什么是 pty:Ghostty、伪终端与 zsh 的关系

一、终端窗口背后的三个角色

平时说“打开终端”,指的是点开 Ghostty 或 iTerm2 这样的软件,窗口里出现一个 $ 提示符。用起来像是一个整体,其实背后跑着三件不同的事:终端模拟器(Ghostty)、伪终端(pty),以及 Shell(比如 zsh)。

Ghostty 是普通的桌面图形程序,负责画窗口、接收键盘输入并编码成字节流发出去,再把读回来的字节按 VT/ANSI 转义序列解析成字符、颜色和光标位置。它不理解命令语法,也不知道当前工作目录在哪。

真正读命令行、展开通配符、维护环境变量并用 fork/exec 启动 ls 或 vim 的是 zsh。但 zsh 以及它启动的大部分命令行程序,都默认自己连着一个终端设备,而不是普通的字节管道。

夹在 Ghostty 和 zsh 中间的,就是操作系统内核提供的伪终端(pseudo-terminal,简称 pty)。在任意终端里跑一下 tty,打印出来的路径就是内核给当前 Shell 分配的设备节点(macOS 上是 /dev/ttysNNN,Linux 上是 /dev/pts/N):

$ tty
/dev/ttys008

三者之间的位置和接口关系是这样的:

角色所在位置主要做的事对外接口
Ghostty / iTerm2用户态(界面端)收发键盘与输出字节,按 VT/ANSI 序列渲染窗口持有 pty 的 master 文件描述符
pty内核态连接两端,运行行规程、记录窗口尺寸与控制会话暴露 master 和 slave 两个端点
zsh 及子程序用户态(程序端)解析命令、运行脚本和 CLI/TUI 工具0/1/2 号描述符指向 slave 设备文件

把 zsh 换成 bash、fish 或者直接跑 python3,Ghostty 和 pty 的工作方式不变;把 Ghostty 换成 iTerm2 或 VS Code 的内置终端,里面跑的还是同样的 zsh。

二、直接用管道连不行吗

Ghostty 和 zsh 都是用户态进程,一个送按键,一个收输出。既然操作系统本来就有匿名管道(pipe),Ghostty 为什么不直接开两根管道接住 zsh 的标准输入和标准输出,非要让内核多造一套 pty?

把常用程序接到管道上试一下,就能看到哪里行不通。

先看 Shell 本身。用管道把输入喂给 zsh:

$ echo 'echo hi' | zsh
hi

zsh 发现标准输入不是终端,直接把读到的内容当成脚本执行完就退出了,连提示符都不会打。不带参数的 python3 也是一样。

再看程序输出。下面这段脚本每秒打印一行数字:

# count.py
import time

for i in range(3):
    print(i)
    time.sleep(1)

直接运行 python3 count.py,每隔一秒出来一行;后面接上 | tee count.log,屏幕会先静默三秒,等脚本退出的瞬间三行一起出现。Python 和 C 标准库在初始化标准输出时都会检查 fd 1 是不是终端:接终端时用行缓冲(Python 下 sys.stdout.line_buffering 为 True),遇到 \n 就刷新;接管道或普通文件时改成块缓冲(Python 默认 8192 字节,对应 io.DEFAULT_BUFFER_SIZE),count.py 总共只打印 6 个字节,只能一直攒到进程退出才写进管道(加 python3 -u 可以强制关掉缓冲)。

下面这个模拟对比了两种情况下的缓冲时机:

不只是缓冲,很多命令行工具都会根据是不是终端切换行为:

程序连着终端时连着管道或文件时
Python、C 标准输出行缓冲,见 \n 就刷新块缓冲,攒满或退出才刷新
ls按窗口宽度多栏排版一行一项
grep --color=auto高亮匹配词不输出 ANSI 颜色序列
git log自动拉起 less 分页直接全部打印
cargo build底部渲染动态进度条不输出进度条
无参数的 python3、zsh进入交互式提示符把读到的内容当脚本执行

程序做这个判断靠的是 isatty(fd)(Python 里是 sys.stdout.isatty())。在 macOS 和 Linux 的 libc 里,isatty 的做法很直接:对文件描述符调一次 tcgetattr(底层对应 macOS 的 TIOCGETA 或 Linux 的 TCGETS ioctl)。终端驱动认得这个调用并返回属性结构,管道和普通文件则报错 ENOTTY(25 号错误):

$ echo | python3 -c 'import termios; termios.tcgetattr(0)'
termios.error: (25, 'Inappropriate ioctl for device')

除了缓冲和排版,管道还缺少终端的控制语义。管道不知道窗口有几行几列,拖动窗口大小时也没法通知里面的程序重绘;往管道里写 0x03(Ctrl-C),对于像 sleep 这样根本不读标准输入的程序来说毫无作用。

所以内核才需要 pty。早期的物理终端通过串口线连到主机,内核 tty 子系统分为两层:上层是行规程(line discipline),处理字符回显、退格编辑、换行转换和信号产生;下层是串口驱动,对接物理串口硬件。今天串口硬件没有了,pty 保留了完整的 tty 上层和行规程,只把底下的串口驱动替换成一对对接用户态的软件端点:

  • slave(如 /dev/ttys008 或 /dev/pts/5):向上暴露成标准的终端字符设备。zsh 和它启动的命令把 0、1、2 号描述符指向这里,就能通过 isatty() 检查,拿到完整的 termios、窗口尺寸和信号机制。
  • master:一个普通文件描述符,留在 Ghostty 这类控制程序手里。写往 master 的字节先经过内核行规程再到达 slave;子进程写向 slave 的字节经过输出处理后从 master 读出。

电传打字机到 VT100 的这段来历,我在终端、TTY 与 PTY里写过。

三、pty 比管道多了什么

行规程(termios)是最直接的一层处理。新建 pty 默认处于 canonical(cooked)模式:你敲下的字符会被内核自动回显,按退格键时内核从行缓冲里删掉上一个字符,直到按回车才把整行交给程序。同时内核默认开启了输出标志 OPOST 和 ONLCR,程序往 slave 写一个 \n,行规程会自动补成 \r\n 再送到 master,这是电传打字机时代回车与走纸分离留下来的规矩。而 vim、htop 这类全屏 TUI 程序,或者自己做行编辑的 zsh,会主动调 tcsetattr 关掉回显和行缓冲(进入 raw 模式),直接接收按键的原始字节。这些开关用 stty -a 都能看到。

pty 还记录着窗口尺寸。内核在 pty 上存了一份 winsize(行数和列数)。Ghostty 在新建标签页以及每次窗口大小变化时,都会对 master 调用 ioctl(TIOCSWINSZ) 更新尺寸。只要尺寸变了,内核就会向绑定在这个终端的前台进程组发 SIGWINCH 信号,ls 才能按最新宽度分栏,vim 才能重绘界面。

终端里的 Ctrl-C 和关窗退出,靠的是会话控制与信号分发。按下 Ctrl-C 时,不管前台跑的是 sleep 还是别的压根不读标准输入的程序,都会立刻收到 SIGINT 退出。这是因为 pty 绑定了整个会话的控制终端(controlling terminal),并且记着当前哪个进程组在前台(tpgid)。行规程收到 0x03 时不把它当数据往下传,而是直接给前台进程组发信号。当 Ghostty 关掉标签页、关闭手里的 master 描述符时,内核向这个控制会话发送 SIGHUP,里面的 shell 和前台任务随之退出。

控制终端还支撑了 /dev/tty 寻址,常见场景是密码输入。用管道给 Python 的 getpass 喂密码:

$ echo from-pipe | python3 -c 'import getpass; print(getpass.getpass())'
Password:

from-pipe 并没有被读进去,程序仍然停在 Password: 等键盘输入。getpass(以及 sudo、ssh)不读标准输入,而是直接打开 /dev/tty。/dev/tty 不是固定的具体设备,而是一个内核别名:哪个进程打开它,内核就动态映射到哪个进程自己的控制终端,不管 0、1、2 号描述符被重定向到了哪里。这样上游管道里的字符不会误喂进密码框,程序还能顺便对这个描述符调 tcsetattr 关掉 ECHO 防止密码回显。如果进程没有任何控制终端(例如在无终端的管道环境里启动),打开 /dev/tty 会报 ENXIO 失败:sudo 会直接拒绝继续并提示需要终端,Python 的 getpass 则会打出 GetPassWarning: Can not control echo on the terminal.,再退回读取 sys.stdin。

四、有了 pty 和 zsh,Ghostty 又是做什么的

既然 pty 已经包办了回显、行编辑、窗口尺寸和信号分发,zsh 也在下面真正执行命令,那 Ghostty、iTerm2 这类终端模拟器又为什么要存在?它们只是在外面套了一个图形窗口吗?

图形界面只是其中一半,终端模拟器真正不可替代的工作在于:它看得懂“屏幕画面”,而 pty 和 zsh 都看不懂。

内核里的 pty 记着窗口有多少行多少列,但完全不理解颜色、光标和清屏指令。vim、htop 或 grep --color=auto 写进 slave 的 \x1b[31m(设成红色)、\x1b[2J(清屏)、\x1b[?1049h(切到全屏备用缓冲区),在 pty 眼里只是一串普通字节,原样送到 master 就结束了。另一边的 zsh 和 vim 自己也不调用任何桌面图形接口,只负责输出这些以 ESC(0x1b)开头的转义序列,指望对面的程序能把它们变成画面。

把这些控制序列解释成一张可显示的屏幕,才是终端模拟器的核心工作。Ghostty 拿着 master 读到字节流后,要逐字节过一遍 VT/ANSI 解析状态机,在内存里维护一张二维字符格子表:每个格子放哪个字符、前景色和背景色是什么、有没有加粗或下划线、光标停在哪一格、滚动回溯的历史缓冲区(scrollback),以及留给 vim 和 htop 用的备用屏幕。软件在内存里模拟当年 VT100 硬件终端的屏幕逻辑,这正是它叫“终端模拟器”的原因。

有了这张字符网格,后面才接得上图形窗口和桌面输入:

  • 输出这一侧,Ghostty 选定字体、对齐中文等双宽字符、处理连字,按照窗口像素尺寸和字号算出当前能放下几行几列并通过 TIOCSWINSZ 告诉 pty,最后调用 GPU(macOS 上是 Metal,Linux 上是 OpenGL)把整张网格画出来。
  • 输入这一侧,操作系统传给窗口的是图形界面按键、鼠标滚轮、中文输入法候选框和粘贴事件,Ghostty 把它们编码回终端约定的字节流写进 master——比如把 ↑ 编成 \x1b[A,把粘贴内容包上括号粘贴序列——后面的 zsh 和 vim 才认得出。

新建标签页时调用 openpty 拉起 zsh、设置 TERM 环境变量(告诉子程序自己支持哪些转义序列),以及在桌面侧响应剪贴板读写(OSC 52)、超链接点击(OSC 8)和系统通知,也都在这一层完成。

tmux 很能把“终端模拟器核心”和“图形窗口”这两件事拆开看清:tmux 同样握着 master 跑 VT 解析、替每个窗格维护一块虚拟屏幕,只是它不画 GUI,而是把维护好的画面重新编成转义序列写回给外层的 Ghostty。市面上有这么多终端模拟器,真正拉出差距的地方也都在这一层——VT 协议解析是否完整、GPU 渲染延迟多低、字体排版舒不舒服,以及分屏和快捷键顺不顺手。

五、用 Python 自己开一个 pty

把 Ghostty 拿掉,换一个只打印原始字节、不做 VT 解析的小程序,就能更直观地看到 master 和 slave 之间传的到底是什么。下面这二十行 Python 向内核申请一对 pty,自己拿着 master 启动别的命令:

# mini.py
import os, sys, fcntl, termios, struct

master, slave = os.openpty()
print("slave 是", os.ttyname(slave))
fcntl.ioctl(master, termios.TIOCSWINSZ, struct.pack("HHHH", 24, 40, 0, 0))

pid = os.fork()
if pid == 0:
    os.close(master)
    os.setsid()
    fcntl.ioctl(slave, termios.TIOCSCTTY, 0)
    for fd in (0, 1, 2):
        os.dup2(slave, fd)
    os.close(slave)
    os.execvp(sys.argv[1], sys.argv[1:])

os.close(slave)
while True:
    try:
        data = os.read(master, 1024)
    except OSError:
        break
    if not data:
        break
    print(repr(data))

拿它来跑 ls /:

$ python3 mini.py ls /
slave 是 /dev/ttys011
b'Applications\tetc\r\nLibrary\t\thome\r\nSystem\t\topt\r\n...'

ls 分成了两栏,因为它的标准输出指向 /dev/ttys011(isatty(1) 为真),而且 TIOCSWINSZ 把窗口宽度设成了 40 列;每行结尾都变成了 \r\n,是默认开启的 OPOST | ONLCR 补上的;拿它跑前面那个 count.py,0、1、2 也会一秒一行地从 master 读出来;如果带着 TERM=xterm-256color 跑 grep --color=auto,还能看到 \x1b[01;31m 这类原始颜色序列,因为 mini.py 只打印字节,没有做 VT 解析。至于循环里同时写了 except OSError 和 if not data,是因为子进程退出、所有 slave 关掉以后,Linux 读 master 会抛出 EIO(OSError),而 macOS 会返回空字节 b""。

下面可以单步点看这二十行代码执行时,父子进程的文件描述符表和会话归属的变化:

注意中间的 os.setsid() 和 TIOCSCTTY。dup2(slave, 0/1/2) 只替换了标准流,子进程依然留在外层终端的会话里,控制终端也还是外层的那个。setsid() 让子进程新建一个会话并脱离原控制终端,TIOCSCTTY 再把 slave 认作这个新会话的控制终端。

把子命令换成 sleep 3,在父进程里等一下往 master 写一个 0x03 就能看到区别:保留这两行时,master 读出 b'^C',sleep 立刻因信号 2(SIGINT)退出;删掉这两行后,行规程只要开着 ECHOCTL 依然会把 ^C 回显出来,但因为新 pty 不属于任何会话、也没有前台进程组,内核不知道把信号发给谁,sleep 会照样睡满 3 秒正常退出(退出码 0)。

另外,从 master 读出来的不只是程序输出,还会混着行规程的输入回显。如果子进程跑的是 cat,往 master 写入 hello\n,读出来的往往是 b'hello\r\nhello\r\n',前一行是回显,后一行才是 cat 的标准输出。

Python 的 pty.fork()、libc 的 forkpty()、VS Code 终端用的 node-pty 以及 Codex 用的 Rust 库 portable-pty,在类 Unix 系统上包的就是这几步系统调用。关于会话、进程组和后台作业控制(比如后台程序读终端为什么会被 SIGTTIN 挂起)的完整细节,可以参考 Linus Åkesson 的这篇文章:

linusakesson.netThe TTY demystifiedhttps://www.linusakesson.net/programming/tty/

六、常见用法,以及什么时候不用 pty

除了终端模拟器,很多日常工具也都在用 pty,只是握着 master 的换成了别的程序:

谁拿着 masterslave 上跑什么拿到 master 之后做什么
Ghostty、iTerm2每个标签页里的 shell把键盘输入写进去,把读出的字节画成屏幕像素
sshd远端登录后的 shell把网络通道收到的按键写进去,把输出传回客户端
docker run -t容器主进程把本地终端和容器内的 pty 桥接起来
tmux server每个窗格里的进程后台解析输出维护虚拟屏幕,等 client attach 时再画出来
script被录制的命令一边透传给外层终端,一边把整段终端字节流落盘
expect、sshpassssh 等交互命令从输出里匹配 Password: 提示,自动往里写密码

几个常用命令参数控制的也是要不要开 pty。ssh host cmd 远程执行单条命令默认不开 pty(直接跑 vim 会报错退出),加上 -t 才让远端 sshd 分配一对;docker run -it 里的 -i 只是保持标准输入打开,-t 才是“分配一个伪终端”,漏掉 -t 容器里的 shell 根本不打印提示符;CI 里想保留工具的彩色输出,常见技巧是在 macOS 上套一层 script -q /dev/null <cmd>,用伪终端过掉 isatty 检查。

Windows 以前长期缺少对应的内核机制,直到 2018 年才加上 ConPTY。在此之前,Windows 上的第三方终端只能自己在后台拉起一个隐藏的真实控制台窗口,往窗口投递按键事件,再一格一格把控制台缓冲区里的字符抓出来重绘:

Windows Command LineWindows Command-Line: Introducing the Windows Pseudo Console (ConPTY)In this, the fourth post in the Windows Command-Line series, we'll discuss the new Windows Pseudo Console (ConPTY) infrastructure and API - why we built it, what it's for, how it works, how to use it, and more.

反过来,在非交互式执行命令的场景下,pty 附带的这些特性常常帮倒忙。

一个明显的例子是 coding agent 的 Bash 工具。几家主流实现里,默认都不分配 pty:Claude Code 的 Bash 工具里跑 tty 会返回 not a tty、ps 的 TTY 列是 ??;pi 的 bash 工具通过 Node spawn 拉起 shell,标准流设为 ignore/pipe/pipe 并开启 detached: true 让子进程脱离原控制终端;Codex 的 exec_command 工具虽然设计了 tty 参数,但默认是 false,只用普通管道执行。

对非交互式跑命令的 agent 来说,管道本来就能把 stdout 和 stderr 分开;放进 pty 之后,0、1、2 全指着同一个 slave,跑一条 echo out; echo err >&2 从 master 读出来只剩混在一起的 b'out\r\nerr\r\n',还多了回车符和潜在的输入回显。另外,只要 isatty(1) 成立,git log 就会拉起 less 卡在分页界面,编译工具的进度条会用 \r 反复重绘并夹带大量 ANSI 转义序列,把无用字符塞进模型上下文。更麻烦的是控制终端:sudo 在没有控制终端时打开 /dev/tty 失败,会立刻报错退出,模型看到报错就能换路子;如果配了 pty,进程反而会安静地停在 Password: 那里等输入直到超时(要是连 detached: true 都不设,子进程甚至会顺着 /dev/tty 直接在 agent 自己的 TUI 界面上抢键盘)。

只有当 agent 确实需要和交互式程序来回对话——比如在 Python REPL 里连续求值,或者运行一个完整的全屏 TUI 应用时,才需要把 pty 打开。这时 Codex 会把 exec_command 的 tty 设为 true,再用配套的 write_stdin 往 master 写字符或发 0x03 中断;而 pi-subagent 为了在后台跑起同样是 TUI 的子 agent,则是直接借 tmux 来管理那对不需要图形窗口的 pty。

#终端#pty#Agent