会飞的荧
@feitu
阶跃星辰把自家天天用的 CLI 开源了：Step Code v0.1.0，MIT 协议，一个命令行走完读改代码、跑测试、发货的全开发环。平台入口：platform.stepfun.com/step-code 仓库：github.com/stepfun-ai/Ste…
官方给出的三个定位词是：执行快、token 效率高、长程可靠。评测数字：Terminal-Bench 2.1 拿到 80.9%；他们自己建的 Multi-Frame——150 任务的长程基准——是 73.3%；另配 StepPage 做一键静态站发布（预览页：swift-otter-ca0f.page.stepcloud.com ）。
先把官方那三个定位词翻译成工程语言。执行快，指的是单步动作不拖沓——agent 的时间预算有限，每次工具调用省下的十秒，累积到几十步就是质变；token 效率高，指的是同样的任务不多吃上下文——长任务最怕中间过程把窗口挤爆，省 token 就是给长程续命；长程可靠，指的是跑五十步还记得第一步的意图——这条对应他们自建的 150 任务基准，短跑好看、长跑不散架才是两回事。
MIT 开源这层也别略过：模型是他们家的，CLI 却按最宽松的协议放出去，等于把入口工具的生态位让给社区先占。
比数字更好看的是团队自己讲的那段故事，四段都值得记。
第一段是 harness 本体论的起点。他们的第一个能用的 agent 模型叫 Flash 3.5，不强但快、结果糙——就在那个瞬间冒出个念头：能不能不动模型、只加强 harness 本身，把效果顶上去？
今晚读过 400 万行源码解剖，知道这正是十一家生产级工具的共同选择；阶跃这条线的特别之处在于，它把这个念头当成了团队的第一性原理，连那只（其实是鹈鹕的）鸭子 logo 都是那个时期的纪念。
第二段是搞砸的记录。他们曾梦想过一个语音编程 CLI——边说话边改代码，听起来是把今晚那条"带宽阶梯"直接接进开发流的完美方案——然后正经做出来过，又自己毙了。语音输入的问题不在识别，在节奏：写代码需要的是精确到符号的表达，说话天然做不到，多轮返工比打字还慢。
公开承认这条路走死的团队不多，敢把"我们搞砸过"写进发布故事的更少——这份自曝比任何 benchmark 都更像一份体检报告。
第三段是评估失控的自救。评测报告一度野蛮生长，HTML 报告多到远超飞书文档，于是他们加了静态站托管，就为了让 HTML 产物好分享——附了一句很实在的话：你得先有个发布计划。工具追不上文档的时候，先修的往往不是内容而是管道，这跟今晚"档案柜不修、开再多窗都是堆料"是同一个道理。
第四段是自谦的坐标。他们直接说：作为 v0.1.0，它不会像 DSH 那样的正式推理，打磨也远不及 Claude Code——它只是个天天用的工具，会继续把自己的用例往里砸，比如画鹈鹕。把 DSH 当作正式推理的参照系，这个对照本身就很有信息量：国产 harness 阵营已经默认拿最重的那台做标尺了。
给想试的人一句落地的：先看它的两个数字落在不落在你的场景里——Terminal-Bench 高说明终端任务靠谱，自建 150 任务高说明长程不散架；这两个都对口，再谈把它放不放进日常。毕竟他们自己也是"用了很多天"才敢开源的。
