Aklman · Library

04 / 第四章

派活 · 运维、文件、数据、系统.

官网把 Agent Mode 卖给写代码的人。但它的发动机不挑活:批量重命名加转格式、从一堆日志里捞统计、定期清磁盘、连进数据库改几行、盯一个跑着的 dev server —— 这些手动点来点去的系统、文件、数据活,都能交给它一步步做完(Full Terminal Use 让它能开 psql、vim、REPL 这类交互程序)。这章是全书论点的落点:Warp 是元工具,不只是写代码的终端。


这是全书论点落地的一章。官网把 Agent Mode 演示成改 bug、提 PR,于是你默认它是给写代码的人的。但它的发动机不挑活:找回误删的分支、从一周日志里按小时捞 5xx、批量重命名再转格式、连进数据库回填一列、盯一个跑着的 dev server —— 这些你平时手动点来点去的运维、文件、数据、系统活,底下都是命令行和脚本,照样能一步步交给它。Warp 是元工具,不只是写代码的终端。

I

非代码的活,底下也是命令行.

运维、文件、数据、系统任务,剥开都是同一组东西:文件、脚本、CLI 工具。 找回误删的分支是 git refloggit branch;从日志按小时捞 5xx 是 grep / awk,JSON 日志换成 jq;批量重命名加转格式是 findrenameffmpeg / imagemagick;回填一列数据是连进库跑 UPDATE;清磁盘是 du 加判断。这些你大都会,只是懒得每次现拼参数 —— 而现拼正是 agent 最擅长的。2注 2Warp Docs · Warp Agents overview —— 本地 agent 嵌在终端里,能写代码、debug、运行命令、自动化开发任务,并使用代码库、Warp Drive 与连接工具上下文;本地 agent 交互运行,云端 agent 后台运行。你要会的不再是参数,是把活说清楚。 一件事适不适合 Warp,先看它能不能被命令、文件、脚本、日志、环境变量表达:
任务形状适合 Warp 的信号切走信号
运维日志、服务状态、端口、进程、磁盘、deploy 前检查正式告警、SLO、长期监控要进监控平台
文件重命名、搜索、压缩、转换、diff,可 dry-run视觉整理、人工判断分类、不可恢复删除
数据CSV/JSON 抽样、jq/sed/awk/Python 小脚本正经 ETL、BI、Notebook 探索、生产写库
系统环境诊断、依赖检查、权限排查、配置 diff内核/权限/安全策略变更要专用工具和人工流程
提示词一次观测任务:从日志里捞统计
<./logs/access.log> 里统计昨天每小时的 5xx 请求数,
按「小时 → 次数」输出,顺带列出 5xx 最多的前 5 个路径。
先把你打算跑的命令给我看,确认后再跑,别写任何文件。
从 ./logs/nginx/access.log 里统计昨天每小时的 5xx 请求数,
按「小时 → 次数」输出,顺带列出 5xx 最多的前 5 个路径。
先把你打算跑的命令给我看,确认后再跑,别写任何文件。
提示词文件批处理 dry-run 模板
目标:批量处理 <目录/文件模式>,但先不要改任何文件。
要求:
1. 先列出会被处理的前 20 个文件;
2. 给出 dry-run 命令或只打印源路径 -> 目标路径;
3. 说明是否会覆盖、删除、移动;
4. 我确认后才执行真实写入;
5. 执行后给出处理数量、失败数量、可回滚方式。
目标:批量处理 ./assets/raw/*.png,统一转成 80% 质量的 .webp,但先不要改任何文件。
要求:
1. 先列出会被处理的前 20 个文件;
2. 给出 dry-run 命令或只打印源路径 -> 目标路径;
3. 说明是否会覆盖、删除、移动;
4. 我确认后才执行真实写入;
5. 执行后给出处理数量、失败数量、可回滚方式。
提示词数据清洗模板
读取 <input.csv/input.json>。
先做只读分析:
- 行数 / 字段名 / 缺失值统计;
- 抽样 10 行;
- 你建议的清洗规则。
然后给出一个可复现脚本,把输出写到 <output.tmp>,不要覆盖原文件。
最后用 diff / head / wc 验收。
读取 ./data/subscribers.csv。
先做只读分析:
- 行数 / 字段名 / 缺失值统计;
- 抽样 10 行;
- 你建议的清洗规则。
然后给出一个可复现脚本,把去掉重复邮箱、统一小写后的结果写到 ./data/subscribers.clean.tmp,不要覆盖原文件。
最后用 diff / head / wc 验收。

II

Full Terminal Use:它能进交互程序.

agent 不止能跑一次性命令,它能进到一个交互程序里,边看边操作 —— 这是它做数据和系统活的关键。 Full Terminal Use 让它看到实时终端缓冲、向 PTY 写入、应答提示,在运行中的进程里继续 —— 于是它能开 psql 查一段数据、在 Python REPL 里反复试一段清洗、用 vim 改个配置、盯着 dev server 的输出判断起没起来,而你始终在掌控。1注 1Warp Docs · Full Terminal Use —— agent 能与交互式终端程序协作:看到实时终端缓冲、向 PTY 写入运行命令、应答提示、在运行中的进程里继续工作,支持 psql / mysql 等数据库 shell、gdb 等调试器、vim、Python REPL、dev server,你始终在掌控。很多数据和系统活不是「跑一条命令」,是「进去待着、来回试」—— 这正是它和只会拼一行命令的工具的差别。
# agent 开了一个 psql 会话,先只读地确认范围
psql "$DATABASE_URL"
=> SELECT count(*) FROM orders WHERE status IS NULL;
 count
-------
   1843
=> -- 1843 行待回填,先确认样本再决定 UPDATE

agent 进 psql 核一段数据(只读,先看再动)

III

什么时候别派给它.

稳定重复的活该写成脚本,不可逆的活要先空跑 —— 不是什么都现编。 判断很简单:一件事你每周都做且步骤固定,让 agent 每次现编就是浪费 —— 让它做一次,然后存成 Workflow 或写成脚本挂上 cron,下次直接跑。3注 3Warp Docs · Workflows —— 把一条参数化命令命名保存,带描述与参数默认值,从命令面板或 Warp Drive 调用,免得重复手敲。碰到批量删除、生产库迁移这种不可逆的,先让它只给命令、空跑(--dry-run 或先 SELECTUPDATE)、你审过再放行。还有一类该交给专用工具:正经的 ETL、备份、监控有成熟的东西,比 agent 每次重搭更稳。元工具的价值是覆盖那条长长的杂活尾巴,不是取代那几件值得专门工具的事。再往外,要去点别的 GUI app —— 网页后台、桌面客户端 —— 那已经出了它的边界,是「边界」那章的事。
切到信号
普通终端只跑一两条你已经懂的命令、远程服务器默认环境、离线容器
脚本 / cron / CI流程稳定、重复、需要审计和失败重试
ETL / BI / Notebook数据量大、需要可视化探索、统计假设要反复验证
专用运维工具SLO、告警、长期趋势、权限审计
浏览器 / GUI agent核心动作是点击网页或桌面软件
动手练习 —— 把一件你平时手动做的活整链交出去一次:
01

挑一件手动的系统 / 文件 / 数据活

例如批量重命名加转格式、从日志捞一周统计、定期清理某个目录、给一张表回填一列。
02

让 Agent Mode 一步步做完,你只审不打

给它目标和验收标准,要求先给命令、确认再跑;碰数据先只读核范围。
03

把跑通的过程存成 Workflow 或 Notebook

存进 Warp Drive,下次一句话或一键再来 —— 沉淀那章会教怎么存好。
04

记下它替你省的事,和你不放心自动跑的那一步

写清:它省下了什么、哪一步你不放心让它自动跑、为什么。那条「为什么」就是你之后在「管住它」那章设权限的依据。

它不在乎是不是代码, 它在乎是不是命令.

It doesn't care if it's code, it cares if it's a command.

Aklman Library

讨论

讨论.

评论区初始化中…