Step Code 是什么
Step Code 是阶跃星辰开源的终端编程智能体,代码托管在 GitHub
Step Code 是阶跃星辰推出的开源终端编程智能体,采用 MIT 协议,让开发者直接在终端环境中完成代码编写、调试、执行乃至交付,不必在多个窗口与环境之间反复切换。它在 Terminal Bench 2.1 评测中以 80.9% 的通过率并列第一,并且是所有并列第一的智能体中 Token 消耗最低的一个;在厂商自建的 Multi-Frame 长程基准测试中同样排名第一,长程任务的 Token 开销平均约 5.09M。工具还深度集成了 StepPage 静态站点一键发布能力,让「写完代码」到「拿到公开链接」的链路可以在终端内闭环完成。
对于习惯命令行工作流的开发者来说,Step Code 的价值在于把 AI 编程助手从「侧边栏对话框」搬回终端本体:上下文、文件、命令、权限都在同一个会话里管理,减少来回切换带来的注意力损耗。
Step Code 的主要功能
- 沉浸式终端编程智能体:无须离开终端界面,即可完成编码、调试、运行和交付的全生命周期管理,任务描述用自然语言表达即可。
- 卓越的长程任务处理机制:通过优化上下文调度引擎与工具链调用路径,剔除冗余信息与无效交互,处理超长、复杂任务时保持稳定;长程任务 Token 开销平均约 5.09M。
- 高性价比的 Token 策略:在同等通过率的顶尖智能体中,单位 Token 的综合成本优势明显。Terminal Bench 2.1 上它以 80.9% 通过率并列第一,同时是并列者中 Token 消耗最低的一个。
- StepPage 一键发布:本地静态页面构建完成后,仅需一条指令即可推送至云端生成公开访问链接,适合作品集、技术博客与项目文档的极速交付。
- 四档权限管控:通过 Shift+Tab 在 Ask、Read Only、Bypass、Autopilot 四种安全权限等级之间切换,高危指令在任何模式下都有的人工复核关卡。
- 项目级配置初始化:执行 /init 可生成定制化的 AGENTS.md 配置文件,系统原生兼容已有的 CLAUDE.md,迁移成本低。
- 会话续传与高频交互:支持 step -c 接续最近一次会话,step -r 检索历史记录挑选恢复,TUI 内输入 /resume 亦可;用 @ 关联文件、! 前缀直接下发 Shell 命令、Esc 随时中断、/hotkeys 查阅全量快捷键。
- 广泛的跨平台适配:兼容 macOS、主流 Linux 发行版以及 WSL,同时为 Windows 用户提供 PowerShell 测试版。
Step Code 仓库采用 MIT 许可,AGENTS.md 与 CLAUDE.md 均可作为项目配置
如何使用 Step Code
- 快速部署:类 Unix 系统(macOS / Linux / WSL)在终端执行 curl -fsSL https://static-openapi.stepfun.com/stepcode/install.sh | bash 一键安装;Windows 用户在 PowerShell 中执行 irm https://static-openapi.stepfun.com/stepcode/install.ps1 | iex。
- 状态核验:重新打开终端并输入 step –version,确认底层环境部署无误。
- 身份鉴权:运行 step login(或在 TUI 内输入 /login),通过浏览器完成 Step Plan 授权绑定;也可以直接配置 STEP_API_KEY 环境变量,走按量付费通道。
- 项目挂载与启动:切换到目标工程目录(cd /path/to/your/project),输入 step 拉起交互式 TUI。
- 意图表达与自动化:在交互界面直接用自然语言提出诉求;若在自动化脚本或 CI 流水线中,则用 step -p “任务描述” 实现免交互式驱动。
- 环境指引初始化:执行 /init 生成定制化的 AGENTS.md,让智能体快速理解项目结构与约定。
- 权限与交互调优:用 Shift+Tab 选择当前任务需要的权限档位,配合 @、!、Esc 等快捷操作把常用动作收敛到键盘上。
Step Code 的使用场景
- 接管陌生代码库:面对错综复杂的遗留项目,可以让智能体深度剖析目录架构、梳理核心业务逻辑,迅速拉低上手学习曲线。
- 日常功能迭代与排错:在终端里口语化地描述改动点(例如「为用户注册接口补充图形验证码校验」),系统会自动编排编码、测试与纠错流程。
- 大型跨文件重构:依托长序列建模能力与较低的 Token 损耗,可以驾驭跨越数十个文件的宏大重构任务,降低 AI 试错成本。这类工作流与 TRAE、通义灵码 等 AI 编程工具覆盖的「整仓理解 + 批量改写」需求相近,区别在于 Step Code 把交互面收敛到了终端。
- CI/CD 与脚本集成:借助 step -p 提供的纯命令行免交互模式,把 AI 编程能力嵌入自动化流水线或定时运维脚本。对习惯用命令行管理任务的团队,也可以参考 Komandi 这类命令行/终端命令管理工具的组织方式。
- 静态产物极速交付:无论是个人作品集、技术博客还是项目说明文档,完成静态页面本地编译后,一键执行 StepPage 即可发布至互联网。
Step Code 与同类终端编程工具对比
当前市场上不乏优秀的同类竞品,例如同样备受关注的 DeepSeek-TUI。若将两者置于同一天平上:Step Code 作为阶跃星辰生态的破局之作,虽然底层架构未过分强调特定技术栈,但专为 Step 系列模型深度调优,在权威的 Terminal Bench 2.1 与多框长程测试中双双拔得头筹,且长程任务的 Token 开销压制在平均 5.09M 的低水准。相比之下,基于 Rust 打造、采用全屏 ratatui 界面的 DeepSeek-TUI 深度绑定了 DeepSeek V4 模型矩阵,拥有百万级上下文以及工作区回滚、LSP 诊断和子智能体并行等丰富特性。两者在安装生态、交互哲学(如 Step Code 的四档权限对阵 DeepSeek-TUI 的 Plan / Agent / YOLO 模式)上各有千秋,均代表了当前终端 AI 编程工具的顶尖水平。
| 对比维度 | Step Code | DeepSeek-TUI |
|---|---|---|
| 开发方 / 生态 | 阶跃星辰,专为 Step 系列模型调优 | 绑定 DeepSeek V4 模型矩阵 |
| 开源协议 | MIT | — |
| 实现与界面 | 终端内交互式 TUI | 基于 Rust,全屏 ratatui 界面 |
| 评测表现 | Terminal Bench 2.1 通过率 80.9% 并列第一;Multi-Frame 长程基准第一 | — |
| Token 开销 | 并列第一中最低;长程任务平均约 5.09M | 百万级上下文 |
| 权限 / 模式 | Ask、Read Only、Bypass、Autopilot 四档 | Plan / Agent / YOLO 模式 |
| 特色能力 | StepPage 静态站点一键发布 | 工作区回滚、LSP 诊断、子智能体并行 |
如果你更偏好图形化界面或云端协作式的编程助手,也可以横向了解 扣子编程、豆包MarsCode 等面向不同工作形态的产品,再结合团队现有的工具链做选择。
Step Code 的常见问题解答
- Step Code 支持哪些操作系统?
- 兼容 macOS、主流 Linux 发行版以及 WSL,Windows 用户可以使用 PowerShell 测试版。类 Unix 系统用 curl 管道脚本一键安装,Windows 侧则用 PowerShell 的 irm 命令安装。
- Step Code 怎么登录和计费?
- 运行 step login(或 TUI 内的 /login)通过浏览器完成 Step Plan 授权绑定;也可以配置 STEP_API_KEY 环境变量,直接走按量付费通道。项目本身以 MIT 协议开源,具体套餐与价格以官方渠道公布为准。
- 担心智能体误执行高危命令怎么办?
- 用 Shift+Tab 在 Ask、Read Only、Bypass、Autopilot 四档权限之间切换即可。Read Only 模式适合先让智能体摸清代码库,Ask 模式会在关键动作前请求确认,只有在你明确选择更高权限档位时,智能体才会执行更激进的操作。
Step Code 官网网址
Step Code 的官方开源仓库地址是 https://github.com/stepfun-ai/Step-Code,仓库内提供完整的安装脚本入口、AGENTS.md 与 CLAUDE.md 配置说明、权限档位与快捷键文档,欢迎开发者参与共建。安装脚本与静态资源托管在 https://static-openapi.stepfun.com/stepcode/install.sh。
OpenI AI时代点评
Step Code 把 AI 编程助手的战场重新拉回终端,这个选择本身就很克制:面向的是已经习惯命令行、对上下文与权限敏感的专业开发者,而不是追求开箱即用的大众用户。Terminal Bench 2.1 上 80.9% 的通过率并列第一,同时把 Token 消耗压到并列者中最低,长程任务平均约 5.09M 的开销,说明它的竞争力不只是「跑得对」,还有「跑得省」——这在动辄跨越数十个文件的重构任务里会直接转化为成本优势。四档权限切换与 /init 生成 AGENTS.md 兼容 CLAUDE.md 的设计,也让它在安全和迁移成本两件事上都留了余地。当然,作为新近开源的终端智能体,它的生态成熟度、第三方模型适配广度仍有待时间检验,是否值得纳入主力工具链,建议先用一个真实的中等规模仓库做一轮试用再决定。


