这是埋在我本地的一整套系列文章——6篇完整稿，讲透了 execute_code 从认知到实操到心态的全过程。今天全部整理发布。
—— 以下为第一篇全文 ——
我说：「把项目中所有旧API调用改成新的。」
它15秒就干完了，汇报了17个文件的改动清单。
而我，坐在那喝了一口水，什么事都没做。
你有没有觉得AI编程工具有哪里不对劲？
Copilot在我打字的时候给出灰色建议——我按Tab接受，然后自己贴到终端去跑。Cursor写了一整段逻辑——我复制到编辑器，手动运行看看对不对。Claude Code能执行命令——但每搜一个文件、每改一个地方，它都回来问我「这样可以吗？」
所有工具都假设同一个前提：AI负责写，人负责执行。
这两三年，我试过几乎所有主流AI编程工具。每次的体验都差不多：AI确实能写出不错的代码片段，但写完之后的工作流永远是——复制、粘贴、运行、看结果、复制错误、贴回去、让它改。循环往复。
本质上，我像一个传话筒，在AI和终端之间来回传话。
第一次用Hermes Agent时，我对它说：「把项目里所有requests.get改成httpx。」
它没有像往常一样在对话框里给我显示一段代码，然后等我去操作。它只说了一句「稍等」，然后大概15秒后回来：
「改好了，17个文件全部完成，跑了测试全部通过。」
我当时的第一反应是——等一下，它什么时候跑的？什么时候测试的？这中间发生了什么？
后来我才知道，在这15秒里，它自己完成了：搜索所有匹配文件→读取每个文件确认上下文→逐个执行替换→运行测试套件→汇总结果。没有一个中间步骤进到我的对话里来。
我下意识想复制代码去执行——才发现根本没有代码需要我复制。
这件事让我开始重新思考：AI编程工具到底应该怎么用？
对比一下传统AI和Hermes处理同一个需求的不同方式。传统AI的典型流程要6轮对话，每轮几KB的中间结果全部留在对话里，后续每多问一句，模型都要重新阅读这些中间信息。而Hermes Agent只用1次对话——中间执行过程完全在单独的子进程里完成。
我算过一笔账。同样一个三到四步的操作：传统AI一步步做消耗约21,000 token，execute_code一次完成消耗约500 token。节省了95%的上下文。
一开始我以为省钱是最大的好处。后来发现不是——更大的变化是心态上的。因为不担心中间结果撑爆对话，我开始更频繁地让AI去做一些以前觉得「不值当让AI做」的事情。
核心变化不是AI变强了，是我敢让它做的事变多了。
三个月前，我每天在终端和AI之间来回切换，感觉自己像个传话筒。
现在，我只需要说一句话，整件事就办完了。
—— 一切皆如
系列其他5篇继续阅读：
第②篇《三个让我拍桌子的execute_code场景》—— 批量重构、一键测试、多步调研的真实代码案例
第③篇《一个月省900万token？没吹牛》—— execute_code成本分析全曝光
第④篇《踩坑集：我犯的三个蠢错误》—— 替你们试过的双刃剑
第⑤篇《一张表说清楚该不该用》—— 什么时候用execute_code，决策清单
第⑥篇《三个月后我终于明白了》—— 从「值不值得让AI做」到「这活儿要不要做」