如果你第一次打开 WorldTUI，很可能不会察觉异常：它能接收 ls、cd、mkdir 这类常见命令，也能装出一副可以打开 Vim、运行 Python、启动 tmux 的样子。屏幕上出现的回显、提示和界面变化，看起来都像一台真实终端。

但它的背后并没有 Linux，没有文件系统，也没有真正运行任何程序。所有你看到的“执行结果”，其实都是一个小型 AI 模型现场生成的画面。

它不是在跑命令，而是在“接戏”

WorldTUI 的核心思路不是模拟操作系统，而是让模型学会模仿终端的表现。

当用户输入命令时，模型不会调用 shell，也不会读写磁盘。它只是根据你敲下的字符、此前的屏幕内容和上下文状态，预测下一帧终端应该显示什么。于是，你让它创建文件，它就表现出创建成功的样子；你让它读取文件，它会努力维持之前“写入”过的内容；你进入 Vim，它也会切换到类似 Vim 的交互状态继续演下去。

这个项目由开发者 Simon Edwardsson 完成。他以 Qwen2.5-Coder-0.5B 为基础，训练出一个约 3.6 亿参数的小模型。模型原始体量约为 716MB，经过 int4 量化后被压缩到约 208MB，因此可以在本地较轻量地运行。

有趣的是，这个“假终端”并不是完全没记性。因为它会把上下文中的信息保留一段时间，所以之前用 Vim 写过的内容，稍后再打开时仍可能看到。不过，一旦开启新的终端对话，这些内容就会清空——毕竟它从来没有真正把文件写到磁盘上。

为了学会“假装”，它看过大量真实终端操作

虽然 WorldTUI 的输出是演出来的，但训练数据并不是凭空捏造。

开发者先搭建了真实的 Linux 终端环境，并在 Docker 容器中运行 Bash、Vim、Python 和 tmux。系统会随机生成用户名、目录结构、文件内容和操作任务，再用脚本模拟人类逐字输入命令。为了让数据更接近真实用户，训练过程中还特意加入了约 1.2% 的打字错误。

每一次按键之后，终端屏幕发生的变化都会被记录下来。通过这种方式，开发者累计收集了约 33.6 万段操作记录，训练数据规模约 20 亿 Token。这些数据被用来微调 0.5B 模型，让它学习“用户按下这些键之后，终端界面应该如何变化”。

如果模型预测错误，训练流程还会用真实终端的结果构造纠错样本，帮助模型在连续操作中减少明显破绽。最终，项目又通过并行预测终端不同行、缩减词表以及 4-bit 量化等手段，把模型压缩到约 208MB。整个训练过程在一张 NVIDIA RTX 4090 上完成，耗时约 75 小时。

很适合作为实验样本，但别拿来干活

WorldTUI 的演示很有趣味性，但它并不适合被当成真正的终端使用。

一旦命令变复杂，模型就容易露馅：文件内容可能突然改变，输出结果可能前后不一致，所谓“运行程序”的表现也未必可靠。原因很简单——它始终没有真正执行代码。

不过，它提供了一个很有启发性的方向：如果让模型观察真实软件的操作轨迹，再学习其界面反馈，模型有可能模仿某个软件的外在行为。这种思路不只适用于终端，也可能延伸到其他软件交互、界面模拟或自动化演示场景。

开发者表示，模型权重很快会公开并提供下载。目前在线体验需要下载约 208MB 的模型，建议使用桌面浏览器打开。

当然，最重要的是记住一点：WorldTUI 展示的“终端”本质上是一场 AI 表演。它可以很逼真，但别把它当真。