Terax 实测：7MB 装下终端、编辑器、Git 和 AI 智能体的开源开发环境

JeecgBoot AI专题研究 | 一个 Rust + Tauri 2 写成的 AI 原生开发环境（ADE），拆解它的设计取舍与上手方法

为什么又冒出一个"开发环境"

先回想一下日常写代码时桌面上开着什么：一个 VSCode 或 IDEA，一个 iTerm2 / Windows Terminal，一个 Git 图形客户端，再加一个浏览器标签页里的 AI 对话框。改一行代码，要在四个窗口之间来回切换，注意力被切得七零八落。

工具本身也越来越重。不少新一代 AI 终端都是 Electron 套壳，安装包几百 MB，冷启动要等好几秒，后台还默认开着遥测。至于 AI 改代码，体验也谈不上安心：有的工具直接把修改写进文件，改坏了只能自己去翻 Git 记录回滚；API Key 以明文躺在配置文件里，公司的敏感代码也不敢随便发给云端模型。

Terax 想解决的就是这几件事。它在 GitHub 上的仓库是 crynta/terax-ai，已经有 9.2k Star、1k Fork，Apache-2.0 协议。官方给自己的定位是 AI-native dev environment（ADE，AI 原生开发环境）：一个窗口里放下终端、代码编辑器、Git 可视化、网页预览和 AI 智能体侧边栏，安装包只有 7～8MB，不需要注册账号，没有遥测。

一句话定位：终端优先，AI 受控

和 Cursor 这类"编辑器 + AI"的路线不同，Terax 是以终端为中心长出来的，编辑器、Git、预览都围绕终端组织。几个关键设定：

• 技术底座：Rust 后端 + Tauri 2 + React 19 前端，不打包 Chromium，直接用操作系统自带的 WebView；
• 一体化窗口：多标签终端、CodeMirror 6 编辑器、文件管理器、Git 面板、Web 预览、AI Agent 侧边栏；
• 隐私默认值：无账号、零遥测，API Key 写进系统密钥链（keyring），不会落成明文文件；
• 两种 AI 接法：自带 Key 接 OpenAI、Claude、Gemini、DeepSeek、Groq、xAI、Cerebras、Mistral、OpenRouter 及任意 OpenAI 兼容接口；或者接 LM Studio、Ollama、MLX，完全离线跑本地模型。

下图是一个典型工作场景：左侧文件树，中间是本地开发服务器的网页预览，右侧 AI 侧边栏里的"Code Reviewer"正在读文件、改代码，每一步工具调用都清楚地列出来。

把六个模块拆开看

终端：原生 PTY，不是网页里的模拟

很多 Electron 终端在 Node 进程里包一层 pty，输入延迟和内存都不理想。Terax 的终端后端用的是 Rust 的 portable-pty，前端是 xterm.js 的 WebGL 渲染器：

• 多标签、横竖分屏，bash / zsh / pwsh / fish / cmd 都支持；
• 缓冲区 50000 行，行内搜索、链接识别、真彩色；
• 低配机器可以关掉 WebGL 渲染，换取稳定；
• Shell 集成会自动同步当前目录和提示符，SSH 到远程机器也顺手；
• Windows 下 WSL 是一等工作区环境，不是简单地起一个子进程包装一下；
• Spaces 能在重启后恢复标签页、工作目录和分屏布局。

编辑器：轻量修改的主力

编辑器基于 CodeMirror 6，覆盖 TS/JS、Python、Rust、Go、C/C++、Java、C#、HTML/CSS、JSON、Markdown 等常用语言，带 Vim 模式。编辑器和终端的主题可以分开配置，内置 Tokyo Night、Nord、GitHub Light、Gruvbox、Dracula、Catppuccin 等多套预设，也支持自定义背景图、透明度和模糊。

它最值得说的是 AI 差分编辑：AI 生成的修改不会直接写盘，而是打开一个 Diff 审阅视图，逐块 Accept / Reject。看下图右上角的"Pending review"和 Accept / Reject 按钮，右下角是智能体申请批量编辑文件时弹出的 Approve / Deny 卡片：

另外还有本地模型驱动的行内补全（用 Ollama 时可以完全离线），以及 Markdown、图片、视频、PDF 预览。

Git 面板：直接调用系统 Git

Terax 没有内嵌 libgit2（这能省下好几 MB），而是调用系统里的 git 命令再解析输出：

• 真实的 Commit Graph，合并、分叉一目了然；
• 提交记录可搜索、筛选，点一下跳到远程仓库的 commit 页面；
• Hunk 级暂存 / 取消暂存，Cmd+Enter（Windows 上是 Ctrl+Enter）提交，自动识别上游分支；
• detached HEAD 状态会高亮提醒；文件树上带 Git 状态标记。

AI 智能体：能动手，但每一步要你点头

Terax 的 AI 侧边栏不是一个只会聊天的框，而是能读写文件、执行命令的智能体，只是权限被管得很严：

• 只读操作自动放行：读文件、grep / glob 检索项目；
• 写操作要审批：修改、删除文件和执行 Shell 命令，都会先弹确认卡片；
• 敏感路径拦截：.env、.ssh 这类文件默认不让智能体碰。

在此之上还有几项进阶能力：

• Plan 模式：先出完整方案，人看过计划再动代码；
• 自定义智能体：每个智能体有自己的系统提示词和工具子集，比如做一个"只读代码审查员"，只给读权限；
• /init 命令：扫描项目目录和 package.json 等配置，自动生成 TERAX.md；
• 编排 Claude Code：可以在终端里拉起 Claude Code，读取它的输出，再通过需要批准的工具发送后续指令；
• 输入区：#handle 调用提示片段，@path 引用文件，支持语音输入，还能把文件树里的文件或编辑器里的选区直接丢给智能体。

TERAX.md：用一份 Markdown 当项目记忆

在项目根目录放一个 TERAX.md，每次开新会话智能体都会先读它。适合写进去的东西包括：项目架构、目录约定、常用部署命令、接口规范、踩过的坑。

这个思路和 Claude Code 的 CLAUDE.md、各家的 AGENTS.md 是一回事：不用向量库，不做检索，就是一份人能读、Git 能追踪的文本。好处是透明、可审查，AI 记住了什么一眼就能看到；代价是它会占上下文窗口，写太长对本地小模型尤其不友好，普通项目控制在两三页以内比较合适。

文件管理器与网页预览

文件树用 Catppuccin 图标，支持模糊搜索、键盘导航、内联重命名和拖拽，磁盘上的文件变化会实时反映。把文件拖进终端，会自动转成适合当前 Shell 的安全引用路径。网页预览会自动发现本地开发服务器并在预览标签中打开，也能看外部 URL，但目前没有 DevTools。

7MB 是怎么做到的

同类 Electron 工具动辄几百 MB，Terax 压到 7～8MB，靠的是三处取舍：

1. 不带浏览器内核：Tauri 2 用系统 WebView 渲染界面，前端 React 19 只负责展示，PTY、文件 IO、Git、密钥管理、AI 网络请求全交给 Rust 后端，两边通过 IPC 通信；
2. 组件选轻的：CodeMirror 6、xterm.js 本身就很轻，没有引入重型依赖；
3. 能复用就复用：Git 用系统 CLI，不打包 libgit2；没开启的功能不占资源。

这里补充一点 Tauri 路线的副作用：因为依赖系统 WebView，不同系统上的渲染表现会有差异——macOS 是 WKWebView，Windows 是 WebView2，Linux 是 WebKitGTK。所以 Linux 上偶尔会遇到渲染问题，官方文档里专门给了 Wayland 下的处理办法（见下文安装部分）。这是"小体积"必然要付出的成本。

安装与配置

直接下载安装包

安装包在 GitHub Releases 页面：https://github.com/crynta/terax-ai ，装好后应用会自动从 Releases 更新。

• macOS：.dmg，分 Apple Silicon（aarch64）和 Intel（x86_64）两个版本；
• Windows：.exe 安装包。因为没有代码签名，第一次打开会被 SmartScreen 拦截，点"更多信息 → 仍要运行"即可。默认 Shell 检测顺序是 pwsh.exe（PowerShell 7+）→ powershell.exe（Windows PowerShell 5.1）→ cmd.exe；
• Linux：.AppImage / .deb / .rpm。Arch 用户可以 yay -S terax-bin；NixOS / Nix 有官方 flake，非 NixOS 可执行 nix profile install github:crynta/terax-ai。AppImage 需要 FUSE，没有 FUSE 时运行 ./Terax_*.AppImage --appimage-extract-and-run；Wayland 下渲染异常可以试试 WEBKIT_DISABLE_DMABUF_RENDERER=1。一般来说 .deb / .rpm 链接系统 GTK，比 AppImage 更流畅。

从源码构建

需要 Rust stable、Node 20+、pnpm，以及对应平台的 Tauri 前置依赖：

pnpm install
pnpm tauri dev   # 本地开发调试
pnpm tauri build # 打包生成安装包
pnpm exec tsc --noEmit   # 前端类型检查
cd src-tauri && cargo clippy  # Rust代码规范校验

配置 AI

1. 打开顶部 Settings → AI；
2. 选择提供商：云端模型就粘贴对应的 API Key，Key 会通过 keyring 写进系统钥匙串，不会出现在磁盘文件或 localStorage 里；本地模型则填 LM Studio / Ollama / MLX 的地址，不需要 Key；
3. 按需设置系统提示词、打开 Plan 模式、给自定义智能体分配工具权限。

一个实用的组合是：日常补全和小改动交给 Ollama 跑的本地小模型，零成本、不出内网；遇到跨文件重构这类复杂任务，再切到 Claude 或 GPT 这类云端大模型。

先说短板：哪些场景还不适合

和常见工具横向比一比

注：表中其他工具的数据来自原评测，各工具版本更新较快，请以官方最新说明为准。

简单归纳一下选择思路：

• 想要一个轻量、注重隐私、能跑本地模型的"终端 + AI"工作台：Terax 很合适；
• 主力开发大型工程，依赖重构、类型系统和插件生态：还是 Cursor / VSCode / IDEA；
• 只需要一个好用的终端：iTerm2、Windows Terminal 依然够用。

总结

Terax 的价值不在于某个单点功能有多强，而在于它把"终端、编辑、版本控制、AI 智能体"这几件高频的事收进了一个 7MB 的窗口，并且给 AI 套上了缰绳：只读自动、写入审批、修改走 Diff、敏感文件拦截、密钥进钥匙串。对于在意隐私、想用本地模型、又不想再开一个几百 MB 工具的开发者，它值得装上试一试。

当然，它现在更像一个"AI 时代的终端工作台"，而不是一个完整的 IDE。大型项目的深度开发仍需要专业 IDE，比较现实的用法是两者搭配：IDE 负责重活，Terax 负责终端、小改动和让 AI 在受控范围内干活。

项目地址：https://github.com/crynta/terax-ai/

本文为 JeecgBoot AI 专题研究系列文章。