有一款看起来再普通不过的终端，能接受你输入的 ls、cd、mkdir，甚至能打开 Vim 编辑文件、运行 Python、拉起 tmux 多窗口，一切都与真实环境毫无二致。可它的真相相当荒诞——背后既没有 Linux，也没有文件系统，更没有真正执行过任何一条命令，屏幕上跳出的一切，全是 AI 现场编出来的。这个名为 WorldTUI 的项目，做的最核心的一件事，就是训练模型学会"演戏"。
开发者 Simon Edwardsson 用 Qwen2.5-Coder-0.5B 作底，训出了一个约3.6亿参数、体量716MB 的小模型，再经 int4量化压到208MB，轻松就能在本地跑起来。它的运转逻辑很纯粹:AI 不执行任何程序，只是根据你敲下的命令，去预测终端下一步该显示什么画面。你让它建文件，它就假装建了;你让它读文件，它努力回忆自己刚才往里写了啥;你打开 Vim，它就切换成 Vim 的角色往下接;连 Python 解释器和 tmux 多窗口，它都能演得像模像样。一句话，只要它演得够像，你就很难发现破绽。
更绝的是，这个"戏精"还带记忆。你用 Vim 写进文件的内容，过一阵再打开还能看到，因为它把信息存在上下文里。当然，一旦新建一个终端对话，记忆就归零——毕竟从头到尾没有真实的文件落地。
这副演技不是凭空来的，而是被认真训练出来的。开发者先搭起真正的 Linux 终端，在 Docker 容器里跑起 Bash、Vim、Python、tmux，随机生成用户名、目录、文件和操作任务;再用脚本模拟人类操作，一个字符一个字符地敲命令，还故意掺入1.2% 的打字错误，同时把每次按键后的真实屏幕变化都记录下来。靠着这套办法，他累计收集了33.6万段操作记录、约20亿 Token 的数据，用来微调那个0.5B 的小模型，让它学会根据按键和历史画面推断下一步该显示什么。一旦模型预测出错，就用真实终端的结果构造纠错样本，教它学会自己圆谎、压低连续操作里的穿帮率。最后通过并行预测终端不同行、缩减词表、做4-bit 量化，把模型塞进约208MB，整个训练耗时75小时，跑在一张 NVIDIA RTX4090上。
当然，模型终究会露馅。复杂命令常常执行得乱七八糟，文件内容可能突然变样，计算结果也未必靠谱——毕竟它从头到尾没有真正跑过那些程序。对于普通用户来说，这东西虽没多少实用价值，却是个极好的参照:你可以用同样的思路，让模型观察真实软件的操作过程，再训练它去模仿软件的行为。开发者表示会很快公开模型权重并提供下载，目前在线体验需下载约208MB 模型，建议用桌面浏览器打开。只是别忘了，这玩意从头到尾都是假的，别入戏太深。
