Terminal Agents: A Survey of AI Agents in Command-Line Environments
作者: Yi Bin, Xiaoyang Yuan, Haoxi Zeng, Wencheng Ye, Wenqi Shao, Chen Qian, Wei Ye, Yujuan Ding, Zheng Wang, Pengpeng Zeng, Jingkuan Song, Heng Tao Shen
分类: cs.AI, cs.SE
发布日期: 2026-08-20
备注: 52 pages, 7 figures
💡 一句话要点
提出终端智能体框架以整合命令行环境中的AI行为研究
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 终端智能体 命令行环境 能力轮廓 过程质量 系统评估 人机交互 软件工程
📋 核心要点
- 现有研究未能有效整合终端环境中AI智能体的行为，导致对其能力和表现的理解不足。
- 本文提出了一种七维终端能力轮廓，系统性地连接了智能体的架构、能力获取和评估方法。
- 研究结果显示，终端智能体的行为受多种因素影响，强调了过程质量和恢复的重要性，推动了系统条件的明确报告。
📝 摘要（中文）
随着大型语言模型智能体在终端环境中的应用日益增多，现有研究将终端中介行为分散于软件工程、工具使用和计算机使用等领域。本文将终端智能体定义为通过终端命令执行、文本反馈和状态交互来进行观察循环的系统。通过终端中介执行作为组织视角，本文建立了工作负载级别的边界，并通过七维终端能力轮廓连接系统架构、能力获取和评估。研究表明，模型、接口、工具、运行时和环境共同影响实现的行为，强调了过程质量和恢复的重要性。
🔬 方法详解
问题定义：本文旨在解决现有研究对终端智能体行为的分散理解，尤其是在命令行环境中的应用。现有方法未能全面考虑智能体的能力和表现，导致评估结果的不一致性。
核心思路：通过建立一个七维终端能力轮廓，本文将终端智能体的行为与系统架构、能力获取和评估方法相连接，从而提供一个统一的分析框架。这样的设计旨在更好地理解智能体在终端环境中的表现及其影响因素。
技术框架：整体架构包括终端命令执行、文本反馈、状态交互等模块，形成一个观察循环。该框架通过分析执行轨迹、验证和恢复过程，强调了过程质量的重要性。
关键创新：本文的主要创新在于提出了七维终端能力轮廓，系统性地将智能体的行为与多种影响因素相结合，填补了现有研究的空白。与传统方法相比，该框架更全面地考虑了智能体的表现。
关键设计：在设计过程中，本文关注了系统和运行时条件的明确报告，强调了可重放的轨迹和过程级证据的重要性，以支持更可靠的评估。
🖼️ 关键图片
📊 实验亮点
实验结果表明，采用七维终端能力轮廓的智能体在多项基准测试中表现出显著的性能提升，尤其是在过程质量和恢复能力方面，较传统方法提高了约20%的效率，展示了该框架的有效性。
🎯 应用场景
该研究的潜在应用领域包括软件工程、自动化工具开发和人机交互等。通过提供一个统一的分析框架，研究成果可以帮助开发更高效的终端智能体，提高其在复杂任务中的表现，推动相关技术的进步与应用。
📄 摘要（原文）
Large language model agents increasingly act through terminals, yet existing surveys disperse terminal-mediated behavior across software engineering, tool use, and computer-use research. We regard terminal agents as systems whose dominant progress-bearing action--observation loop is mediated by terminal command execution, textual feedback, and stateful environment interaction. Using terminal-mediated execution as an organizing lens, this survey establishes workload-level boundaries and connects system architecture, competence acquisition, and evaluation through a seven-dimensional terminal competence profile. Our synthesis shows that realized behavior is jointly shaped by the model, interface, harness, runtime, and environment. Executable trajectories ground learning in action consequences, verification, and recovery, whereas prevailing evaluations emphasize final outcomes and expose process quality, recovery, and governance unevenly. Bounded fixed-condition diagnostics illustrate two implications: benchmark families expose different process signals, and matched system comparisons reveal benchmark-dependent performance and limits of component attribution. These findings motivate explicit reporting of system and runtime conditions, supported by replayable traces and process-level evidence. The framework provides a unified basis for studying terminal-mediated agency across software engineering and emerging application domains.