Fig（现已作为终端功能整合进 Amazon CodeWhisperer）曾是一款 AI 驱动的终端生产力工具，为现有终端直接添加类 IDE 的自动补全功能。专为在命令行中花费大量时间的开发者、DevOps 工程师和系统管理员设计，Fig 通过提供智能、上下文感知的命令补全和建议，彻底改变了终端使用体验。
Fig 的核心创新在于将代码编辑器中熟悉的自动补全体验带入终端环境。输入命令时，Fig 会显示一个弹出菜单，根据当前输入的命令、可用子命令、参数标志和参数值展示相关补全选项。这些补全精确且具有上下文感知能力，能够理解 git、npm、docker、kubernetes、aws 等数百种 CLI 工具的命令结构。
超越基础补全，Fig 能理解环境状态：根据当前目录提示相关文件路径、在 git 命令操作时显示分支名称、展示 package.json 中的 npm 脚本，或显示正在运行的 Docker 容器名称。这种环境感知能力使 Fig 的补全比通用 Shell 补全实用得多。
Fig 的 AI 功能包括自然语言命令生成——用普通语言描述想要完成的操作，Fig 会建议对应的命令，对于记忆复杂命令语法或发现未知参数标志特别有帮助。
被 Amazon 收购后，Fig 的终端智能功能已整合进 Amazon CodeWhisperer 的命令行集成，继续为希望在终端工作流中获得 AI 辅助的开发者提供服务。
主要功能
- 终端命令的 IDE 式自动补全弹窗，显示子命令、参数标志和参数值
- 上下文感知补全，理解 git、npm、docker、kubernetes 等 400 余种 CLI 工具
- 环境感知，在上下文中显示文件路径、git 分支和容器名称
- 自然语言命令生成，从自然语言描述生成对应命令
- Scripts 功能，用于创建和共享团队命令工作流
- Dotfiles 管理，跨设备同步终端配置
- 与现有终端（iTerm、Terminal.app、VS Code 集成终端）协同工作
- 支持 bash、zsh、fish 等主流 Shell
- 自定义内部工具的补全规范
- 已整合进 Amazon CodeWhisperer 持续提供终端 AI 辅助
常见问题
Fig 是免费的吗？
Fig 原本对个人用户完全免费，但自从被 Amazon 收购并整合进 Amazon CodeWhisperer 后，独立的 Fig 服务已停止运营。相关终端智能功能现在通过 Amazon CodeWhisperer 提供，CodeWhisperer 个人版对开发者免费。建议直接访问 Amazon CodeWhisperer 获取最新信息。
Fig 支持中文吗？
Fig 的界面主要为英文，但其终端补全功能不依赖语言——命令补全基于 CLI 工具的命令结构而非语言。对于中文开发者，所有核心补全功能（git、npm、docker 等）完全可用。自然语言命令生成主要针对英文描述优化，但基础补全功能对所有用户同样有效。
Fig 最适合哪类用户？
Fig 最适合每天在命令行中花费大量时间的开发者、DevOps 工程师和系统管理员。对于经常使用 git、docker、kubectl 等复杂 CLI 工具的工程师尤为有价值，能够大幅减少查阅文档和记忆参数标志的时间。对于 CLI 新手，Fig 的补全提示可以显著降低命令行的学习曲线。
Fig 最大的优势是什么？
Fig 最大的优势是将代码编辑器中习以为常的自动补全体验带入了终端——这种体验转变对开发效率的提升是立竿见影的。对 400 余种 CLI 工具的广泛支持和对环境状态的感知（显示实际的分支名、容器名、文件路径）使其补全比通用 Shell 补全更加实用和精准。
Fig 对初学者友好吗？
非常友好，事实上 Fig 对终端初学者的价值更大。当您不记得某个命令的子命令或参数标志时，Fig 的弹出提示会立即显示所有可用选项，大幅降低了命令行的学习门槛。安装后开箱即用，无需任何配置即可享受基础补全功能。
替代工具
编程的其他工具
Bolt.new
编程Bolt.new 是 StackBlitz 的 AI 全栈开发环境，可从自然语言提示在浏览器内直接构建、运行并部署完整的 Web 应用程序。
Codeium
编程Codeium 是免费的 AI 代码补全工具，支持 70 余种编程语言和主流 IDE，为开发者提供智能代码建议和聊天辅助。
Amazon CodeWhisperer
编程Amazon CodeWhisperer 是 AWS 推出的 AI 代码生成工具，专为 AWS 服务优化，提供实时代码建议并具备内置安全扫描功能。
Sourcegraph Cody
编程Sourcegraph Cody 是通过 Sourcegraph 代码智能技术实现深度全代码库理解的 AI 编程助手。
Continue
编程Continue 是开源的 AI 编程助手，支持连接任意 LLM，提供完全的模型选择自由度，无厂商锁定。
Cursor
编程Cursor 是专为 AI 协作编程打造的代码编辑器，提供智能代码补全、AI 对话和自动调试功能，大幅提升开发效率。
标签
相关指南
AI信息图表设计工作流2026：用Napkin AI、Canva AI、Figma AI和Gamma把数据做对再做美
从数据来源、指标口径和图形选择，到中文标签、组件、事实审核、无障碍与多渠道更新，建立可追溯的AI信息图设计流程。
AI展会物料设计工具推荐2026：用Canva AI、Figma AI、Adobe Firefly和Gamma从展台到会后跟进
更新时间：2026年7月31日 · 分类集群：AI 设计工具 展会物料不是把同一张海报放大、缩小十几次。 三米外的展台背板要让路过的人看懂你卖什么；桌上的折页要回答规格和适用场景；销售手机里的二维码要把不同客商带到正确页面；大屏视频不能遮住讲解；会后跟进邮件还要知道客户在现场看过哪款产品。每一件物料都服务于不同距离、不同停留时间和不同动作。 这篇指南面向参加广交会、行业展、招商会、海外展会和区域订货会的中文 B2B 品牌、外贸团队、制造企业、渠道销售、市场运营与设计工作室。我们会把 AI 展会物料设计拆成一条可执行的生产线：用 Figma AI 管展台信息系统与组件，用 Canva AI 做多尺寸营销物料，用 Adobe Firefly 处理场景和局部视觉，用 Gamma 做演示与销售说明，再用 PhotoRoom 保留真实商品主体。 findaiverse 编辑团队的原则是：让 AI 扩展方向、整理版式、处理背景和生成渠道候选，不要让它改写产品事实、证书、参数、价格、客户案例和品牌承诺。 展会现场的信息错误很难撤回。一块印错规格的背板、一张失效二维码、一幅把产品尺寸画大的场景图，都会同时影响销售解释、客户信任和后续跟进。真正高效的做法，是先建立事实源与物料地图，再让 AI 进入可控环节。 目录 先把展会物料当作一套访客界面 建立产品事实卡与展会信息架构 Canva AI、Figma AI、Firefly、Gamma怎么分工 从展位规划到交付印刷的12步流程 按距离、停留时间和语言设计内容 商品真实、合规表达、版权与生成记录 现场切换、线索归因与会后复用 findaiverse 选型观察 常见问题 核心要点 先画物料地图，再打开生成工具 — 背板、灯箱、台卡、折页、名片、演示、大屏、二维码和会后页面有不同任务。 把商品真相锁成数据源 — 型号、尺寸、材质、认证、产能、交期、价格条件和联系方式只能来自批准资料。 按工具擅长环节分工 — Figma 管系统，Canva […]
AI OKR复盘工具推荐2026：用Coda AI、ClickUp AI、Julius和Gamma把周报变成决策
OKR复盘最常见的问题，不是没有数据，而是数据、叙述和下一步分散在三个地方。 业务指标在表格里，项目进度在任务系统里，原因分析在会议纪要里。到了季度末，负责人把四周周报复制到PPT，再请AI写一段“整体稳中向好、仍需持续优化”。文字很顺，真正需要回答的问题却没出现：目标为什么没达成？哪项关键结果已经失去业务意义？谁要停止什么工作？下季度的资源应该挪到哪里？ 这篇指南写给做季度复盘、月度经营分析、项目复盘和团队OKR管理的负责人。我们会用Coda AI管理目标与证据，用ClickUp AI连接任务执行，用Julius AI核验指标，用Gamma生成会议汇报。四款工具只是参考架构，不是必买清单。中国团队还要考虑网络可用性、数据出境、账号管理和现有飞书、企业微信、钉钉或内部系统的集成成本。若现有表格已经稳定，先保留它，再解决一个明确缺口。 findaiverse策展团队比较AI生产力工具时，不会只看“能否一键生成复盘”。我们更关心四件事：结论能否回到原始证据，公式是否可审计，行动项是否有负责人和截止时间，发布前是否有人批准。好的AI OKR复盘不是替团队解释结果，而是让目标、数据、判断和行动之间少一层猜测。 最后核查：2026年7月27日。本文不含联盟营销链接。产品功能与价格会变化；涉及客户、员工、财务、合同和经营数据时，请先按公司制度完成安全、合规与权限评估。 核心要点 先复盘目标质量，再解释完成率 — 如果关键结果无法反映业务价值，高完成率也可能没有意义。 证据分四层 — 指标、项目、客户反馈、决策记录不能混成一段AI总结。 事实与假设分开写 — “转化率下降”是事实，“因为价格上涨”只有经过验证才是原因。 每个结论都要导向取舍 — 继续、停止、调整、补充资源，至少明确一种动作。 AI先做整理员，不做裁判 — 评分、预算、人事评价和对外承诺必须由授权人员确认。 目录 AI OKR复盘到底是什么 先检查目标是否值得复盘 建立四层证据模型 用Coda AI搭建复盘底表 用ClickUp AI核对执行 用Julius AI验证指标 用Gamma组织复盘会议 90分钟季度复盘流程 四周落地与安全边界 策展测试中常见的失败接口 常见问题 1. AI OKR复盘是什么：不是自动评分，而是把偏差变成选择 AI OKR复盘，是把目标定义、关键结果、指标明细、项目状态、客户证据和决策记录交给AI辅助整理，再由团队确认偏差原因、经验和下一周期动作的过程。AI可以归类、找矛盾、生成图表、提出待确认问题，也能把长材料压缩成会议提纲。它不应该独立给团队打分，更不应该根据完成率推断个人绩效。 OKR复盘至少要回答六个问题： 我们原本想改变什么业务结果？ 关键结果是否真的测量了这个变化？ 实际结果与目标差多少，数据是否可信？ 哪些因素有证据支持，哪些仍是假设？ 这段时间做过哪些关键取舍，效果如何？ 下一周期要继续、停止、调整或加码什么？ 只回答“完成了多少”会把复盘变成计分。比如KR写“发布20篇内容”，团队完成22篇，分数很好；但有效线索没有增长，目标可能测错了。AI若只读任务列表，会赞扬超额完成。真正的复盘应指出：产出指标完成，结果指标未改善，需要检查选题、渠道、转化路径或目标设计。 Microsoft的2024 […]
AI包装设计工作流2026：用Ideogram、Adobe Firefly、Canva AI和Figma AI从卖点到印前审稿
AI能在几分钟内生成一张“像包装”的图片，却不能替你交付一份能印刷、能上架、能追责的包装文件。 对中国品牌、电商团队和出海卖家来说，包装设计同时承担识别、卖点表达、法规信息、条码、运输保护和渠道适配等任务。把一句“做一款高级感护肤品包装”交给图像模型，通常能得到漂亮的瓶身和盒子，但图片里的中文可能错误，尺寸无法落到刀版，背标缺少必要信息，系列SKU也无法保持一致。本指南面向需要制作食品、美妆、家居、数码配件与跨境商品包装的品牌负责人、运营、平面设计师和小团队，讲清楚如何把Ideogram、Adobe Firefly、Canva AI与Figma AI放进同一条AI包装设计工作流。我们不会把概念图当成印刷稿，也不会用生成模型代替法规与供应商确认。目标是从卖点矩阵出发，得到可比较的方向、可复用的组件、可核对的内容清单，以及印厂能继续处理的交付包。 最后核对：2026年7月22日。findaiverse未收取本文所列工具厂商的推广费用。文中链接为编辑团队整理的工具目录链接，不构成法律或印刷规范意见。 目录 为什么AI包装图好看却不能直接印 Ideogram、Firefly、Canva AI、Figma AI怎么分工 先做卖点矩阵、SKU表与内容清单 用Ideogram探索文字与主视觉关系 用Adobe Firefly制作和修整视觉素材 用Canva AI生成渠道提案与电商版本 用Figma AI建立包装组件和审稿状态 从概念图到打样文件的七道检查 findaiverse案头评估带来的流程调整 常见问题 核心要点 生成图只负责探索 — 不把模型画出的中文、Logo、条码、规格和认证标识直接用于生产。 一套内容，一个真源 — 品名、净含量、成分、警示、厂商信息、条码与多语言文案都从批准后的内容表调用。 Ideogram看排版方向 — 适合探索文字与画面的组合，但最终中文仍需在可编辑排版软件里重做。 Firefly与Canva AI负责不同层级 — 前者用于生成、扩展与修整视觉素材，后者适合快速制作提案和渠道尺寸变体。 Figma AI帮助管理系统 — 用组件、变量、状态和评论把多SKU包装的修改与审批留在同一处。 印前必须人工放行 — 刀版、出血、色彩、字体、最小字号、条码、法规、材质和实物打样都要由责任人确认。 为什么AI包装图好看却不能直接印 包装概念图与生产文件之间有一条很长的距离。概念图回答“这个方向看起来怎样”，生产文件则要回答“每个面放什么、尺寸是多少、如何折叠、印什么颜色、用什么材质、哪个版本已获批准”。图像生成工具擅长前一个问题，却没有真实刀版、供应商设备、法规清单和品牌审批历史的完整上下文。 最常见的错误是把生成图里的文字当成排版。即使Ideogram等工具对图中文字的表现较好，中文品名、数字、标点、单位、繁简体、外文拼写仍可能出现细小错误。包装正面的一处错字会在成千上万件商品上复制。生成图中的条码也只是像条码的纹理，不能承担扫描与商品识别功能。认证标志、回收标识、专利或奖项同样不能因为“看起来需要”就被模型补上。 第二个问题是透视效果掩盖了空间限制。模型会把正面做得很宽，把侧面信息缩成装饰线，把瓶身曲率与标签接缝处理得恰到好处；真实容器却受可印区域、贴标公差、折线、封口、运输摩擦影响。屏幕上的3D效果不是结构工程结论。任何新结构都要回到包装供应商提供的刀版与材质参数。 第三个问题是SKU扩展。单个概念图可以很惊艳，但当同一系列出现6种口味、3种容量、国内版与出口版时，颜色、品名、规格、条码和警示信息必须按规则变化。没有组件和内容真源，运营人员会复制旧文件再手改，最终产生串码、错规格、旧地址等风险。 因此，AI包装设计应被视为一个受控的设计流程，而不是一次性生图。你可以在AI设计工具目录中寻找适合的工具，但必须提前规定：AI可以提议构图、图像和色彩；批准文案、商标、法规信息、结构尺寸与生产放行始终由人负责。 Ideogram、Adobe Firefly、Canva AI、Figma AI怎么分工 四款工具都有“设计”能力，但适合解决的问题不同。把每款工具限制在一个主要产物上，能减少文件来回导出后失去可编辑性的问题。 工具 […]