有一款看起來再普通不過的終端，能接受你輸入的 ls、cd、mkdir，甚至能打開 Vim 編輯文件、運行 Python、拉起 tmux 多窗口，一切都與真實環境毫無二致。可它的真相相當荒誕——背後既沒有 Linux，也沒有文件系統，更沒有真正執行過任何一條命令，屏幕上跳出的一切，全是 AI 現場編出來的。這個名爲 WorldTUI 的項目，做的最核心的一件事，就是訓練模型學會"演戲"。

開發者 Simon Edwardsson 用 Qwen2.5-Coder-0.5B 作底，訓出了一個約3.6億參數、體量716MB 的小模型，再經 int4量化壓到208MB，輕鬆就能在本地跑起來。它的運轉邏輯很純粹:AI 不執行任何程序，只是根據你敲下的命令，去預測終端下一步該顯示什麼畫面。你讓它建文件，它就假裝建了;你讓它讀文件，它努力回憶自己剛纔往裏寫了啥;你打開 Vim，它就切換成 Vim 的角色往下接;連 Python 解釋器和 tmux 多窗口，它都能演得像模像樣。一句話，只要它演得夠像，你就很難發現破綻。

image.png

更絕的是，這個"戲精"還帶記憶。你用 Vim 寫進文件的內容，過一陣再打開還能看到，因爲它把信息存在上下文裏。當然，一旦新建一個終端對話，記憶就歸零——畢竟從頭到尾沒有真實的文件落地。

這副演技不是憑空來的，而是被認真訓練出來的。開發者先搭起真正的 Linux 終端，在 Docker 容器裏跑起 Bash、Vim、Python、tmux，隨機生成用戶名、目錄、文件和操作任務;再用腳本模擬人類操作，一個字符一個字符地敲命令，還故意摻入1.2% 的打字錯誤，同時把每次按鍵後的真實屏幕變化都記錄下來。靠着這套辦法，他累計收集了33.6萬段操作記錄、約20億 Token 的數據，用來微調那個0.5B 的小模型，讓它學會根據按鍵和歷史畫面推斷下一步該顯示什麼。一旦模型預測出錯，就用真實終端的結果構造糾錯樣本，教它學會自己圓謊、壓低連續操作裏的穿幫率。最後通過並行預測終端不同行、縮減詞表、做4-bit 量化，把模型塞進約208MB，整個訓練耗時75小時，跑在一張 NVIDIA RTX4090上。

當然，模型終究會露餡。複雜命令常常執行得亂七八糟，文件內容可能突然變樣，計算結果也未必靠譜——畢竟它從頭到尾沒有真正跑過那些程序。對於普通用戶來說，這東西雖沒多少實用價值，卻是個極好的參照:你可以用同樣的思路，讓模型觀察真實軟件的操作過程，再訓練它去模仿軟件的行爲。開發者表示會很快公開模型權重並提供下載，目前在線體驗需下載約208MB 模型，建議用桌面瀏覽器打開。只是別忘了，這玩意從頭到尾都是假的，別入戲太深。