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
Coding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项目管理工具推荐2026：Notion AI、ClickUp AI、Make、Zapier 的中文团队落地指南
最后更新：2026年6月21日 · findaiverse 策展团队 搜索AI项目管理工具推荐的人，往往不是缺一个待办清单，而是被项目里的灰色地带拖住了：需求在微信群里说过，会议纪要没人确认，任务有负责人却没有验收标准，自动化流程跑了两周才发现数据写错了字段。中文团队尤其容易遇到一个问题：大家都很忙，也都愿意配合，但信息入口太多，最后没有一个地方能回答“现在到底以哪个版本为准”。 这篇指南面向中文创业团队、跨境电商团队、内容团队、SaaS小组和远程协作团队。我们会围绕 findaiverse 的 生产力AI工具分类，比较 Notion AI、ClickUp AI、Make、Zapier AI，并补充 Reclaim 这类时间管理工具的用法。重点不是“哪个功能最多”，而是中文团队如何把知识、任务、会议、自动化和复盘连接成一套能长期运行的项目系统。 目录 AI项目管理工具先解决什么问题 Notion AI：把项目背景变成可搜索的团队记忆 ClickUp AI：让负责人、截止日期和状态可见 Make 与 Zapier AI：自动化交接，而不是自动化判断 会议、群聊和文档之间的任务流 中文团队常见落地坑 21天上线计划 FAQ 核心要点 先定信息入口 — 邮件、飞书、微信群、会议纪要都可以产生任务，但正式任务必须回到同一个系统。 Notion AI适合知识和背景 — 项目说明、客户语言、决策记录、SOP和复盘文档更适合放在Notion里。 ClickUp AI适合执行和报表 — 多负责人、多截止日期、多项目依赖时，ClickUp的结构更清晰。 Make和Zapier AI要处理交接 — 表单到任务、订单到通知、会议纪要到待办可以自动化，退款、承诺、合同不应完全自动化。 AI输出必须有人确认 — 中文表达里“可以看看”“先这样吧”“回头处理”经常不是明确承诺，AI容易写得过于确定。 1. AI项目管理工具先解决什么问题 选AI项目管理工具之前，团队要先说清楚自己到底想解决什么。是任务漏掉？是项目状态不透明？是会议后没人跟进？是客户需求散落在不同聊天软件？还是老板需要每周看项目进度，却只能靠人工整理？不同问题对应不同工具。如果只是想让文档写得更快，Notion AI就能提供帮助。如果要管理复杂交付、里程碑和负责人，ClickUp AI会更合适。如果问题在应用之间来回复制数据，Make或Zapier AI才是关键。 很多中文团队把项目管理做成了“人肉中台”。运营同事在群里收需求，项目经理在表格里改状态，负责人在文档里写说明，老板在周会上口头追问。每个人都很努力，但系统没有把努力连接起来。AI工具的价值不是替代人，而是减少这些重复交接，让项目状态更早暴露。 […]
AI英文写作工具推荐2026：Grammarly、QuillBot、Claude、ChatGPT 帮中文团队写邮件、论文和出海内容
最后更新: 2026-06-26 · 写作AI 中文团队做英文写作时，最常见的困难不是不会用AI，而是不知道怎样把AI输出变成可以发给客户、投给期刊、放到官网、发到LinkedIn的成品。ChatGPT可以很快写一封英文邮件，Claude可以改一篇长文，Grammarly可以检查语法，QuillBot可以改写句子。但如果没有流程，结果往往是：文字看起来顺了，意思却变弱了；语气变礼貌了，关键条件却被删掉了；文章像英文了，但证据链没有了。 这篇文章面向外贸团队、SaaS创业公司、留学生、研究人员、内容运营、跨境电商和出海市场团队。我们会用 Grammarly、QuillBot、Claude AI、ChatGPT、ProWritingAid、Jasper AI 和 Copy.ai 搭建一套英文写作工作流。更多工具可以在 findaiverse 写作工具分类 和 AI工具目录 查看。 我的建议是：不要问“哪个AI最会写英文”。更好的问题是“我现在卡在哪一步”。有些人卡在语法，有些人卡在结构，有些人卡在英文语气，有些人卡在引用和事实，有些人卡在出海营销的表达。不同问题要用不同工具解决。 目录 中文团队为什么需要英文写作工作流 英文邮件、论文和出海内容的六类任务 Grammarly、QuillBot、Claude、ChatGPT怎么分工 把英文邮件写清楚的实操流程 出海文章、论文和产品页面怎么编辑 团队规则、隐私和审核 findaiverse选型观察 常见问题 核心要点 先分任务再选工具 — 英文邮件、论文、营销页面、产品说明和社媒内容不是同一种写作。 Grammarly适合日常英文校对 — 它能实时检查语法、语气和清晰度，但不能替你判断业务承诺。 QuillBot适合改写，不适合逃避原创 — 用它比较表达方式，而不是隐藏复制内容。 长文要看结构和证据 — Claude和ChatGPT适合检查大纲、逻辑和读者问题，事实仍要人工核对。 中文团队为什么需要英文写作工作流 很多中文团队已经会用AI写英文。问题是，英文写得像不像，不等于能不能直接发布。外贸邮件需要准确表达条件，SaaS官网需要避免过度承诺，论文摘要需要保留方法和限制，跨境电商详情页需要真实描述产品，LinkedIn内容需要自然但不夸张。每种场景都有不同风险。 如果只把中文想法扔给ChatGPT，让它写成英文，第一版通常会很流畅。可是流畅会掩盖问题。比如“我们会尽快发货”被写成“we will ship immediately”，语气强了；“可能需要额外费用”被弱化，条件丢了；“适合多数用户”变成“perfect for everyone”，承诺过头了。AI不是故意出错，它只是把文字往更顺的方向推。 所以英文写作要拆成流程。先确定目的，再列事实，再生成初稿，再检查结构，再用Grammarly或ProWritingAid校对，再用QuillBot或Wordtune尝试表达，最后由人确认风险。这个流程比追求一个万能工具更可靠。 findaiverse的写作工具分类里有很多工具，包含通用助手、文案工具、语法检查、改写和品牌内容平台。选型时不要只看功能介绍，要看你的英文内容失败在哪里。如果是邮件不清楚，先用Grammarly；如果是长文结构乱，先用Claude；如果是营销文案量大，再考虑Jasper或Copy.ai。 英文邮件、论文和出海内容的六类任务 第一类是商务邮件。它要求清楚、礼貌、可执行。邮件不是展示文采的地方。收件人应该在十秒内知道你是谁、为什么写、对方需要做什么、截止时间是什么。AI可以帮你把语气变自然，但你要负责事实和下一步动作。 第二类是客户支持和售后回复。这里风险更高，因为一句话可能变成承诺。退款、发货、质保、赔偿、技术限制、账号封禁、平台规则，都不能由AI自由发挥。先写清楚公司政策，再让AI整理表达。 第三类是论文和学术写作。QuillBot、Grammarly和ChatGPT能帮助改写、检查语法、整理摘要，但不能替代阅读文献和引用。学术写作最重要的是方法、证据、引用和边界。改写工具不能把别人的观点变成你的观点。 第四类是出海营销内容。官网、广告、落地页、邮件序列、产品介绍需要清楚的卖点，也需要克制。中文营销里常见的强表达，直接变成英文可能显得夸张。Jasper和Copy.ai能快速生成多个版本，但需要品牌语气和合规审核。 […]
AI商品图制作流程2026：中文电商团队用Firefly、Canva AI、Remove.bg和Midjourney做主图与详情页
最后更新：2026年6月24日 · 作者：findaiverse 策展团队 · 本文不包含付费推荐位。 对中文电商团队来说，商品图已经不只是“拍得好看”这么简单。一个SKU可能同时需要淘宝或独立站主图、小红书封面、抖音短视频封面、详情页首屏、活动横幅、私域海报和广告素材。设计师忙不过来，运营又不能等，结果经常是临时套模板、反复改尺寸、上线后再发现颜色不准或文案太夸张。AI商品图制作流程的价值，不是让AI凭空画一个商品，而是把真实商品照片变成一套可复用、可检查、可快速改版的视觉资产。 这篇文章面向跨境卖家、国内电商运营、品牌市场团队和内容创作者。我们会把流程拆成四件事：先用真实照片锁定商品事实，再用AI去背景和修图，然后生成场景或背景，最后把已确认的图片做成不同渠道的主图、详情页和广告版式。这样做速度很快，但不会把产品颜色、包装、材质、配件和尺寸交给模型随意发挥。 工具方面，Remove.bg适合快速抠图，Photoroom适合移动端商品图和模板化处理，Adobe Firefly适合商业安全要求更高的修图与画面扩展，Midjourney适合找视觉方向，Canva AI适合把图片变成海报、封面和多尺寸广告。不要问哪一个工具最强，先问你的团队在哪个环节最慢。 目录 为什么商品图进入AI工作流时代 中文电商团队的工具分工 先拍好真实商品照片 抠图、修图与商业安全 生成生活方式场景 制作主图、详情页和广告版式 上线前检查清单 常见问题 核心要点 真实照片是底线 — AI可以换背景、补光、扩图，但不应该随意改变商品本身。 把流程拆开 — 抠图、修图、场景生成、版式设计最好用不同工具处理。 商业广告优先考虑Firefly — Adobe工作流更适合品牌团队做图层管理和合规检查。 Midjourney适合做方向 — 用它找氛围、光线和构图，不要完全相信它生成的产品细节。 上线前按商品信息检查 — 颜色、配件、包装、文案、尺寸和使用场景都要核对。 1. 为什么中文电商的商品图需要AI工作流 中文电商的视觉需求非常碎。一个商品在淘宝、天猫、拼多多、抖音、小红书、视频号、独立站和私域社群里的呈现方式都不一样。平台主图需要清晰，详情页需要解释，短视频封面需要抓眼，直播预告需要强促销感，品牌海报又不能太廉价。如果每次都从零设计，团队会被尺寸和小改动拖住。 AI工具的作用，是把真实商品照片变成可重复使用的资产。你可以先获得透明背景商品图，再做白底主图、场景图、促销海报、详情页模块和社媒封面。对小团队来说，这意味着一个运营不必等设计排期，也可以先做出80分的素材；对大团队来说，这意味着设计师可以把时间放在核心视觉和品牌系统上，而不是反复抠图和改尺寸。 风险也很明显。AI可能让产品更亮、更大、更有质感，甚至把不存在的配件放进画面。一个杯子旁边多了勺子，一个护肤品瓶身文字变形，一个包包材质从帆布变成皮革，这些都可能造成消费者误解。中文平台用户对“图文不符”很敏感，售后和差评会很快反馈出来。 所以你可以先打开findaiverse的AI图像生成工具分类，把工具分成生成类、编辑类、抠图类和设计类。不要把所有AI图像工具都当成同一种产品。电商团队最需要的不是一次惊艳，而是每天都能稳定生产且不出错。 2. AI商品图制作的工具分工 选工具时，先列出你的瓶颈。如果你每天要处理几十张商品照片，瓶颈可能是抠图。如果你要做大促页面，瓶颈可能是背景和版式。如果你要做品牌广告，瓶颈可能是视觉方向和合规检查。下面这张表可以作为中文电商团队的基础配置。 环节 推荐工具 适合用途 注意事项 快速抠图 Remove.bg 透明PNG、白底图、批量商品处理 玻璃、金属、毛发边缘要放大检查 商品图模板 Photoroom […]
AI搜索工具推荐2026：Perplexity、NotebookLM、ChatPDF 如何搭建研究流程
最后更新：2026-06-23 · 分类：AI搜索工具 很多人搜索“AI搜索工具推荐”，其实想问的是：现在除了传统搜索引擎，还有什么更快的方法能找到可靠答案？但到了2026年，真正有价值的不是一个更会总结的搜索框，而是一套可以把问题、来源、PDF、内部资料、比较表和最终笔记连接起来的研究流程。AI搜索的目标不是让你少看来源，而是让你更快找到应该看的来源。 这篇文章面向创业者、市场团队、产品经理、研究员、学生、内容编辑和开发者。核心工具包括 Perplexity AI、NotebookLM、ChatPDF、ChatGPT、Gemini 和 Phind。你也可以从 findaiverse AI搜索工具分类 和 AI工具目录 继续查找相关工具。 我的建议很简单：不要把所有搜索任务都交给一个聊天框。公开网页研究、资料包分析、PDF问答、技术搜索、竞品比较、最终报告写作，是不同工作。工具分工清楚，研究结果才更容易验证，也更容易在团队里复用。 目录 AI搜索不是答案框，而是研究流程 中文团队应该分开的六类搜索任务 Perplexity、NotebookLM、ChatPDF、ChatGPT、Gemini对比 从问题到可验证笔记的工作流 引用、时效和幻觉怎么检查 不同角色的推荐组合 findaiverse选型观察 常见问题 核心要点 先分任务，再选工具 — 公开网页、内部资料、PDF、技术问题和最终笔记需要不同工具。 引用不是终点 — AI给出链接后，仍然要打开原文，检查日期、上下文和来源质量。 NotebookLM和ChatPDF适合有边界的资料 — 当答案应该来自某些文件时，先限制资料范围，再让AI回答。 Perplexity适合快速找公开来源 — 它适合建立资料地图，但重要结论仍要人工确认。 AI搜索不是答案框，而是研究流程 早期AI搜索给人的感觉像答案框。你输入问题，它给你一段整理好的回答，再附上几个链接。这个体验很爽，因为不用在十几个网页之间来回跳。但它也容易制造错觉：回答读起来很顺，就好像研究已经完成了。实际上，流畅的文字和可靠的证据是两回事。 引用链接可能并不支持回答里的那句话。网页可能已经过期。某个观点可能来自广告文章，而不是官方资料。AI也可能把几个页面的内容合在一起，生成一个没有任何单一来源明确说过的结论。所以AI搜索应该被放进研究流程，而不是被当成最终判断。 一个更稳的流程是：先把问题写清楚，再找公开来源，再检查来源质量，然后把重要PDF和资料放进NotebookLM或ChatPDF，接着比较相同点和冲突点，最后写成可以复查的笔记。每一步AI都能加速，但每一步也都要保留人能验证的痕迹。 Perplexity 适合公开网页探索，NotebookLM 适合资料包分析，ChatPDF 适合PDF问答，Phind 适合开发者技术搜索。ChatGPT和Gemini则更像通用助手，适合整理问题、生成表格、写摘要和做下一步计划。 中文团队应该分开的六类搜索任务 第一类是公开网页研究。市场变化、竞品动态、价格、产品功能、政策、新闻、用户讨论，都属于这一类。可以先用Perplexity或Gemini快速找到候选来源。这个阶段不要急着写结论，重点是建立资料地图：哪些是官方页面，哪些是媒体报道，哪些是用户评价，哪些只是二次整理。 第二类是资料包分析。很多团队手上已经有报告、会议记录、客户访谈、内部文档、白皮书和PDF。这个时候，如果先问整个互联网，反而会让信息变乱。更好的方式是把资料放进NotebookLM，然后要求它只基于这些资料回答，列出一致点、矛盾点和信息缺口。 第三类是PDF问答。合同、论文、说明书、财报、研究报告常常很长。ChatPDF适合快速定位定义、条款、数据和结论。但不要只看AI摘出的句子。合同和研究报告的意义经常藏在前后段落、例外条件和脚注里，必须打开引用页阅读。 第四类是技术搜索。开发者查错误信息、API变化、框架配置和代码示例时，需要更专业的上下文。Phind适合这类任务，因为它面向技术问题。但最终命令和代码仍要回到官方文档、本地版本和测试结果。AI给出的代码能帮助理解，但不能替代验证。 第五类是比较。比如比较几个AI工具、几个供应商、几个SaaS套餐。AI可以很快生成表格，但表格里的价格、限制、地区、API、隐私条款都可能变化。建议在表格里增加“官方确认”“价格页确认”“用户反馈”“未确认”这些状态，而不是只写结论。 第六类是最终笔记。好的研究笔记不是一堆复制来的链接，而是包括问题、短答案、证据、不确定点、建议、下一步和来源。这个结构会让团队后来复查更容易。尤其是竞争分析、投资判断、选型报告和客户提案，必须留下为什么这样判断的证据链。 Perplexity、NotebookLM、ChatPDF、ChatGPT、Gemini对比 任务 […]