 验证</strong>
- 确认 Excel 文件已成功下载
- 确认邮件已发送
- 检查文件格式符合规范

下次你只需要在 Codex 里说”下载本周销售报表”，它就自己把整套流程跑完。

这个功能牛在哪里

我看完官方文档，最打动我的不是”自动化”，是三个降维打击：

1. 把”会写”变成”会做”

写 Prompt 有门槛，”会描述任务”需要把隐性知识显性化；而”演示一遍”几乎没门槛——你天天干的活儿，闭着眼都能做。

一个天天报销的运营，未必写得清楚报销 Prompt，但他报销的流程闭着眼都能走一遍。Record & Replay 把自动化的入口从”会写 Prompt”挪到了”会干活”。

2. 流程经验第一次可复制

一个老员工脑子里的”流程经验”——怎么提一个合规的报销、怎么发一条符合规范的视频——以前靠口口相传、靠新人自己摸。现在录一遍，变成一份能跑的 Skill，谁都能用、每次都一样。

这意味着企业里那些没被文档化的流程，第一次可以被原样复制。

3. 生成的 Skill 是可读的

老式录宏你知道的——录的是”在屏幕第 300 像素点一下”，UI 一变就废，而且是个黑盒出错你都不知道错哪。

Record & Replay 生成的 Skill 是结构化的 Markdown：什么时候用、要什么输入、怎么做、怎么验证。出错能定位，场景变了能调整——这是和传统 RPA 拉开差距的地方。

实操：怎么录一个 Skill

步骤按官方文档走：

1. 开启 Computer Use：Codex 设置里把 computer_use 打开（首次要授权”辅助功能”和”截屏”权限）
2. 开始录制：在 Codex 应用 Plugins 菜单点 “Record a skill”，给个上下文或直接用建议的提示
3. 演示一遍：你在 Mac 上把这件活正常干一遍。Codex 观察你的操作和窗口内容
4. 停止录制：从菜单栏、悬浮条，或直接说”录完了”
5. 生成 Skill：Codex 把演示整理成 SKILL.md，不满意还能让它改
6. 回放使用：以后触发这个 Skill，它就用 Computer Use + 浏览器操作 + 插件 把它干完

整个录制过程 1-3 分钟。

几个现实的坑

我得泼盆冷水——现在就指望它接管所有重复工作，太早了：

• 一次演示抓不住所有分支：你录的是”顺利的那一遍”。真实流程里全是岔路：字段空着怎么办、弹验证码怎么办、网络超时怎么办——你演示时没遇到的，Skill 大概率也不知道。
• Computer Use 点 UI 本身就脆：靠识别屏幕点按钮，页面改版、弹窗、加载慢一拍就可能点错位置。这是所有”操作界面”类 Agent 的通病。
• 门槛限制实打实：目前只支持 macOS；首发不含欧洲经济区、英国和瑞士；要先开启 Computer Use。

它和 Claude 那条线怎么比

熟悉这块的读者应该看出来了——”Skill”和”Computer Use”这两个词，Anthropic 那边早就在做。OpenClaw 的 Skills 我们之前也介绍过，Anthropic 的 Claude Skills、Computer Use 也都做了挺久。

Record & Replay 的差异化，在于它把”怎么教 Agent 新技能“从”写 Skill 文档 / 配工具”简化成了”录一遍“。这一步降门槛降得挺狠。

如果你的情况是：用 Mac、有大量固定重复的桌面/网页流程（报销、填表、拉报表），值得现在就录一个试试，正好是它的主场。如果流程分支多、异常多、出错代价高（碰钱、碰生产数据），先用低风险活儿试水，别一上来让它跑关键流程。

这三件事串起来看，AI 行业在变什么

把三件事放一起看（GLM-5.2 开源 + uniTerm 发布 + Record & Replay 上线），你会发现 2026 年 6 月中下旬的 AI 行业有个明确转向：

模型层（GLM-5.2）+ 工具层（uniTerm）+ 交互层（Record & Replay）——三个层面同时在降低门槛。

• 智谱在降低模型使用门槛：MIT 开源，国产算力能跑，普通人用得起
• uniTerm 在降低工具切换门槛：SSH、FTP、数据库、远程桌面、AI Agent 装进一个 5.9MB 的小工具
• OpenAI 在降低 Prompt 编写门槛：你不用描述给 AI 听，演示给它看就行

这三层降低门槛的意义在于——以前用 AI 是程序员和极客的专利，现在运营、行政、文员、客服都能用。

如果说去年是”AI 大模型元年”（模型比谁更大、跑分比谁更高），今年显然在转向”AI 落地元年”（怎么让 AI 真的替你把活干完、怎么让普通人也能用上）。

这是更值得关注的方向。

两个工具的快速对照表

如果你今天就要挑一个先试：

• 你跟服务器打交道 → 装 uniTerm，配置个 GLM-5.2 或 Kimi 的 API，让它帮你日常运维
• 你有一堆重复的桌面流程 → 录一个 Record & Replay Skill 感受下，录完你会回来感谢我
• 你是开发者 → 上一篇文章的 GLM-5.2 装进 Claude Code 或 Cursor 也能立省订阅费

一个有意思的细节：uniTerm 的 AI Agent 部分，本身就用了 Anthropic Messages API 协议——意味着你装个 uniTerm，再配一个 GLM-5.2 的 API key（智谱现在送 token），就能”用 GLM-5.2 的脑子，跑 Claude Code 风格的活”。这种”工具层 + 模型层”的解耦，正在变成 2026 年 AI 工具的标配。