LLM在macOS命令行调用中存在兼容性痛点

有开发者在社区反馈，在使用 AI 辅助编程工具执行 macOS 命令行任务时，其效率和准确性显著低于 Linux 和 Windows 系统。具体表现为：在执行将项目打包为 `tar.zst` 并排除特定目录，以及使用 `sed -i` 进行文本替换等操作时，AI 经常因混淆 BSD（macOS 默认）与 GNU（Linux 默认）命令规范而频繁报错并反复重试，导致 Token 消耗量高达平时的 4 倍。这一现象表明，尽管 macOS 是主流开发平台，但底层大模型（LLM）的训练数据仍高度偏向 Linux 环境。对于 AI Coding 和 Agent 开发者而言，在构建跨平台终端调用工具时，需特别注意处理 BSD 与 GNU 命令的差异，或通过 Prompt 显式告知系统环境，以降低 Token 损耗并提升执行成功率。