Contexte technique
J'ai regardé Crush sans romantisme : ce n'est pas un énième TUI joli pour le plaisir, mais un agent IA vraiment pratique pour le terminal. Si votre intégration IA tourne déjà autour du shell, de Git et des scripts locaux, cet outil tape immédiatement dans le mille.
Pour l'essentiel, Crush se trouve directement dans la console, se connecte aux fournisseurs de LLM et accède au projet : il peut lire des fichiers, suggérer des modifications, exécuter des commandes et maintenir le contexte de session. Anthropic, OpenAI, Gemini et des fournisseurs personnalisés sont pris en charge via des clés API, et l'installation se fait simplement avec Homebrew, npm ou go install — sans cirque.
Ce qui m'a vraiment plu sur le plan architectural : il inclut LSP pour comprendre le code comme une structure et non comme du texte, ainsi que MCP pour les intégrations externes. On n'est plus dans le format « demander au modèle, coller la réponse à la main », mais un pas vers une automatisation IA digne de ce nom au sein du flux de développement.
Autre point fort : on peut changer de modèle au sein d'une même session sans perdre l'état. Dans le travail réel, c'est plus utile qu'il n'y paraît, car je veux souvent un passage rapide et économique avec une famille de modèles, puis une correction coûteuse et ciblée avec une autre.
Cela dit, je ne confondrais pas Crush avec fzf ou bat. Ce ne sont pas des concurrents. fzf cherche, bat affiche, et Crush ajoute une couche d'IA par-dessus et peut appeler ces mêmes outils dans le cadre d'un scénario d'agent.
Côté benchmarks, pour l'instant, il y a plus de bruit que de chiffres. La communauté salue l'UX et la finition terminal, mais en matière de mémoire, de vitesse et de qualité par rapport à aider, Claude Code ou OpenCode, il n'y a pas encore d'image reproductible solide.
Impact sur les affaires et l'automatisation
Pour les équipes qui vivent dans le terminal, le gain est simple : moins de sauts entre l'IDE, le navigateur et les chats. Cela accélère les petites corrections, les diagnostics, le refactoring et les routines autour du dépôt.
À qui ça s'adresse : ingénieurs, DevOps, équipes plateforme et ceux qui construisent déjà de l'automatisation avec l'IA autour de la CLI. À qui ça ne s'adresse pas : ceux qui attendent de la magie prête à l'emploi, des plugins pour tous les cas et un écosystème mature dès aujourd'hui.
Je verrais Crush comme un bon bloc de construction, pas comme la réponse finale. Dans ces histoires, ce n'est pas la CLI elle-même qui importe, mais la manière dont l'architecture IA est soigneusement assemblée autour des droits d'accès, du contexte, de la journalisation et du coût des requêtes. Chez Nahornyi AI Lab, nous résolvons précisément ces problèmes pour nos clients : là où il ne faut pas un bot jouet, mais un développement de solutions IA clair pour des processus réels.
Si votre équipe est déjà submergée par les commandes manuelles, les scripts et les corrections répétitives sans fin, vous pouvez analyser le flux de travail et construire une automatisation IA sans le bruit à la mode. Si vous le souhaitez, chez Nahornyi AI Lab, je peux vous aider à comprendre où Crush apportera vraiment de la vitesse, et où il vaut mieux créer directement un agent IA adapté à votre pile et à vos contraintes.