忘了 tar 的解压参数，又得临时搜索，是终端用户很熟悉的小麻烦。作者 PicassoOnPause 索性把 Qwen2.5-Coder-1.5B 微调成一名专职“命令翻译员”：微调就是用特定数据继续训练通用模型。它学了 12.5 万组自然语言需求与 Shell 命令——也就是终端操作指令——的配对数据，能把“解压某文件”直接写成带参数的命令。
作者把模型做成 Q4_K_M 量化版本，即用较低精度缩小模型，文件仅 941MB，可通过本地推理工具 llama.cpp 离线运行。在其 i5-11320H 笔记本 CPU、4 线程环境中，中位响应时间为 0.59 秒，占用 1.6GB 内存。作者自测称，它在 InterCode-ALFA 基准上得分 0.620，略高于未经微调的 7B 版本 0.613，但低于 GPT-4o 的 0.73。它的价值不在于通吃所有问题，而是证明窄任务小模型可以更轻、更快，也更直接。边界同样明确：作者提醒，它仍可能生成清空根目录等危险命令，使用前必须检查。