ИИ-инструменты в терминале: какие бывают и когда что
Не всё, что зовут агентом, им является. Разбираем три класса инструментов и задачи, под которые они сделаны.
2 мин · · Обновлено · cli · разработка · выбор
Консольные ИИ-инструменты часто складывают в одну кучу и называют агентами. На деле это три разных класса с разными задачами, и путаница между ними приводит к тому, что берут не тот инструмент.
Однострочники в пайпе
Самый простой класс: программа читает stdin, отправляет в модель, печатает ответ в stdout.
cat error.log | llm "объясни, что здесь сломалось"
git diff | llm "напиши сообщение коммита"Инструмент не имеет состояния, не знает о проекте и не трогает файлы. Ровно поэтому он предсказуем и хорошо ложится в пайплайны и скрипты.
Где уместен: разовые вопросы по тексту, который уже есть в терминале. Разбор лога, объяснение непонятной команды, черновик сообщения коммита.
Где нет: всё, что требует нескольких шагов или знания структуры проекта.
Обвязки над API
Класс посередине: программа умеет вести диалог, помнит историю в рамках сессии, может принимать файлы аргументами. Но решения о том, что читать и что менять, принимает человек.
Где уместен: работа с конкретными файлами, когда вы сами знаете, какие именно нужны. Перевод, рефакторинг одного модуля, генерация тестов для функции.
Где нет: задачи вида «разберись, почему падает сборка», где половина работы — понять, куда смотреть.
Агенты
Claude Code, Codex и подобные. Отличие принципиальное: агент сам решает, какие файлы открыть, какие команды запустить и в каком порядке. Он ведёт цикл до результата, а не отвечает на один вопрос.
Отсюда и стоимость: на каждом шаге пересылается накопленный контекст, поэтому расход входных токенов растёт нелинейно. Плотная сессия — это сотни тысяч входных токенов, и именно их цена определяет счёт.
Где уместен: многофайловые правки, разбор незнакомого репозитория, задачи с неочевидным планом.
Где нет: то, что вы можете сделать сами за минуту. Агент на такой задаче тратит больше вашего времени на чтение diff, чем сэкономил.
Как выбирать
| Задача | Класс |
|---|---|
| Объяснить вывод команды | однострочник |
| Сообщение коммита по diff | однострочник |
| Переписать один модуль | обвязка |
| Написать тесты для функции | обвязка |
| Найти причину падения сборки | агент |
| Рефакторинг по всему проекту | агент |
Правило, которое экономит и деньги, и время: брать самый простой класс, которым задача решается. Агент на задаче однострочника — не ошибка, но лишние деньги и лишний diff на проверку.
Общее для всех
Все три класса работают по API и подключаются одинаково: базовый адрес и ключ. Для OpenAI-совместимых инструментов адрес идёт с суффиксом /v1, для Anthropic-совместимых — без него.
Это значит, что один ключ обслуживает всю связку, и переключать модель под задачу можно в каждом инструменте отдельно: дешёвую на рутину, сильную на разбор. Актуальный список моделей — GET https://api.zukko.pro/v1/models, цены и контекст — GET /v1/models/info или страница «Модели» в кабинете на zukko.pro.
zukko
Платите в 25×
меньше
за Claude Code & ChatGPT
Один ключ fetch_* и base URL api.zukko.pro — в Cursor, Claude Code, Codex и любом SDK.
Похожие статьи
- Промпт-инъекция: что это и как защитить бота и агентаОбъясняем, как работает промпт-инъекция через пользовательский ввод и чужие документы, и какие меры снижают ущерб: изоляция данных, права инструментов, лимиты ключа.
- Свой прокси к нейросети на Node.js: не показывать API-ключ во фронтендеНебольшой сервер на Express между вашим фронтендом и API нейросети: ключ остаётся на сервере, а модели, длина запроса и частота ограничены.
- DeepSeek API на Python: запросы, стриминг, JSON и обработка ошибокГотовый код для DeepSeek V4.1 Flash и V4 Pro на OpenAI SDK: запрос, стриминг, разбор JSON и аккуратная обработка ошибок.
- Промпт-инжиниринг: примеры и 12 готовых шаблонов для работыДвенадцать шаблонов промптов для рабочих задач: что в них написано, почему именно так и сколько стоит один вызов по API.