Terminal Use (YC W26) — "AI Agent 的 Vercel" 深度研究

🎯 一句话版本

关于Terminal Use Yc W26 Report的深度研究报告

> Terminal Use 是一个面向文件系统型 AI Agent 的部署平台，专为 Claude Agent SDK、Codex SDK 等编码 Agent 设计。它将文件系统作为一等公民，提供持久化存储、沙箱执行、消息流式传输、版本管理和回滚等完整的 Agent 生命周期管理。

1. 产品详细分析

1.1 一句话定位

"Infra for Background Agents" — 像 Vercel 部署前端应用一样部署和管理 AI Agent。

• 官网：terminaluse.com
• 文档：docs.terminaluse.com
• YC 页面：ycombinator.com/companies/terminal-use
• Demo 视频：youtube.com/watch?v=ttMl96l9xPA

1.2 核心产品模型

Terminal Use 的产品模型围绕以下核心原语：

来源：Core Model 文档

1.3 两大核心循环

部署循环 (Deploy Loop)：

1. 编写 Agent 代码 (Python)

2. 执行 tu deploy

3. 平台创建新版本并激活到对应分支

运行循环 (Run Loop)：

1. 创建或选择 Filesystem

2. 创建 Task 关联到 Agent

3. 发送 Event 到 Task

4. 读取流式 Message，检查文件输出

1.4 Agent 开发模型

Agent 通过 Python 的 AgentServer 定义三个生命周期钩子：

from terminaluse.lib import AgentServer, TaskContext

server = AgentServer()

@server.on_create
async def handle_create(ctx: TaskContext, params: dict):
    # Task 创建时调用
    await ctx.messages.send("Task created.")

@server.on_event
async def handle_event(ctx: TaskContext, event: Event):
    # 用户发送消息时调用
    with open("/workspace/output.txt", "a") as f:
        f.write(event.content.text)

@server.on_cancel
async def handle_cancel(ctx: TaskContext):
    # Task 取消时调用
    pass

来源：Building Agents

1.5 开箱即用的 SDK 支持

• Claude Agent SDK：内置 adapter，将 Claude SDK 消息类型转换为 Terminal Use 类型
• Codex SDK：同上
• 自定义 Harness：使用 Terminal Use 自有类型（Vercel AI SDK v6 兼容）
• 前端集成：提供 Vercel AI SDK provider

1.6 CLI 工具

uv tool install terminaluse  # 安装
tu login                       # 登录
tu init                        # 初始化 Agent 项目
tu deploy -y                   # 部署
tu tasks create -a <agent> -m "hello"  # 创建任务
tu tasks send <task-id> -m "..."       # 发送消息
tu tasks pull <task-id> --out ./output # 拉取文件
tu rollback                    # 回滚
tu logs                        # 查看日志

来源：Quick Start

1.7 定价

截至 2026-03-22，Terminal Use 尚未公开定价页面。官网引导用户通过 预约 Demo 或发邮件 founders@terminaluse.com 了解价格。

这是典型的早期 B2B 销售策略 — 产品还在定型期，通过一对一沟通了解客户需求和付费意愿。

1.8 API 设计

Terminal Use 提供完整的 RESTful API，覆盖：

• Namespaces / Projects / Agents：资源管理
• Tasks：创建、发送事件、流式读取、取消、迁移
• Filesystems：创建、列表、上传/下载（支持 presigned URL 直传）
• Messages / Events / State：任务通信和状态管理
• API Keys / Webhook Keys / Groups：安全和权限

完整 API 索引：docs.terminaluse.com/llms.txt

2. 技术架构

2.1 沙箱方案：Bubblewrap

Terminal Use 使用 bubblewrap（而非 nsjail 或 Firecracker）作为沙箱方案。

具体实现：

• 创建独立的 user、PID、IPC、UTS namespace
• 网络共享（Agent 可调用模型 API 和外部服务）
• /proc 以只读方式挂载
• 环境变量清空后重新注入运行时环境
• Agent 代码以只读方式挂载

来源：Sandboxing 文档

与 E2B 的关键区别：E2B 使用 Firecracker microVM，提供更强的隔离（独立内核），但启动更慢（~200ms）。Bubblewrap 是用户态命名空间隔离，更轻量但隔离粒度较粗。

当前限制：

• 无沙箱级别的超时机制
• CLI 审批提示不属于平台本身（由 Agent 内部工具处理）

2.2 文件系统实现

Terminal Use 的最大差异化特性是将 Filesystem 作为独立于 Task 的一等公民。

三种文件流：

挂载规则：

• /workspace：挂载持久化 Filesystem（可读写或只读，取决于权限）
• /root/.claude：Task 作用域的 Claude 状态
• /root/.codex：Task 作用域的 Codex 状态
• /tmp：临时存储

Filesystem 同步机制：

• on_create 和 on_event 调用前自动 sync_down，调用后自动 sync_up
• on_cancel 不会自动同步（设计决策）

来源：Workspaces and Filesystems

推测的底层实现：文档未明确说明底层存储技术。从 archive flow 和 presigned URL 的设计来看，极有可能使用对象存储（如 S3）+ tar 归档方式实现持久化，在 Task 启动时解压到 sandbox 的 /workspace 目录。这不是 overlay fs 或 copy-on-write 方案，而是更接近 "sync before, sync after" 的模式。

2.3 消息流式传输

• Task 提供 Server-Sent Events (SSE) 端点用于实时流式读取消息
• 消息通过 ctx.messages.send() 从 Agent handler 发出
• 支持 TextPart、DataPart（结构化 JSON）等类型
• 与 Vercel AI SDK v6 消息格式兼容
• 提供 Vercel AI SDK provider 用于前端集成

来源：Frontend Integration

2.4 部署与版本管理

• Git-native：分支自动映射到 Environment（main → production，其他 → preview）
• Version Stickiness：可配置现有 Task 是否随新版本迁移
• Rollback：tu rollback 回滚到之前版本，使用目标版本的 secrets 快照
• Task Migration：可通过 API 将 Task 迁移到新版本（不用重新创建 Task 和 Filesystem）
• CI/CD 友好：所有配置在 config.yaml 中

来源：Deployments

3. 创始团队

3.1 创始人背景

• Vivek 和 Filip 大学时代就认识，在 Palantir 共事后成为密友
• 三人均在 Palantir 工作过，具有企业级软件交付和基础设施经验
• 公司成立于 2026 年，总部在旧金山，目前 4 名员工

LinkedIn 链接：

• Vivek Raja：linkedin.com/in/v-raja
• Stavros Filosidis：linkedin.com/in/stavrosfilosidis
• Filip Balucha：linkedin.com/in/filip-balucha

来源：YC Company Page、Fondo Blog

3.2 Palantir 经验的价值

Palantir 的经验对 Terminal Use 的产品设计影响深远：

1. 企业级数据隔离：Namespace/Project 的隔离设计直接源于 Palantir 对数据权限的严格要求

2. 复杂 Agent 编排：Vivek 在医院系统中领导大规模 Agent 部署的经验

3. 开发者平台思维：Stavros 的 dev tooling 基础设施经验塑造了 CLI-first 的产品哲学

4. 前端集成能力：Filip 的 Foundry 前端经验带来了 Vercel AI SDK 集成

4. 融资详情

4.1 已知信息

• YC W26 Batch：2026 年冬季批次
• YC 标准投资：$500K（SAFE，7% YC 标准条款）
• 额外融资：截至 2026-03-22，未发现 $30M 融资的公开报道

> ⚠️ 重要澄清：搜索 "$30M Terminal Use funding" 的结果指向的是另一家同名公司 "Terminal"（远程开发者招聘平台，成立于 2017 年，创始人 Jack Abraham / Joe Lonsdale），与本文讨论的 Terminal Use (YC W26) 无关。

4.2 合理推测

作为 YC W26 公司，目前可能处于：

• 完成 YC Demo Day（2026-03-18 左右）
• 正在进行 Seed/Pre-seed 轮融资
• 考虑到 AI Agent infra 赛道的热度和 Gustaf Alströmer（YC GP）的公开推荐，融资前景乐观

Gustaf Alströmer 在 X 上公开表示："The easiest way to set up Claude Agent SDK is Terminal Use. It's amazing."

— 来源

5. 竞品深度对比

5.1 赛道地图

AI Agent 基础设施赛道可分为几个层次：

5.2 详细对比

Terminal Use vs E2B

来源：E2B GitHub、E2B Blog

Terminal Use vs Modal

Terminal Use vs Daytona

来源：Daytona Series A

Terminal Use vs Fly.io / Replit / Gitpod

5.3 Terminal Use 的差异化优势

1. Filesystem 解耦：文件系统独立于 Task 生命周期，可跨 Agent 共享、fork、版本化

2. Agent 原生：不是通用计算平台改造的，而是从第一天就为 Agent 设计

3. Vercel 式 DX：Git-native 部署、preview/production 环境、回滚、日志

4. SDK 适配层：开箱即用的 Claude/Codex SDK 支持

5. CLI-first + AI-first：设计让 Claude Code 可以帮你构建、测试、迭代 Agent

6. 社区反馈

6.1 Hacker News Launch 分析

帖子：Launch HN: Terminal Use (YC W26) – Vercel for filesystem-based agents

• 115 points，73 comments
• 发布者：filipbalucha（联合创始人 Filip Balucha）

关键讨论主题：

1. "为什么不直接用 Docker?"：社区对 bubblewrap vs Docker/Firecracker 的取舍有疑问。Terminal Use 选择 bubblewrap 是因为更轻量且网络共享更简单（Agent 需要调 API）

2. Filesystem as first-class：这是社区反应最积极的特性。很多开发者在自己搭 Agent 时都遇到了文件持久化的痛点

3. 与 E2B 的区别：被多次提问。团队强调他们是"Agent 部署平台"而非"沙箱执行引擎"

4. 安全性担忧：网络共享引发了一些安全讨论，团队承认 preview URL 和 sandbox.exec() 还在 roadmap 上

6.2 Twitter/X 反馈

Gustaf Alströmer（YC 合伙人）公开推荐：

> "The easiest way to set up Claude Agent SDK is Terminal Use. It's amazing."

> — @gustaf

这种来自 YC GP 的公开背书在 YC 公司中并不常见，说明产品确实打动了一些关键用户。

6.3 内部 Dogfooding

团队在 YC 页面分享了一个有趣的内部用法：他们用 Terminal Use 来构建 Terminal Use 自身。具体方式：

• 开发了一个内部 Agent，可以按需启动不同的 coding harness（如 Claude Code + Ralph Wiggum Loop）
• 对同一个 plan 用不同 Agent 配置并行实现，选最好的
• 即将把这个内部工具作为产品发布：woz.terminaluse.com

来源：YC Company Page

7. 市场规模

7.1 Agentic AI 整体市场

来源：Precedence Research、Grand View Research

7.2 AI Agent 基础设施子赛道

AI Agent 基础设施是 Agentic AI 大市场的底层支撑层。合理估算：

• TAM (Total Addressable Market)：AI 基础设施整体市场 2026 年约 $90B，其中 Agent 运行时/沙箱/部署工具占比约 2-5%，即 $1.8B - $4.5B
• SAM (Serviceable Addressable Market)：面向使用文件系统型 Agent（coding agent、document processing agent）的开发者，估计 $200M - $500M
• SOM (Serviceable Obtainable Market)：作为早期创业公司，初期目标市场为使用 Claude Agent SDK / Codex SDK 的开发者，约 $10M - $50M

来源：Coherent Market Insights

7.3 赛道融资热度

这个赛道的融资密度说明投资人对 AI Agent 基础设施的信心很高。

8. 与小虾 (xiaoxia.app) 的关系

8.1 小虾概述

小虾 (xiaoxia.app) 是 Jay 正在开发的一个轻量级托管平台：

• 架构：Go 单体，两个服务（hosting + llmproxy）
• 功能：用户/Docker 容器管理 + OpenAI 兼容 LLM 路由
• 架构方向：Worker Agent 模式（控制面 + 数据面分离）
• 定价：$5/月 Pro，成本 $0.40/用户/月（Hetzner ARM），92% 毛利

8.2 交集分析

8.3 从 Terminal Use 学到什么

1. Filesystem 作为一等公民

- Terminal Use 把文件系统从 sandbox 生命周期中解耦出来，这是一个关键的产品洞察

- 小虾可以考虑：让用户的数据卷独立于容器生命周期管理，支持跨容器共享和快照

2. Git-native 部署

- Terminal Use 的 tu deploy 从 Git 仓库直接部署的体验非常好

- 小虾可以加入 Git webhook → 自动部署的能力，降低用户的操作成本

3. CLI-first 设计哲学

- Terminal Use 把 CLI 设计成了 AI-friendly 的工具，让 Claude Code 可以直接与平台交互

- 小虾的 Worker Agent 架构可以暴露简洁的 CLI/API，方便用户自动化

4. Task/Session 的抽象

- Terminal Use 的 Task 概念（对话+状态+文件系统）是对 "Agent 运行" 的优雅抽象

- 小虾如果要支持 Agent 托管，可以借鉴这个 Task 模型

5. 权限模型（Namespace → Project → Filesystem → Task）

- Terminal Use 的多层权限设计适合企业级场景

- 小虾的 Worker Agent 架构已经有控制面/数据面分离，可以在此基础上加入项目级隔离

8.4 小虾的独特定位

小虾有 Terminal Use 没有的几个优势：

• LLM Proxy：统一的 LLM API 路由，Terminal Use 不涉及
• 简单直接：$5/月固定价格，不需要理解复杂的 Agent 模型
• 通用容器托管：不限于 Agent，任何 Docker 容器都能跑
• 低成本：Hetzner ARM 方案，成本极低

Terminal Use 面向的是构建 Agent 产品的开发者，小虾面向的是需要简单托管的个人和小团队。两者虽然在基础设施层有交集（都管理容器化的运行时），但目标用户和产品复杂度完全不同。

9. 总结与判断

9.1 Terminal Use 做对了什么

✅ 精准定位：不做通用沙箱，专注 "filesystem-based agent" 这个具体场景

✅ Filesystem 解耦：这是真正的产品创新，解决了 Agent 开发中最头疼的文件持久化问题

✅ Vercel 式体验：Git-native、CLI-first、preview/production — 开发者立刻能理解

✅ Palantir DNA：团队有企业级软件和数据隔离的深厚经验

✅ Dogfooding：用自己的产品构建自己的产品，快速迭代

9.2 风险与挑战

⚠️ Bubblewrap 安全性：相比 Firecracker microVM，bubblewrap 的隔离级别较低，可能限制企业客户的采用

⚠️ 功能差距：自己承认缺少 preview URL 和 sandbox.exec() 等通用沙箱功能

⚠️ 4 人团队：与 E2B（更成熟）、Daytona（$31M 融资）相比，资源有限

⚠️ 锁定风险：Python-only 的 Agent runtime，TypeScript Agent 开发者被排除在外

⚠️ 竞争激烈：E2B、Daytona、Modal 都在快速推进

9.3 预测

Terminal Use 最可能的发展路径：

1. 短期（3-6 个月）：成为 Claude Agent SDK 和 Codex SDK 的默认部署方式，形成生态位

2. 中期（6-12 个月）：完善通用沙箱能力，向更多 Agent 框架扩展

3. 长期：要么被 Anthropic/OpenAI 自家平台替代（风险），要么成为 Agent 部署的事实标准（机会）

最大的不确定性在于：Anthropic 和 OpenAI 是否会自己做 Agent 托管平台。如果大模型厂商保持"只做模型"的策略，Terminal Use 有很大的机会。

附录：关键链接

评分

> 一句话总结：（报告的核心价值与我们的关联）