很多刚接触vi或Vim的用户，会被其陡峭的学习曲线吓退，抱怨它“反人类”。但这种抱怨本身，恰恰误解了vi编辑器的核心。vi之所以历经数十年不衰，并非因为它是一堆晦涩命令的集合，而是源于其背后一套极其深刻且自洽的交互设计哲学。这套哲学的核心，正是其标志性的三种模式：命令模式（Normal Mode）、插入模式（Insert Mode）和底行模式（Command-Line Mode）。理解这三种模式，不是记住按键，而是理解一种独特的“状态机”思想。
现代主流编辑器（如VSCode、Sublime Text）奉行的是“模态编辑”（Modeless Editing），输入和操作指令共享同一套按键。这很直观，但存在一个根本矛盾：键盘按键是有限的。当字母键既用于输入文本，又用于触发功能时，就必然产生快捷键冲突，最终导致开发者不得不依赖复杂的组合键（Ctrl、Alt、Cmd）。
vi的设计者比尔·乔伊在1976年面对一个更原始的环境：低速网络连接和没有鼠标的ADM-3A终端。在这种约束下，他做出了一个大胆而优雅的决策：将编辑行为彻底解耦。于是，三种模式诞生了，每一种模式都拥有一个纯粹且互斥的语义空间。
初学者最大的不适，源于模式切换的“成本”。在插入模式下想移动光标，必须先按ESC退回命令模式。这看似多了一步，但却是vi哲学的精髓：用一次明确的模式切换成本，换取在各自模式下操作效率的指数级提升和无歧义性。
这类似于专业相机的手动模式。自动模式（如同无模式编辑器）看似方便，但调整参数繁琐；手动模式（如同vi的命令模式）需要你先进入“调整状态”，但一旦进入，每个拨盘（按键）的功能都单一而强大。真正的效率，来自于状态内的流畅，而非状态的缺失。
如果说模式分离是vi的骨架，那么命令模式下的操作语法就是其肌肉。vi发明了一种类似自然语言的“动词-名词”编辑语法。
d (delete), y (yank/copy), c (change)。w (一个词), $ (到行尾), i" (引号内的内容)。通过组合动词和名词，你可以用极少的击键表达复杂的编辑意图。dw 删除一个词，d$ 删除到行尾，ci" 修改引号内的内容。这种设计将编辑从“移动光标然后执行菜单命令”的线性过程，转变为“直接声明操作目标”的声明式过程。
更妙的是，你可以在动词前加上数字（副词）来指定重复次数：3dw 删除三个词。这种语法的一致性，使得学习曲线虽然初期陡峭，但后期呈现出强大的复合收益。掌握几个基本动词和名词后，你能组合出的编辑能力是指数增长的。
底行模式的设计，深深烙刻着Unix哲学“一切皆文件，工具做一件事并做好”的印记。冒号（:）后的命令行，本质是一个微型的、面向文本流的命令解释器。
当你输入 :1,10s/foo/bar/g 时，你不是在使用一个编辑器的“查找替换对话框”，而是在向一个文本处理程序下达指令。这个指令的语法（范围指定，替换命令，全局标志）与sed、awk等Unix行处理工具一脉相承。这使得精通shell的用户能无缝地将外部文本处理思维迁移到编辑器内部。
底行模式的存在，模糊了编辑器与shell的边界。执行 :!ls 可以列出目录，:r !date 可以将系统日期插入文档。vi没有被设计成一个封闭的宇宙，而是一个可以轻松与整个Unix生态系统对话的文本节点。
今天，vi的后裔Vim及其理念，已经渗透到现代开发的各个角落。VSCode的Vim模拟插件拥有数百万用户，JetBrains全家桶、甚至浏览器插件都支持Vim键位。人们追求的，早已不仅仅是那几个快捷键，而是vi所代表的那种高效、精确、可组合的交互范式。
三种模式，远非一个古老编辑器的古怪设定。它是一种在严苛约束下诞生的、关于如何与文本进行高效对话的终极思考。它强迫你将“想做什么”和“正在输入什么”分开，将编辑从一种被动的、线性的劳作，转变为一种主动的、结构化的思维体操。当你终于习惯在命令模式下用 dap 删除一个段落，或用 :s/^/#/g 给一片行首加注释时，那种感觉，就像突然看懂了文本背后的矩阵。
参与讨论
这种模式分离的思路挺有意思的，以前没从这个角度想过。
动词-名词语法这个比喻很到位，组合起来确实强大。
一开始用确实不习惯，感觉按个ESC好麻烦。
老用户表示，用惯了vim再用其他编辑器总觉得手速上不去。
有没有那种带模式提示的配置？总忘了自己在哪个模式。
新手提问：hjkl移动光标，为啥不用方向键啊？
和Unix工具链结合这点确实牛，:!命令用起来很爽。
感觉像在学一门新语言，初期成本高，但长期看值。
之前也折腾过一阵子vim，配置插件就搞了半天。
用dap删除段落，这效率确实比鼠标拖拽高多了。
这文章把底层逻辑讲清楚了，比单纯列命令的教程好。
所以Vim插件流行，本质是大家认同这种交互哲学？🤔
要是所有软件都能有这种清晰的状态分离设计就好了。