你在终端里敲下 ls，屏幕上刷出一排文件名；敲 vim，编辑器界面弹出来，光标能移动，能插入文字；写完保存退出，再 cat 一次，内容还在；甚至还能拉起 tmux，切出好几个窗口。
整个过程流畅得像真的一样。但背后没有 Linux，没有文件系统，也没有任何一条命令被真正执行过。
屏幕上的一切，都是一个 208MB 的小模型当场编出来的。
这个项目叫 WorldTUI，作者是开发者 Simon Edwardsson。它做的事情说起来有点荒诞：训练一个模型，让它学会"演"一个终端。
它不是在运行程序，而是在猜下一屏该长什么样
传统思路里，你要在浏览器里跑一个 Linux，得搬上虚拟化、WASM、远程容器之类的一整套东西，又重又慢。WorldTUI 换了个方向：既然用户看到的只是屏幕上的字符，那能不能直接让 AI 预测"敲下这个键之后，屏幕应该变成什么样"？
模型不执行任何东西。你让它建文件，它假装建了；你让它读文件，它就从上下文里回忆自己刚才"写"了什么；你打开 Vim，它立刻切换成 Vim 的角色往下接戏。只要演得够像，你就很难发现破绽。
它还带一点记忆。用 Vim 写进去的内容，隔一会儿再打开还能看到，因为这些信息被存在了对话上下文里。当然，新开一个终端，记忆就归零——毕竟从头到尾，没有任何东西真正落到磁盘上。
演技是练出来的：33.6 万段真实操作，20 亿 Token
这副演技不是凭空冒出来的。
Edwardsson 先搭了一套真的环境：在 Docker 容器里跑起 Bash、Vim、Python、tmux，随机生成用户名、目录和文件，再随机生成各种操作任务。然后写脚本模拟人类打字，一个字符一个字符地敲，还故意掺进 1.2% 的输错率，让数据更接近真人的手感。每一次按键之后的真实屏幕变化，全被录了下来。
这么攒下来，一共 33.6 万段操作记录、约 20 亿 Token。用这批数据去微调一个以 Qwen2.5-Coder-0.5B 为底的小模型，参数量约 3.6 亿，原始体积 716MB。模型预测错了怎么办？拿真实终端的输出去构造纠错样本，教它学会自己圆回来，把连续操作里的穿帮率压下去。
最后一步是压缩：并行预测终端的多个行、削减词表、做 4-bit 量化，硬是把模型塞到了 208MB，本地随便一台电脑都能跑。整个训练只花了 75 小时，用一张 NVIDIA RTX 4090 就够。
它终究会露馅，但思路比成品更值钱
当然，戏演得再好也有穿帮的时候。复杂一点的命令经常执行得乱七八糟，文件内容可能突然变了样，算个数也不一定对——毕竟它从来没真正跑过那些程序，只是在模仿"跑完之后的样子"。
所以对普通用户来说，这东西实用价值有限，更像一个精巧的技术演示。但它给出的思路很有意思：让模型去观察真实软件的操作过程，再训练它模仿软件的行为。这套方法可以搬到别的地方——那些启动慢、依赖重、又不好部署的老软件，说不定都能用类似的办法"演"出来。
开发者说会很快公开模型权重供下载。目前在线体验需要先下载约 208MB 的模型，建议用桌面浏览器打开。
玩的时候记得一件事：这玩意儿从头到尾都是假的。
