# 我的 AI 智能体编程终端配置 > Author: Tony Lee > Published: 2026-02-07 > URL: https://tonylee.im/zh-CN/blog/parallel-terminal-setup-ai-coding/ > Reading time: 2 minutes > Language: zh-CN > Tags: ai, 终端, 开发工具, 生产力, 工作流 ## Canonical https://tonylee.im/zh-CN/blog/parallel-terminal-setup-ai-coding/ ## Rollout Alternates en: https://tonylee.im/en/blog/parallel-terminal-setup-ai-coding/ ko: https://tonylee.im/ko/blog/parallel-terminal-setup-ai-coding/ ja: https://tonylee.im/ja/blog/parallel-terminal-setup-ai-coding/ zh-CN: https://tonylee.im/zh-CN/blog/parallel-terminal-setup-ai-coding/ zh-TW: https://tonylee.im/zh-TW/blog/parallel-terminal-setup-ai-coding/ ## Description 如何用 Ghostty、Yazi、Fish 和 LazyGit 并行运行多个 AI 智能体 - 一套为智能体工作流打造的轻量终端技术栈。 ## Summary 我的 AI 智能体编程终端配置 is part of Tony Lee's ongoing coverage of AI agents, developer tools, startup strategy, and AI industry shifts. ## Outline - 为什么是终端 - Ghostty - 基础设施 - Yazi - 智能体工作时的导航 - Fish Shell - 降低认知负荷 - LazyGit - 基于工作树的并行开发 - 全部串联起来 - 总结 ## Content AI 辅助编程的瓶颈已经不再是智能体本身。Claude Code、Aider、Codex CLI 这些工具已经相当强大。真正的制约在于人的能力 - 如何同时操控多个智能体、监控它们的输出、在偏离方向时及时修正、最后将工作成果合并到一起。 我采用了一套终端优先的配置来解决这个问题。四个工具，都很轻量，都可组合：终端用 **Ghostty**，文件浏览用 **Yazi**，Shell 用 **Fish**，Git 操作用 **LazyGit**。下面说说每个工具为什么不可或缺。 ## 为什么是终端 AI 编程智能体天生就是 CLI 原生的。它们读取文件、执行命令、在终端中输出结果。当你想同时运行三个智能体 - 一个开发功能、一个修复 bug、一个编写测试 - 你需要三个并排显示的 Shell 会话。 IDE 也能做到，但代价不小。VS Code 加上多个集成终端、扩展、语言服务器和编辑器本身，轻松消耗 2-4GB 内存。这些内存本可以留给 AI 智能体使用。每一个上下文 token、每一次 API 调用、每一次文件读取都在争夺同样的系统资源。 轻量级终端配置扭转了这一局面。我使用的这些工具加在一起，资源占用远低于一个 Electron 应用，把系统资源留给真正干活的智能体。 ## Ghostty - 基础设施 [Ghostty](https://github.com/ghostty-org/ghostty) 是一款 GPU 加速终端模拟器，macOS 上使用 Metal，Linux 上使用 OpenGL。它用 Zig 编写，速度很快 - 基准测试显示纯文本渲染比 iTerm2 和 Kitty 快约 4 倍，即使在高负载下也能保持约 60fps。 对于智能体工作流来说，关键特性是原生分屏和标签页。不需要 tmux。Ghostty 在应用层处理窗格分割，渲染流畅、字体缩放准确、无需额外配置。打开新分屏，启动智能体，立刻开始工作。 我的典型布局是四个窗格： - **左上**：在功能分支上工作的 Claude Code - **右上**：处理另一个任务的第二个智能体 - **左下**：监控文件变化的 Yazi - **右下**：审查和提交代码的 LazyGit 当 LLM 流式输出长回复时，有些终端会在高速输出下卡顿。Ghostty 的 GPU 渲染能够无丢帧、无延迟地处理这种情况，在同时监控多个输出流时尤为重要。 ## Yazi - 智能体工作时的导航 当三个智能体同时在代码库中修改文件时，你需要一种快速查看变化的方式。[Yazi](https://github.com/sxyazi/yazi) 是用 Rust 编写的终端文件管理器，具有完全异步的 I/O。所有操作都是非阻塞的，浏览大型目录时不会因为后台加载文件预览而卡住。 我在一个窗格中常驻 Yazi，主要用途包括： - **监控变更** - 实时查看智能体创建和修改的文件 - **文件预览** - 无需打开编辑器，直接在终端中查看语法高亮的代码、图片甚至 PDF - **批量重命名** - 当智能体生成的文件命名不符合预期时进行调整 - **快速跳转目录** - 利用书签和搜索功能 插件系统（基于 Lua）支持按需定制。我使用了几个 Git 状态显示和快速目录跳转的插件，不过默认配置就已经够用了。 ## Fish Shell - 降低认知负荷 在四个终端窗格之间来回切换时，认知负荷会快速累积。你瞥一眼窗格，需要想起它在做什么、重新理解上下文、输入命令，然后切到下一个。 [Fish](https://github.com/fish-shell/fish-shell) 通过开箱即用的功能减轻了这种摩擦： - **自动建议**：Fish 根据历史记录用灰色文本提示命令的后续部分。按右箭头键即可接受。无需插件。 - **语法高亮**：有效命令显示一种颜色，无效命令显示另一种颜色。按回车前就能发现拼写错误。 - **Tab 补全**：Fish 自动解析 man 页面生成补全列表。输入命令按 Tab，即可获得上下文相关的选项。 与 zsh 的关键区别是零配置。不需要安装 oh-my-zsh，不需要维护 `.zshrc`，不需要更新插件管理器。Fish 安装后立即可用。当你专注于管理智能体时，调试 Shell 配置是最不想做的事情。 ## LazyGit - 基于工作树的并行开发 这是这套配置在并行智能体工作中真正发光的地方。[LazyGit](https://github.com/jesseduffield/lazygit) 是一个 Git 终端 UI，它的工作树（worktree）支持让多智能体开发变得切实可行。 模式很简单：每个智能体在**独立的 Git 工作树**中工作。工作树是仓库的一个链接副本，在不同目录中检出不同分支。智能体 A 在 `./feature-auth/` 目录下的 `feat/auth` 分支工作，智能体 B 在 `./fix-perf/` 目录下的 `fix/performance` 分支工作。它们互不触碰对方的文件，因此并行工作时不会产生合并冲突。 LazyGit 让管理这个工作流变得可视化且高效： - **创建工作树** - 一个按键（`w`）搞定 - **切换工作树** - 审查每个智能体的工作成果 - **交互式变基** - 合并前整理智能体的提交历史 - **可视化 diff** - 并排比较分支间的变更 - **撤销/重做** - 通过 reflog 集成，智能体产生意外结果时按 `z` 回滚 没有可视化 Git 工具的话，管理多个工作树意味着在不同目录间反复 `cd` 和查看 `git log` 输出。LazyGit 将这一切整合到一个可导航的界面中。 ## 全部串联起来 一个典型的工作会话是这样的：打开 Ghostty，分成四个窗格。用 LazyGit 创建两个工作树 - 一个用于功能开发，一个用于 bug 修复。在左上窗格启动指向功能工作树的 Claude Code，在右上窗格启动指向 bug 修复工作树的第二个智能体。左下是 Yazi，可以浏览两个工作树目录并实时预览变更。右下是 LazyGit，用来审查 diff、暂存变更，最终合并两个分支。 关键在于这些工具没有一个会争夺资源。Ghostty、Yazi、Fish、LazyGit 都是编译好的原生程序。没有 Electron 运行时，没有 JVM，没有在后台消耗内存的 Python 解释器。系统资源完整地留给了真正需要算力的 AI 智能体。 ## 总结 最好的 AI 智能体编程环境不取决于你用的是哪个 AI 模型，而取决于人的层面。同时运行多个智能体、监控输出、及时修正方向、干净地合并工作 - 这些能力决定了你的实际产出。 这套技术栈有明确的主张，但保持了精简。渲染用 Ghostty，文件用 Yazi，Shell 用 Fish，Git 用 LazyGit。每个工具都快速、轻量、可组合。如果你在使用 AI 编程智能体但还没试过并行终端工作流，不妨从其中一个工具开始，看看它会如何改变你的工作方式。 ## Related URLs - Author: https://tonylee.im/zh-CN/author/ - Publication: https://tonylee.im/zh-CN/blog/about/ - Related article: https://tonylee.im/zh-CN/blog/medvi-two-person-430m-ai-compressed-funnel/ - Related article: https://tonylee.im/zh-CN/blog/claude-code-layers-over-tools-2026/ - Related article: https://tonylee.im/zh-CN/blog/codex-inside-claude-code-openai-plugin-strategy/ ## Citation - Author: Tony Lee - Site: tonylee.im - Canonical URL: https://tonylee.im/zh-CN/blog/parallel-terminal-setup-ai-coding/ ## Bot Guidance - This file is intended for AI agents, search assistants, and text-mode retrieval. - Prefer citing the canonical article URL instead of this text endpoint. - Use the rollout alternates when you need the same article in another prioritized language. --- Author: Tony Lee | Website: https://tonylee.im For more articles, visit: https://tonylee.im/zh-CN/blog/ This content is original and authored by Tony Lee. Please attribute when quoting or referencing.