1. 为什么在AIGC时代还要死磕这三个老命令

1.1 一个真实的工作场景切入

前阵子帮一个做模型训练的朋友排查日志问题，他那边跑一个图像生成任务，几十万条训练日志散落在十几个文本文件里，想找出所有loss异常飙升的片段，还要统计每个epoch的平均耗时。他第一反应是写个Python脚本，装pandas、读文件、正则匹配、聚合统计，折腾了快一个小时，脚本还因为编码问题报错。我看了眼他的终端，直接甩了三行命令过去，十秒钟出结果。他愣了半天说，这东西这么好用怎么没人早告诉我。

这就是我想聊的核心：grep、awk、sed这三个命令，是文本处理领域的老三样，但在AIGC内容爆炸的今天，它们的价值不降反升。为什么？因为不管你是处理模型训练日志、清洗语料数据、批量改写配置文件，还是从海量生成内容里做模式提取，本质上都是在跟纯文本打交道。而这三个命令的设计哲学就是“一行命令解决一类文本问题”，不需要起环境、不需要装依赖、不需要写几十行代码，管道一接就能干活。

很多人对这三个命令的印象停留在“Linux基础课背过参数，考完就忘”。我见过太多人，grep只会grep 关键词 文件，awk只会awk '{print $1}'，sed只会sed 's/a/b/'，然后就觉得“这东西功能也就那样”。实际上，这三个命令的组合能力远超大多数人的想象，它们各自负责文本处理流水线上的不同环节：grep负责筛选，sed负责编辑替换，awk负责结构化计算。你把它们串起来，就是一条完整的文本处理流水线。

这篇文章适合谁看？如果你是刚接触命令行不久的新手，我会从最核心的用法讲起，每个参数都告诉你“为什么这么设计”；如果你是有一定基础但用得不够深的开发者，我会重点讲组合技巧和实战场景，尤其是AIGC相关的日志分析、语料清洗、批量处理这些高频需求。全文的实例都可以直接复制到终端里跑，我尽量用虚构的示例文件来演示，你跟着敲一遍就能掌握。

1.2 三个命令的分工逻辑：筛选、编辑、计算

先把这个底层逻辑讲清楚，后面所有内容都围绕它展开。你可以把文本处理想象成一条工厂流水线：原材料是原始文本，经过一道道工序，最后产出你想要的结果。

grep是质检员，它的工作是从一堆文本里挑出符合条件的行。你给它一个模式，它逐行检查，匹配的留下，不匹配的扔掉。它的核心能力是“按行筛选”，不关心行里面具体长什么样，只关心“这行符不符合我的条件”。

sed是编辑工，它的工作是对文本进行修改。替换、删除、插入、追加，都是它的活。它的特点是“流式处理”，读一行处理一行，不需要把整个文件加载到内存里，所以处理大文件特别快。sed的核心能力是“按规则改写”。

awk是统计员兼报表生成器，它的工作是把文本按列拆开，然后做计算、做判断、做格式化输出。它内置了变量、循环、条件判断，本质上是一门小型的文本处理编程语言。awk的核心能力是“按字段处理并计算”。

这三个命令通过管道符|串联起来，就形成了“筛选→编辑→计算”的完整链路。举个最简单的例子：从日志里找出所有错误行，把时间戳格式改一下，再统计每种错误出现的次数。一条命令搞定，不需要写脚本。

注意：这三个命令在绝大多数Linux发行版和macOS上都是预装的，Windows用户可以通过WSL或者Git Bash来使用。我后面所有的示例都基于bash环境，如果你用的是其他shell，个别语法可能需要微调。

2. grep：文本筛选的第一道关卡

2.1 核心参数拆解与选择逻辑

grep的全称是“global regular expression print”，翻译过来就是“全局正则表达式打印”。名字已经把它的工作方式说清楚了：用正则表达式去匹配文本，把匹配到的行打印出来。

先看最基础的用法。假设你有一个日志文件train.log，内容大概是这样的：

2024-01-15 10:23:01 INFO epoch=1 loss=2.341 lr=0.001 2024-01-15 10:23:45 INFO epoch=1 loss=2.108 lr=0.001 2024-01-15 10:24:30 WARN epoch=1 loss=nan lr=0.001 2024-01-15 10:25:12 INFO epoch=2 loss=1.876 lr=0.0009 2024-01-15 10:26:03 ERROR epoch=2 loss=inf lr=0.0009

你想找出所有包含ERROR的行，直接grep "ERROR" train.log就行。但实际工作中，光这样远远不够。我列一下最常用的参数组合，以及每个参数背后的设计考量：

这里重点说几个容易被忽略但极其好用的参数。-A 3表示匹配行之后额外显示3行，-B 3是之前3行，-C 3是前后各3行。排查错误日志的时候，光看错误那一行往往不够，前一行可能是触发错误的输入，后一行可能是错误堆栈的起始，-C一把梭就能把上下文带出来。

-v的反向匹配也是高频操作。比如你想看日志里除了INFO之外的所有行，grep -v "INFO" train.log就完事了。再配合-c，grep -vc "INFO" train.log直接告诉你有多少条非INFO记录。

-E和基本正则的区别值得单独说一下。基本正则里，+、?、|、()这些元字符都要加反斜杠转义才能用，写起来很别扭。-E开启扩展正则之后，这些符号直接就能用。我的习惯是，只要模式里超过两个元字符，一律上-E，省得跟转义较劲。

2.2 正则表达式在grep里的实战写法

grep的灵魂是正则表达式，但很多人对正则有一种天然的畏惧感。我换个角度讲：正则就是“用符号描述文本长什么样”，你只需要记住几个最常用的符号，就能覆盖80%的场景。

先看几个AIGC日志分析里最常见的需求：

需求一：找出所有loss为nan或inf的行。模式写成loss=(nan|inf)，配合-E就是grep -E "loss=(nan|inf)" train.log。这里|表示“或”，()表示分组，意思是“loss=后面跟nan或者inf”。

需求二：找出时间戳在某个区间的行。比如10点23分到10点25分之间，模式可以写成10:2[3-5]，[3-5]表示这个位置可以是3、4、5中任意一个字符。完整命令grep -E "10:2[3-5]" train.log。

需求三：找出epoch编号为两位数的行。模式epoch=[0-9]{2}，{2}表示前面的字符类重复两次。注意基本正则里{}需要转义，用-E就不用。

需求四：匹配行首或行尾。^表示行首，$表示行尾。比如找出所有以2024开头的行：grep "^2024" train.log。找出所有以lr=0.001结尾的行：grep "lr=0.001$" train.log。

需求五：排除空行和注释行。处理配置文件或者语料的时候特别常用：grep -vE "^\s*($|#)" config.txt。拆开看，^\s*表示行首可能有空白字符，$表示空行，#表示注释，|是或，整体意思就是“排除掉空行和注释行”。

实操心得：写正则的时候，先用grep -E "模式" 文件 | head -5看一眼匹配结果对不对，确认没问题再去跑全量。我见过太多人正则写错了直接跑几十万行文件，结果出来一堆垃圾数据还得重来。head先验证，是个保命的习惯。

还有一个很实用的技巧：grep -o只输出匹配到的部分，而不是整行。比如日志里你想把所有loss=xxx的数值单独抽出来，grep -oE "loss=[0-9.]+" train.log，输出就是一行一个loss=2.341这样的片段。这个在后续要接awk做计算的时候特别有用，因为抽出来的格式很干净。

2.3 递归搜索与文件过滤的组合拳

实际项目里，日志和语料很少是单个文件，通常是一个目录下几十上百个文件。grep -r递归搜索是基本操作，但直接grep -r "ERROR" ./logs/可能会把二进制文件、压缩包也扫进去，输出一堆乱码。

正确的做法是配合--include和--exclude做文件过滤：

grep -r --include="*.log" --include="*.txt" "ERROR" ./logs/

这行命令的意思是：在./logs/目录下递归搜索，只搜.log和.txt结尾的文件，找包含ERROR的行。--include可以写多个，--exclude同理。还有一个--exclude-dir用来排除目录，比如排除.git目录：--exclude-dir=".git"。

再进阶一点，-l参数只输出包含匹配的文件名，不输出具体行。这个在“我想知道哪些文件有问题”的场景下特别好用。比如你有一批语料文件，想找出哪些文件里包含敏感词或者格式异常的内容：

grep -rl --include="*.txt" "异常模式" ./corpus/

输出就是一列文件名，干净利落。拿到文件名列表之后，可以接xargs做批量处理，比如批量重命名、批量移动，这个后面讲组合技巧的时候会展开。

3. sed：流式文本编辑的利器

3.1 替换操作的完整参数体系

sed最广为人知的用法就是替换：sed 's/旧/新/' 文件。但这里有几个关键细节，决定了你是“会用”还是“用对”。

第一个细节：默认只替换每行的第一个匹配。如果你想把一行里所有的a都换成b，必须加g标志：sed 's/a/b/g'。这个g是global的意思。我见过不少人踩这个坑，替换完发现只改了一处，还以为sed有bug。

第二个细节：默认不修改原文件，只输出到终端。想直接改文件，加-i参数：sed -i 's/a/b/g' file.txt。但这里有个坑，macOS上的sed -i必须跟一个备份后缀，比如sed -i '' 's/a/b/g' file.txt，空字符串表示不备份。Linux上则可以直接sed -i。跨平台脚本里我一般写成sed -i.bak，两边都能跑，跑完手动删.bak文件。

第三个细节：分隔符不一定是斜杠。当你的替换内容里本身包含斜杠时，比如替换文件路径，用斜杠做分隔符就要疯狂转义。这时候可以换分隔符，sed 's|/old/path|/new/path|g'，用竖线、井号、逗号都行，选一个内容里不出现的字符就好。

第四个细节：支持反向引用。\(\)在基本正则里表示分组，\1、\2引用分组内容。比如把2024-01-15格式的日期改成15/01/2024：

sed -E 's/([0-9]{4})-([0-9]{2})-([0-9]{2})/\3\/\2\/\1/' train.log

-E开启扩展正则后，分组直接写()，引用还是\1这种形式。这行命令的意思是：匹配“四位数字-两位数字-两位数字”，然后按“第三组/第二组/第一组”的顺序重新排列。日期格式转换、字段顺序调整，全靠这个反向引用。

3.2 删除、插入与多行操作的场景化用法

替换之外，sed的删除和插入能力在文本清洗里用得非常多。

删除指定行：sed '3d' file.txt删除第3行，sed '2,5d'删除第2到5行，sed '/pattern/d'删除包含pattern的行。组合起来，sed '/^$/d'删除所有空行，sed '/^#/d'删除所有注释行。清洗配置文件或者语料的时候，这两条命令几乎是标配。

在指定位置插入内容：i在匹配行之前插入，a在匹配行之后追加。比如给每个epoch行前面加一个分隔标记：

sed '/epoch=/i --- 新的epoch开始 ---' train.log

多行操作：sed默认按行处理，但有些场景需要跨行匹配。比如把连续两个空行压缩成一个，可以用N命令把下一行读进来一起处理：

sed '/^$/{N;/^\n$/d}' file.txt

这行的逻辑是：遇到空行时，把下一行也读进来，如果两行都是空行，就删掉。N是sed的多行模式里最常用的命令，配合P、D可以做更复杂的段落处理。

注意：sed的-i直接改文件是不可逆的，跑之前一定先不加-i看一眼输出。我的习惯是，任何sed -i命令，先在终端里跑一遍不带-i的版本，确认输出符合预期，再补上-i执行。这个习惯帮我避免过好几次批量改错文件的事故。

3.3 用sed做批量配置修改的实操记录

说一个我实际做过的场景。有一批模型配置文件，格式大概是这样：

model_name: resnet50 batch_size: 32 learning_rate: 0.001 epochs: 100

现在需要把所有文件的batch_size从32改成64，learning_rate从0.001改成0.0005。手动改几十个文件不现实，一条sed命令搞定：

sed -i.bak -E 's/^(batch_size:\s*)32/\164/; s/^(learning_rate:\s*)0\.001/\10.0005/' *.conf

拆开看：^(batch_size:\s*)匹配行首的batch_size:加上后面的空白，用()分组捕获，\1在替换时引用这个分组，后面接新值。分号分隔两条替换规则，一次执行。-i.bak保留备份，万一改错了还能回滚。

这里有个细节值得说：为什么用^(batch_size:\s*)而不是直接batch_size: 32？因为配置文件里可能有注释行也包含batch_size: 32这样的文本，加^锚定行首能避免误伤注释。这种“锚定行首”的习惯，在批量修改配置时能挡掉很多意外。

再补一个技巧：如果只想改某个区间的行，可以用地址范围。sed '10,20s/old/new/g'只替换第10到20行里的内容。配合/pattern/做地址，sed '/^\[section\]/,/^\[/s/old/new/g'可以只改某个配置段内的内容，遇到下一个段头就停。这个在改ini风格配置文件时特别好用。

4. awk：结构化文本计算的核心引擎

4.1 字段处理与内置变量的运行机制

awk和前面两个命令最大的区别在于，它是一门完整的编程语言。你写awk '{print $1}'的时候，其实是在写一个“对每一行执行print第一个字段”的程序。理解这一点，后面的所有用法就顺了。

awk的基本执行模型是：读入一行，按分隔符拆成字段，然后执行你写的模式-动作对。内置变量是理解awk的钥匙：

默认分隔符是空白字符（空格和Tab），所以awk '{print $1}'能直接提取第一列。如果文本是逗号分隔的CSV，就要用-F,指定分隔符：awk -F, '{print $2}' data.csv。-F后面跟的可以是单个字符，也可以是正则，比如-F'[,;]'表示逗号和分号都当分隔符。

NF这个变量特别实用。取最后一列不用数第几列，直接$NF。取倒数第二列是$(NF-1)。判断一行是不是空行，NF==0就行。我在处理格式不规整的日志时，经常用NF做校验，比如awk 'NF!=5 {print NR": 字段数异常"}'，快速定位格式有问题的行。

NR和FNR的区别在多文件处理时才显现。NR是跨文件累计的行号，FNR是每个文件重新计数的行号。比如awk '{print FILENAME, FNR, $0}' file1 file2，输出里能清楚看到每个文件各自的行号。FILENAME也是内置变量，当前处理的文件名。

4.2 条件判断、循环与聚合统计的写法

awk真正强大的地方在于它能做计算和聚合。看几个AIGC日志分析里的典型需求。

需求一：统计每种日志级别的出现次数。日志第二列是级别（INFO/WARN/ERROR），用awk的关联数组：

awk '{count[$2]++} END {for (level in count) print level, count[level]}' train.log

count[$2]++对每一行执行，以第二列的值作为数组下标，计数加一。END块在所有行处理完后执行，遍历数组输出结果。这就是一个完整的词频统计，换成统计loss值出现次数、统计每个epoch的行数，逻辑一模一样。

需求二：计算loss的平均值、最大值、最小值。假设loss在第四列，格式是loss=2.341，先用gsub去掉前缀再计算：

awk '{gsub(/loss=/,"",$4); sum+=$4; if($4>max||NR==1)max=$4; if($4<min||NR==1)min=$4; n++} END {print "avg="sum/n, "max="max, "min="min}' train.log

gsub是awk内置的替换函数，把loss=替换成空字符串，$4就变成纯数字了。sum+=$4累加，max和min用条件判断更新，NR==1保证第一行能正确初始化。最后END块输出三个统计值。这段逻辑如果写成Python，至少十几行，awk一行搞定。

需求三：按条件筛选并格式化输出。找出loss大于2.0的行，输出时间戳和loss值，用制表符分隔：

awk '{gsub(/loss=/,"",$4); if($4+0>2.0) print $1"\t"$2"\t"$4}' train.log

$4+0强制转成数字比较，避免字符串比较的坑。\t是制表符，输出对齐好看。

需求四：按某个字段分组做聚合。比如按epoch分组统计平均loss：

awk '{gsub(/loss=/,"",$4); gsub(/epoch=/,"",$3); sum[$3]+=$4; cnt[$3]++} END {for (e in sum) print "epoch="e, "avg_loss="sum[e]/cnt[e]}' train.log

两个关联数组，一个存累加和，一个存计数，END块里遍历输出。这种“分组聚合”的模式，在awk里就是数组加循环，写熟了比SQL还顺手。

4.3 用awk生成结构化报表的完整实例

单独拿一个完整场景出来讲，因为这是awk最能体现价值的地方。假设你有一份模型评测结果文件eval.txt，每行格式是：

model_A accuracy=0.92 latency=45 model_B accuracy=0.88 latency=32 model_A accuracy=0.94 latency=47 model_B accuracy=0.86 latency=30

同一个模型有多条记录，你想输出每个模型的平均accuracy、平均latency、记录条数，并且按accuracy从高到低排序。分两步走，awk负责聚合，sort负责排序：

awk '{acc[$1]+=$2; lat[$1]+=$3; n[$1]++} END {for (m in acc) printf "%-10s acc=%.3f lat=%.1f n=%d\n", m, acc[m]/n[m], lat[m]/n[m], n[m]}' eval.txt | sort -t= -k2 -rn

awk部分：三个数组分别存accuracy累加、latency累加、计数，END块用printf格式化输出，%-10s左对齐10字符宽，%.3f保留三位小数。sort部分：-t=指定等号为分隔符，-k2按第二个字段排序，-rn表示反向数值排序。输出就是一张按accuracy降序排列的报表。

这个“awk聚合+sort排序”的组合，是我做数据汇总时的默认套路。awk负责算，sort负责排，各司其职，比在一个工具里硬塞所有功能清晰得多。

实操心得：awk的printf格式化输出，字段宽度和对齐方式值得花十分钟研究一下。%-10s左对齐、%10s右对齐、%.2f两位小数，这几个组合能覆盖绝大多数报表需求。输出整齐的报表，比一堆散乱数字可读性高一个量级，给同事看的时候也显得专业。

5. 三剑客组合实战：从日志到报表的完整链路

5.1 管道串联的思维模型

单独用每个命令只是入门，真正的威力在组合。管道符|把前一个命令的输出变成后一个命令的输入，形成流水线。我总结了一个思维模型：grep做减法，sed做变形，awk做聚合，sort做排序，uniq做去重。遇到任何文本处理需求，先想清楚每一步用哪个工具，串起来就行。

举个完整的例子。需求是：从训练日志里找出所有ERROR和WARN级别的记录，提取时间戳和loss值，统计每种级别下loss超过阈值的次数，最后按次数降序输出。

第一步，grep筛选出ERROR和WARN行：

grep -E "ERROR|WARN" train.log

第二步，sed把loss=前缀去掉，方便后续计算：

| sed 's/loss=//'

第三步，awk提取级别和loss值，做条件判断和计数：

| awk '{if($4+0>1.5) cnt[$2]++} END {for (l in cnt) print l, cnt[l]}'

第四步，sort按次数降序：

| sort -k2 -rn

完整命令：

grep -E "ERROR|WARN" train.log | sed 's/loss=//' | awk '{if($4+0>1.5) cnt[$2]++} END {for (l in cnt) print l, cnt[l]}' | sort -k2 -rn

一条命令，四个环节，每个环节职责单一，组合起来解决一个完整需求。这种写法比写脚本的优势在于：调试方便，你可以随时在中间加一个| head -5看当前输出，确认没问题再往下接。

5.2 语料清洗流水线的搭建过程

再说一个AIGC场景里高频的需求：清洗语料文件。假设你有一批文本语料，需要做以下处理：去掉空行、去掉纯标点行、去掉超短行（少于10个字符）、把连续多个空格压缩成一个、最后统计清洗前后的行数变化。

分步拆解：

# 原始行数 wc -l corpus.txt # 清洗流水线 sed '/^$/d' corpus.txt | grep -vE '^[[:punct:]]+$' | awk 'length($0)>=10' | sed -E 's/ +/ /g' > corpus_clean.txt # 清洗后行数 wc -l corpus_clean.txt

逐段解释：sed '/^$/d'删空行；grep -vE '^[[:punct:]]+$'排除纯标点行，[[:punct:]]是POSIX字符类，匹配所有标点符号；awk 'length($0)>=10'保留长度大于等于10的行，length是awk内置函数；sed -E 's/ +/ /g'把连续空格压缩成一个。最后重定向到新文件。

这条流水线的好处是每一步都可以单独验证。你先跑sed '/^$/d' corpus.txt | wc -l看删了多少空行，再逐步往后加，每一步的输入输出都清清楚楚。我处理陌生语料时都是这么干的，先摸清楚数据长什么样，再决定清洗规则，而不是一上来就写个大脚本。

5.3 批量文件重命名与内容替换的自动化脚本

最后一个组合场景：批量处理目录下的文件。需求是：把./data/目录下所有.txt文件里的旧模型名替换成新模型名，同时把文件名里的old改成new。

内容替换用sed配合find：

find ./data -name "*.txt" -exec sed -i.bak 's/旧模型名/新模型名/g' {} \;

find找出所有.txt文件，-exec对每个文件执行sed，{}代表当前文件名，\;表示命令结束。-i.bak保留备份，跑完确认没问题再批量删.bak。

文件名重命名用rename或者循环：

for f in ./data/*old*.txt; do mv "$f" "${f//old/new}"; done

${f//old/new}是bash的字符串替换语法，把变量f里所有的old替换成new。这个循环遍历所有含old的txt文件，逐个改名。

注意：批量操作前一定先echo预览。把mv换成echo mv，先看一遍要执行什么，确认无误再去掉echo。这个习惯救过我很多次，尤其是文件名里有空格或者特殊字符的时候，预览能提前发现问题。

6. 踩坑实录与高频问题速查

6.1 编码、分隔符与特殊字符的坑

坑一：中文编码问题。grep在匹配中文时，如果文件编码和终端编码不一致，可能匹配不到。先file 文件名看编码，必要时用iconv转成UTF-8再处理。iconv -f GBK -t UTF-8 input.txt > output.txt。

坑二：字段分隔符不是单个空格。日志里经常有多个空格对齐的情况，awk '{print $2}'默认按空白字符拆分，多个空格会被当成一个分隔符，这个行为其实是对的。但如果你用-F' '指定单个空格，连续空格就会产生空字段，$2可能拿到空字符串。所以除非明确知道是单空格分隔，否则不要手动指定-F' '，用默认的空白拆分更稳。

坑三：sed替换内容里有特殊字符。替换内容包含&时，&在sed替换串里表示“整个匹配内容”，需要转义成\&。包含反斜杠时也要转义。最省事的办法是换分隔符，并且用单引号包裹整个sed表达式，避免shell先做一层转义。

坑四：grep匹配到二进制文件。递归搜索时遇到二进制文件，grep会输出“Binary file xxx matches”。加-I参数忽略二进制文件，或者用--include限定文件类型。

坑五：awk的数值比较陷阱。从文本里提取的数字默认是字符串，直接比较可能出问题。$4>2.0在某些情况下会按字符串比较，加+0强制转数值：$4+0>2.0。这个坑我在处理带前导零的数字时踩过，"08">"10"按字符串比较是true，按数值比较是false，加+0才能得到正确结果。

6.2 性能优化：大文件处理的经验之谈

处理GB级别的大文件时，三个命令的性能差异和优化技巧值得单独说。

grep是最快的筛选工具，没有之一。它用了高度优化的字符串匹配算法，处理大文件时尽量用grep做第一道筛选，把数据量降下来再交给后面的命令。grep -F用固定字符串匹配而不是正则，速度更快，模式里没有元字符时优先用-F。

sed是流式处理，内存占用恒定，处理大文件不会爆内存。但sed -i会创建临时文件，磁盘空间要留够。超大文件（几十GB）建议用split先切分再并行处理。

awk的性能取决于你写的逻辑。简单的字段提取和grep差不多快，但复杂的关联数组聚合会消耗较多内存。如果聚合的key特别多（比如几百万个不同的key），考虑先用sort | uniq -c做初步聚合，再交给awk做二次计算。

一个通用的优化原则：把过滤条件尽量往前放。grep "ERROR" bigfile | awk '{...}'比awk '/ERROR/{...}' bigfile快，因为grep先筛掉了大部分行，awk只需要处理少量数据。管道里每个环节的数据量应该是递减的，这是设计流水线时的基本考量。

6.3 常见问题速查表

这张表里的每一条，都是我在实际项目里真实遇到过的。尤其是“管道中间结果不对”这一条，组合命令出问题时，最快的排查方式就是从管道开头开始，一段一段加| head -5看输出，定位到哪一段开始不符合预期，问题就找到了。

7. 我个人在实际操作中的几点体会

写了这么多，最后聊几句掏心窝子的。这三个命令我用了很多年，最大的感受是：它们的价值不在于参数多，而在于组合灵活。你不需要记住所有参数，只需要把最常用的十几个用熟，剩下的遇到问题时查一下man page就够了。真正拉开差距的，是你对“什么场景该用什么工具”的判断力。

我的建议是，别抱着“学完再用”的心态，直接拿手头的真实文件练。找一份日志、一份配置、一份语料，给自己提需求：找出所有异常行、统计某个字段的分布、批量改一批文件。每完成一个需求，你对这三个命令的理解就深一层。参数是死的，场景是活的，在真实数据上踩过的坑，才是真正记住的东西。

另外，别迷信“一条命令解决所有问题”。有时候拆成两三步，中间结果存个临时文件，反而更清晰、更好调试。管道写得再长，如果中间某一步出了问题你定位不到，那还不如分步来。工具是为人服务的，怎么顺手怎么来。