视频演示【拾零】2 - 言出码随的AI风终端

演示流程

• 安装并演示 Warp：自然语言生成命令
• 安装并演示 Claude Code：一句话生成系统监控面板
• 安装并演示 GitHub Copilot CLI：命令解释与生成
• 三者协同：修改监控面板 + 提交代码

---

准备工作

• macOS 14+（本文以 macOS 为准）
• 已安装 Homebrew
• GitHub 账号（需开通 Copilot，Free 计划可用）
• Anthropic 账号（用于 API 调用，需预购额度）

---

一、安装与演示 Warp ── 自然语言直接生成命令

1.1 安装

brew install --cask warp

首次启动根据引导完成注册、选择主题、开启 AI 功能。

若 macOS 提示“无法验证”，前往「系统设置 → 隐私与安全性」点击“仍要打开”。

1.2 演示：用自然语言找出大文件

找出当前用户主目录下最大的5个文件，按大小降序显示，跳过隐藏文件和Library目录

然后按 Shift + Enter。Warp 会自动识别为自然语言请求，并生成类似下方的命令：

find ~ -type f -not -path '*/.*' -not -path '*/Library/*' -exec ls -lh {} \; 2>/dev/null | sort -k5nr | head -5

审阅无误后点击 Run 执行，结果立即展示。

---

二、安装与演示 Claude Code ── 一句话编写监控面板

2.1 安装

curl -fsSL https://claude.ai/install.sh | bash

添加配置：

echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.zshrc && source ~/.zshrc

验证：

claude --version
# 应输出版本号，例如 2.1.138

2.2 获取并配置 API Key

1. 打开 console.anthropic.com 登录。
2. 预购额度：点击 Add funds，最低充值 $5（有效期一年，按使用量扣费）。
3. 创建 Key：左侧 API Keys → Create Key，复制密钥（格式 sk-ant-api03-...）。
4. 写入环境变量：

echo 'export ANTHROPIC_AUTH_TOKEN=你的完整密钥' >> ~/.zshrc
source ~/.zshrc

5. 验证密钥有效（务必带上 anthropic-version 请求头）：

curl -H "x-api-key: $ANTHROPIC_AUTH_TOKEN" \
     -H "anthropic-version: 2023-06-01" \
     https://api.anthropic.com/v1/models

返回模型列表 JSON 即表示成功。

2.3 初始化

cd ~ && mkdir ai-demo && cd ai-demo   # 建立演示目录
claude                                 # 启动 Claude Code

首次运行的交互：

• 选择主题：任意选择，按方向键 + 回车确认。
• “是否要启用 Claude Code 推荐的配置”：选择yes。
• “是否信任当前目录”：选择yes。

进入交互模式（提示符 >）后即可开始。

2.4 演示：生成实时监控面板

在 Claude Code 交互模式中直接输入以下需求（可一次复制粘贴）：

用Python写一个实时系统监控面板，要求：
1. 使用psutil和rich库
2. 显示CPU使用率、内存使用率、磁盘使用率
3. 每秒刷新一次
4. 所有代码写在一个monitor.py文件里
5. 代码写完后自动运行一次验证

Claude Code 会依次完成：

1. 检查依赖 → 发现缺 psutil、rich → 自动执行 pip install psutil rich
2. 创建 monitor.py，询问是否创建 → 选择 Yes
3. 写入完整代码
4. 自动运行 python3 monitor.py，验证输出

如果依赖未能自动解决（比如出现 ModuleNotFoundError），Claude Code 会再次尝试修复，无需手动干预。

2.5 验证与修改

打开一个新的终端窗口或标签，执行：

cd ~/ai-demo
python3 monitor.py

你会看到彩色仪表盘实时跳动，按 Ctrl+C 退出。

回到 Claude Code 的会话（如果已退出可重新运行 claude），继续提出修改需求：

现在每列指标前面加上emoji图标，CPU用🔥，内存用🧠，磁盘用💾

Claude Code 会修改 monitor.py 并重新运行。切回 Warp 执行 python3 monitor.py，即可看到添加了 emoji 的面板。

---

三、安装与演示 GitHub Copilot CLI ── 命令的即时解释与生成

3.1 安装与登录

brew install copilot-cli
copilot --version   # 示例输出：1.0.44

首次登录：

copilot

浏览器弹出 GitHub 授权页面，授权后回到终端，输入 y 信任目录。

3.2 演示：解释复杂命令

用单次提问模式 -p：

copilot -p "解释这个命令：find . -name '*.py' -exec grep -l 'main' {} \;"

Copilot 会返回：

• 这段命令的含义：列出当前目录及子目录下包含字符串 main 的所有 .py 文件名。
• 每个部分的解释：find .、-name、-exec、grep -l、{}、\; 的含义。
• 额外建议：建议添加 -type f 限定普通文件，把 \; 替换为 + 可提高效率。

3.3 演示：生成命令

copilot -p "用find找出当前目录下所有.py文件，并统计总行数"

Copilot 会直接生成类似 find . -name '*.py' -exec cat {} \; | wc -l 的推荐命令，复制即可执行。

---

四、三者协同 ── 修改面板并提交代码

现在演示三个工具如何在一个 Warp 窗口内串联工作。

4.1 用 Claude Code 修改监控面板

启动 Claude Code（如已退出）：

cd ~/ai-demo
claude

输入自然语言修改需求：

把监控间隔改成2秒，然后在终端再加一行显示网络发送和接收的字节数

Claude Code 自动修改 monitor.py，完成后输入 /exit 退出。

4.2 用 Warp 自然语言运行面板

直接在 Warp 输入框输入：

运行 monitor

按 Shift + Enter，Warp 生成 python3 monitor.py，点击 Run。你会看到修改后的监控面板，包含网络字节数和更慢的刷新间隔。按 Ctrl+C 停止。

4.3 用 Copilot CLI 提交代码

在 Warp 普通终端中执行：

copilot

进入交互模式后输入：

提交刚才的代码修改

Copilot 会生成 git add monitor.py && git commit -m "feat: 调整刷新间隔并添加网络字节数显示" 之类的命令，询问是否执行，选择 Yes 即可完成本地提交。当问及是否推送远程时，可根据需要回答。

---

五、总结

三个工具的职责清晰：

• Warp：自然语言输入层，将自然语言翻译为可执行命令，解决命令记不住、拼写繁琐的问题。
• Claude Code：项目级 AI 程序员，自主规划步骤、操作文件、管理依赖、运行验证，省去文档查阅和手动编码。
• GitHub Copilot CLI：命令行速查员，即时解释与生成命令，替代查手册和搜索。

组合在一起，形成了 “输入意图 → 翻译为命令 → 项目执行 → 反馈” 的终端 AI 闭环。日常开发中那些在浏览器、文档、终端之间反复横跳的环节，被这一条链路直接压缩掉了。

现在，你只需要知道自己想要什么，其余都交给终端。