# 定位

地址: https://nowa.im/cotty/zh/product/positioning/  
状态: 草稿  
创建: 2026-11-22

cotty 是人和 agent 共用的终端。它首先是一个完整的终端：终端模拟、渲染和每个平台上的客户端，都按该平台上最好的终端的标准来做。在此之上，它加了一个会话内核，用来保留会话里所发生之事的语义；还加了一个前端，给同时监督很多个 agent 的人用。

cotty 还在设计阶段。本页说明它要解决什么问题、由什么组成、坚持什么。

## 问题

- **语言模型天生适合用终端。** 文本进、文本出，可以远程，程序可以用管道组合。这正是模型最擅长的工作方式，所以 Claude Code、Codex 这类 agent 都跑在终端里。
- **终端把语义丢掉了。** 它不知道一条命令从哪开始、到哪结束，退出码是多少，哪段输出属于哪条命令，也不知道前台程序是 shell 还是编辑器。agent 只能自己套一层子 shell，或者截屏、sleep、然后猜。
- **人的注意力成了新的瓶颈。** 终端当初是为一个人盯一条字节流设计的。现在是一个人监督很多个 agent，这个人决策的速度和质量决定了整体产出。
- **它首先得是个好终端。** 人一整天都待在终端里。模拟把某个程序搞坏、屏幕跟不上按键、某台设备上没有客户端，这些代价是任何新功能都补不回来的。

背景见[终端的本质](https://nowa.im/cotty/zh/posts/what-a-terminal-is/)。真实案例见[实地记录](https://nowa.im/cotty/zh/research/field-notes/2026-11-remote-spark-operations/)。

## 给谁用

- **整天在终端里工作的人。** 他们要一个正确、快，并且在自己每台设备上都有的终端。
- **运行 agent 的人。** 一个或很多个 agent，在一台或几台机器上。他们得知道 agent 在做什么，还得回答 agent 提出的请求。
- **开发 agent 和工具的人。** 他们想通过接口读取和驱动终端，而不是去抓屏幕上的字。

## cotty 是什么

cotty 由三部分组成。

- **一个自己就站得住的终端。** 终端模拟、渲染，以及每个平台上的原生客户端：桌面端是 macOS、Linux 和 Windows，手机端是 iOS 和 Android。浏览器通过用户自己机器提供的网页也能接入会话。完全不用 agent，它也值得用。
- **会话内核。** 一个持有会话的后台进程。它运行终端模拟器，为每条命令保存结构化记录，给 agent 提供接口，执行策略和脱敏，并在弱网下把状态同步给各个客户端。
- **建立在内核之上的前端。** 它的核心是[注意力卡片](https://nowa.im/cotty/zh/product/attention-cards/)：agent 的一次请求，连同要做什么、影响什么、风险是什么一起显示出来。它让一个人能监督很多个 agent。

这三部分的能力列在[能力](https://nowa.im/cotty/zh/product/capabilities/)里。

## 有什么不同

基础是一个把平常的事做好的终端。不同之处分两层。

作为终端，完全不涉及 agent 时：

- **比客户端活得久的会话。** 窗口关掉，会话继续运行，并且能在任何设备上重新打开。
- **弱网下的状态同步。** 同步的是屏幕状态而不是字节，所以慢的链路也能用。
- **把命令当成单位。** 屏幕知道每条命令从哪开始、到哪结束。人可以在命令之间移动、把命令折叠起来，也可以搜索和回放执行过的内容。
- **到处都是同一个终端。** 所有桌面系统、手机和浏览器，打开的都是同一批会话。

有 agent 时：

- **命令级的记录**，通过同一个接口开放给任何 agent。agent 直接读到一条命令的退出码和输出，不用从屏幕上猜。
- **与 agent 无关的控制。** 策略、脱敏和审计放在内核里，所以也管得到用户自带的 agent。
- **写明影响的审批。** 一次请求会写明要做什么、会动到什么、能不能撤销。一次决定可以记成规则。
- **语义输出块。** 程序把 markdown、diff 或图片作为一个块输出。cotty 原生地把这个块画出来，不认识它的终端则显示纯文本。

显示哪个 agent 在等人，正在变成终端的标配，OSC 7501 也正在成为程序上报这种状态的通用方式。cotty 原样支持 OSC 7501。它自己的工作从这个信号之后开始：在问什么、回答之后会发生什么、能不能撤销。

各家终端目前怎么处理这些能力，见[六项能力在各家终端里的现状](https://nowa.im/cotty/zh/research/landscape/2026-11-six-capabilities/)。

## 为什么三部分是一个设计

这三部分本可以是三个产品。把它们放在一起设计，是因为每一部分都依赖另外两部分。

- **内核必须自己运行终端模拟器。** 记录、给 agent 的快照和状态同步，都需要知道屏幕上是什么。只有模拟器知道。所以模拟器在内核里运行，每个会话一份，所有客户端显示的是同一块屏幕。
- **客户端必须能画出内核知道的东西。** 命令的边界、折叠起来的输出、卡片和语义块，都不是网格里的字符。只收到一张字符网格的客户端显示不了它们。
- **快慢是整条链路的性质。** 从按键到字符出现的延迟，经过客户端、链路和内核。在对端回应之前先在本地回显按键，只有两端对屏幕状态的认识一致时才行得通。
- **控制必须放在界面之下。** 放在某一个界面里的策略、脱敏和审计，只管得到经过这个界面的东西。放在内核里，它们管得到每一个客户端，以及接入会话的 agent。cotty 怎么管到用户自带的 agent，见[能力](https://nowa.im/cotty/zh/product/capabilities/#管住用户自带的-agent)。

代价是范围。cotty 得先是一个完整的终端，本页其余的内容才算数，所以终端排在最前面。

## cotty 坚持什么

- **协议公开。** 给 agent 的接口，以及 cotty 新增的每一个控制序列，都会在本站写成规范，让其他终端和其他 agent 也能实现。只有一个实现的协议没有多大用处。
- **正确性和手感是做出来的。** 终端兼容、延迟、弱网下的表现，来自测试、测量和大量的真实使用。设计定不了这些。
- **数据留在用户手里。** 终端里全是密钥。cotty 本地优先：不需要账号，我们的任何服务器都读不到会话内容。设备不在用户自己的网络里时，可以走一个可选的中继，中继只转发它自己读不了的内容。
- **越用越有用，而且这些都属于用户。** 记录会积累成一份可以搜索和回放的历史。一次记成规则的决定，就是一个不会再问的问题。两者都保存在用户自己的机器上。

## cotty 不做什么

- **给终端加一个 AI 侧边栏。** 人们在用的 agent 本来就是跑在终端里的程序，而且做得很好。cotty 是它们的宿主，不替代它们。
- **为了新功能破坏 xterm 和 VT 兼容。** `TERM` 和 terminfo 必须正常工作，通过 ssh 用到的老程序不能出问题。
- **强制云账号，或者上传会话数据。**
- **发明和现有协议不兼容的协议。** cotty 先支持 OSC 133、OSC 7501 和 OSC 9/99/777，再在其上扩展。

## 待决问题

- **先做哪个平台。** cotty 面向所有桌面系统、手机和浏览器。先后顺序还没有定。
- **协议路线。** 只在现有协议上扩展，还是同时另起一套。目前的立场是兼容优先，见上文。
- **渲染。** 自己写渲染器，还是基于现成的引擎。无论哪种，结果都要达到最好的终端的水平。
- **质量的衡量标准。** 从按键到字符出现的延迟预算，以及兼容性的目标，都还没有定。
- **弱网同步协议。** 在已有的"同步屏幕状态"思路上扩展出回滚历史、结构化命令块和多设备，还是重新设计。
- **定价。** cotty 计划做成收费产品。对什么收费、怎么收，还没有定。中继是其中一个候选。
