不知道你有没有察觉到一个反常识的趋势当我们聊 AI Agent 的时候满脑子都是智能、自动化、自然语言交互可落地的时候所有人都在埋头做 CLI。 从各类 AI 编程助手到云服务平台曾经被贴上 “老派”“极客专属” 标签的命令行突然成了 Agent 时代的宠儿。这不是什么审美复古而是一次软件交互范式的底层转向—— 当软件的操作者从人变成了 Agent我们过去几十年奉为真理的 “图形化至上”第一次出现了裂痕。一、界面进化的三次转身操作者变了交互自然就变了过去四十年计算机界面的进化路径几乎是一条单向道从 CLI 到 GUI从字符到图标从键盘到触屏所有迭代都指向同一个目标 —— 对人更友好。第一次CLI 时代1970s-1990s开发者敲一行命令机器返回一行结果简陋但极致高效是人与机器对话的最初形态。第二次GUI 时代1990s-2025s文件变成图标命令变成按钮窗口、鼠标、触屏的出现把计算机的使用门槛拉到了最低。终端逐渐成了 “程序员专属”色彩丰富的图形界面成了所有产品的标配。但到了今天这条单向道突然拐了弯。我们进入了第三次Agentic CLI 时代—— 人不再直接对着机器敲命令人对着 Agent 说需求而 Agent 对着机器敲命令。 对 Agent 来说好看的按钮、顺滑的动画、语法高亮都毫无意义。它要的是能读文件、写代码、跑测试、调 API是稳定、精准、可预测的输入输出。而 CLI恰好就是为这种需求而生的原生接口。二、Agent CLI 为什么是天作之合CLI 的复兴从来不是情怀驱动而是它天生就长在了 Agent 的能力点上。相比 GUI 和 APICLI 对 Agent 的优势是结构性的。1. 天然同构大家都说同一种语言LLM 的本质是 text-in、text-out终端的本质也是 text-in、text-out。两者从底层逻辑上就是同构的不需要任何中间转换。 让 Agent 去操作 GUI 是什么样得先截图、用视觉模型识别控件位置、再模拟鼠标点击、最后再截图确认结果。一行命令能搞定的事拆成四步每一步都可能引入误差。对 AI 来说CLI 就是抵达目标的最短路径没有之一。2. 自描述拿来就能用的原生优势这是 CLI 最被低估的一点也是它相对于 API 的核心优势它自带说明书。 Agent 碰到一个陌生的 CLI 工具敲个--help所有命令、参数、用法一目了然当场就能上手。但 API 不行 ——Agent 得先找到接口文档、搞懂认证方式、摸清请求参数和返回格式折腾半天才能开始调用。 这种自描述性让 CLI 成了对 AI 最友好的工具形态不需要预先给 Agent 注入文档工具本身就是文档。3. Unix 哲学管道带来的即兴编排能力CLI 继承了 Unix 哲学里最精髓的东西管道与组合。antwork calendar agenda --next-week | grep 张三 | wc -l一行命令就能查出下周和张三有几场会议。这种通过管道把多个原子命令串联起来的能力意味着Agent 可以组合出无数种从未被预设过的操作。 相比之下MCP 这类工具更适合预定义的标准操作而CLI 的 “即兴编排” 能力是 Agent 探索和灵活处理问题的关键。4. 原生并行无状态让调度更简单CLI 命令本质上是无状态的一个字符串就是一条完整的指令执行完就结束不需要维护会话状态。 这意味着什么Agent 可以批量生成一堆命令并行分发到多个进程里执行某条失败了还能单独重试完全不用考虑状态同步的问题。当你的工作从 “自己写代码” 变成 “指挥一群 Agent 干活”CLI 的无状态特性会让并行调度变得水到渠成。5. 上下文干净不浪费宝贵的 Token和 MCP 相比CLI 还有一个很现实的优势不占用上下文窗口。 MCP 需要把工具清单预先注册给大模型哪怕暂时不用工具描述也一直占着 Token既费钱又容易分散模型注意力。而CLI 是即用即调不用的时候完全不占用上下文资源对 Token 预算有限的场景格外友好。三、CLI 不是终局人机协作才是真正的答案说了这么多 CLI 的好处但它显然不是交互的终局。未来的产品形态一定会分化成三层完全面向人GUI 依然是最优解追求好看、流畅、易用服务人的认知和操作习惯。完全面向 AgentCLI 是最优解追求结构化、自描述、可组合服务 AI 的执行效率。面向人机共生协作这才是真正的蓝海也是最难的一层。它既要让人高效表达意图、施加控制又要让 Agent 清晰展示状态、接收反馈。人和 Agent 协作的核心从来不是技术是信任。完全放手Agent 容易跑飞步步审批效率还不如自己干。怎么找到平衡点答案是可观测性。计划可观测Agent 动手之前先出方案列清楚要改什么、怎么改人审批通过再执行。把 “逐行检查” 变成 “审批方案”效率直接提升一个量级。过程可观测Agent 执行的时候人能实时看到它在做什么 —— 读了哪个文件、调用了什么工具、修改了哪几行随时可以叫停。但不是甩一堆原始日志而是翻译成人类能快速判断的摘要信息。说白了好的协作界面应该让人用 10% 的注意力换来 90% 的掌控感。纯 CLI 做不到这一点纯 GUI 也不行两者之上的协作层才是下一代产品的胜负手。四、CLI、MCP、SKILL不是三选一是三层能力栈很多人会争论 CLI 和 MCP 哪个更好其实它们根本不在一个维度。加上现在越来越火的 SKILL三者共同构成了 Agent 的能力栈是从底到顶的分层关系CLI指令层最底层的原子操作。一个字符串就是一个动作灵活度最高但每次都要从零开始组装。MCP工具层把高频操作封装成结构化工具预先注册给 Agent输入输出都有标准 Schema调用更稳定。SKILL技能层最上层的编排逻辑。一个 SKILL 可以组合多个 CLI 命令和 MCP 工具封装成一套完整的多步骤工作流。打个很形象的比方CLI 是新鲜食材MCP 是预制菜SKILL 是成品菜谱。 食材最灵活你想做什么菜都行但洗菜切菜全得自己来预制菜省事加热就能吃但只有固定的品类菜谱告诉你完整的烹饪流程什么时候放什么、火候多大它既会用到食材也会用到预制菜。对 Agent 框架来说最核心的不是选哪一个而是让 Agent 能在三层之间自由切换简单操作直接敲 CLI高频标准操作用 MCP复杂多步流程走 SKILL。 CLI 是创新的试验场新玩法先在命令行跑通跑通了的高频操作慢慢沉淀成 MCP 工具经过验证的最佳实践最终固化成 SKILL。三者互相促进而非彼此替代。五、行业已经在落地阿里云千问云的 Agent 化实践这套逻辑不是纸上谈兵行业头部玩家已经在用脚投票。今年 5 月阿里云发布的“千问云”就是一个非常典型的样本 ——整个模型服务平台从设计之初就奔着 “对 Agent 友好” 去核心动作就是全面Skill 化与 CLI 化。过去的模型服务平台是给人用的人去翻文档、写集成代码、调试 API 参数才能把模型能力接到自己的业务里。但千问云的思路是未来用模型的主力是 Agent所以要让 Agent 拿来就能用。 它做了两件关键的事 第一件是千问云 CLI把登录认证、模型查询、模型调用、用量查询、环境诊断这些核心能力全部做成命令行工具。Agent 可以直接通过命令完成所有模型服务操作甚至可以写成脚本自动化执行整个工作流。第二件是千问云 Skills把模型选型、调用、认证、用量分析这些完整链路封装成技能。Agent 不需要写一行代码就能动态路由不同模型—— 自动用视觉模型处理图片用生图模型生成图片用视频模型生成内容全程自己调度。甚至连成本管理都交给了 AgentAgent 可以实时拉取用量数据自动分析趋势、识别异常还给你出成本优化建议。目前这两套能力都已经在 Github 开源相当于直接把 “Agent 友好” 的标准答案摆到了行业面前。 你看当大家还在讨论 CLI 是不是趋势的时候云厂商已经把整个模型服务都 CLI 化、Skill 化了。因为他们很清楚Agent 时代平台不能只等着人来用还要让 Agent 能无缝接进来。六、真正的范式转移从 Mobile First 到 Agent FirstCLI 的复兴本质上是产品设计范式的一次大转向从只服务人类变成同时服务人和 Agent。 当年 “移动友好” 不是给网页加个二维码就行今天 “AI 友好” 也不是给产品套个 CLI 就完事。它是一套全新的设计原则核心是让产品能同时被人和 Agent 高效使用。一个真正 AI 友好的产品至少要具备四个特征可调用所有核心能力都不能锁在 GUI 里必须有对应的编程接口 ——CLI、API、MCP 都行。GUI 是给人的前门Agent 需要一扇同样通畅的后门。可理解接口要有语义化的参数、结构化的返回、能指导纠错的错误信息。就像--help一样工具自己会说话不用翻几百页手册。可组合单个操作是原子的接口是标准的Agent 可以自由串联组装出新的流程。如果每个操作都是黑盒Agent 再聪明也没法编排。可恢复Agent 一定会犯错这是必然的。好的设计是让错误能低成本回退操作尽量幂等状态变更可追溯失败不会造成不可逆的损害。但这还只是 “对 Agent 友好”真正的 AI 友好还要对 “人 Agent” 这个组合友好。这就倒逼我们重新思考三个最根本的问题能力怎么暴露每个产品能力都该有两个版本 —— 人操作的 GUI 版和 Agent 调用的接口版底层共用一套能力内核。数据怎么流动数据不能只做成给人看的仪表盘还要做成结构化、可订阅、可过滤的数据流直接喂给 Agent。协作边界画在哪哪些事 Agent 能自己决定哪些必须人拍板这条线不能写死要能随着信任程度动态调整。十几年前移动互联网爆发的前夜所有人都在争论 “要不要做 App”。后来的事我们都知道了不是要不要做的问题是不做就会出局。 今天我们站在几乎一模一样的路口。问题已经不再是 “要不要做 AI 友好”而是 “怎么比别人更快做到 AI 友好”。先把能力 CLI 化、接口化、标准化的产品会率先接入整个 Agent 生态吃到第一波 AI 原生的红利。而那些还抱着 “我们的 GUI 已经够好了” 想法的产品或许就会像当年坚持 “网页版体验足够好” 的公司一样看着自己的用户悄悄流向那些 Agent 能直接操作的竞品。复古从来不是倒退而是当操作者换了物种所有的最优解都该重新算一遍。互动话题未来 3 年你认为哪些行业会最先全面普及 Agent CLI哪些场景 CLI 永远无法替代 GUI呢我是阿宇欢迎大家留言讨论^-^
不知道你有没有察觉到一个反常识的趋势当我们聊 AI Agent 的时候满脑子都是智能、自动化、自然语言交互可落地的时候所有人都在埋头做 CLI。 从各类 AI 编程助手到云服务平台曾经被贴上 “老派”“极客专属” 标签的命令行突然成了 Agent 时代的宠儿。这不是什么审美复古而是一次软件交互范式的底层转向—— 当软件的操作者从人变成了 Agent我们过去几十年奉为真理的 “图形化至上”第一次出现了裂痕。一、界面进化的三次转身操作者变了交互自然就变了过去四十年计算机界面的进化路径几乎是一条单向道从 CLI 到 GUI从字符到图标从键盘到触屏所有迭代都指向同一个目标 —— 对人更友好。第一次CLI 时代1970s-1990s开发者敲一行命令机器返回一行结果简陋但极致高效是人与机器对话的最初形态。第二次GUI 时代1990s-2025s文件变成图标命令变成按钮窗口、鼠标、触屏的出现把计算机的使用门槛拉到了最低。终端逐渐成了 “程序员专属”色彩丰富的图形界面成了所有产品的标配。但到了今天这条单向道突然拐了弯。我们进入了第三次Agentic CLI 时代—— 人不再直接对着机器敲命令人对着 Agent 说需求而 Agent 对着机器敲命令。 对 Agent 来说好看的按钮、顺滑的动画、语法高亮都毫无意义。它要的是能读文件、写代码、跑测试、调 API是稳定、精准、可预测的输入输出。而 CLI恰好就是为这种需求而生的原生接口。二、Agent CLI 为什么是天作之合CLI 的复兴从来不是情怀驱动而是它天生就长在了 Agent 的能力点上。相比 GUI 和 APICLI 对 Agent 的优势是结构性的。1. 天然同构大家都说同一种语言LLM 的本质是 text-in、text-out终端的本质也是 text-in、text-out。两者从底层逻辑上就是同构的不需要任何中间转换。 让 Agent 去操作 GUI 是什么样得先截图、用视觉模型识别控件位置、再模拟鼠标点击、最后再截图确认结果。一行命令能搞定的事拆成四步每一步都可能引入误差。对 AI 来说CLI 就是抵达目标的最短路径没有之一。2. 自描述拿来就能用的原生优势这是 CLI 最被低估的一点也是它相对于 API 的核心优势它自带说明书。 Agent 碰到一个陌生的 CLI 工具敲个--help所有命令、参数、用法一目了然当场就能上手。但 API 不行 ——Agent 得先找到接口文档、搞懂认证方式、摸清请求参数和返回格式折腾半天才能开始调用。 这种自描述性让 CLI 成了对 AI 最友好的工具形态不需要预先给 Agent 注入文档工具本身就是文档。3. Unix 哲学管道带来的即兴编排能力CLI 继承了 Unix 哲学里最精髓的东西管道与组合。antwork calendar agenda --next-week | grep 张三 | wc -l一行命令就能查出下周和张三有几场会议。这种通过管道把多个原子命令串联起来的能力意味着Agent 可以组合出无数种从未被预设过的操作。 相比之下MCP 这类工具更适合预定义的标准操作而CLI 的 “即兴编排” 能力是 Agent 探索和灵活处理问题的关键。4. 原生并行无状态让调度更简单CLI 命令本质上是无状态的一个字符串就是一条完整的指令执行完就结束不需要维护会话状态。 这意味着什么Agent 可以批量生成一堆命令并行分发到多个进程里执行某条失败了还能单独重试完全不用考虑状态同步的问题。当你的工作从 “自己写代码” 变成 “指挥一群 Agent 干活”CLI 的无状态特性会让并行调度变得水到渠成。5. 上下文干净不浪费宝贵的 Token和 MCP 相比CLI 还有一个很现实的优势不占用上下文窗口。 MCP 需要把工具清单预先注册给大模型哪怕暂时不用工具描述也一直占着 Token既费钱又容易分散模型注意力。而CLI 是即用即调不用的时候完全不占用上下文资源对 Token 预算有限的场景格外友好。三、CLI 不是终局人机协作才是真正的答案说了这么多 CLI 的好处但它显然不是交互的终局。未来的产品形态一定会分化成三层完全面向人GUI 依然是最优解追求好看、流畅、易用服务人的认知和操作习惯。完全面向 AgentCLI 是最优解追求结构化、自描述、可组合服务 AI 的执行效率。面向人机共生协作这才是真正的蓝海也是最难的一层。它既要让人高效表达意图、施加控制又要让 Agent 清晰展示状态、接收反馈。人和 Agent 协作的核心从来不是技术是信任。完全放手Agent 容易跑飞步步审批效率还不如自己干。怎么找到平衡点答案是可观测性。计划可观测Agent 动手之前先出方案列清楚要改什么、怎么改人审批通过再执行。把 “逐行检查” 变成 “审批方案”效率直接提升一个量级。过程可观测Agent 执行的时候人能实时看到它在做什么 —— 读了哪个文件、调用了什么工具、修改了哪几行随时可以叫停。但不是甩一堆原始日志而是翻译成人类能快速判断的摘要信息。说白了好的协作界面应该让人用 10% 的注意力换来 90% 的掌控感。纯 CLI 做不到这一点纯 GUI 也不行两者之上的协作层才是下一代产品的胜负手。四、CLI、MCP、SKILL不是三选一是三层能力栈很多人会争论 CLI 和 MCP 哪个更好其实它们根本不在一个维度。加上现在越来越火的 SKILL三者共同构成了 Agent 的能力栈是从底到顶的分层关系CLI指令层最底层的原子操作。一个字符串就是一个动作灵活度最高但每次都要从零开始组装。MCP工具层把高频操作封装成结构化工具预先注册给 Agent输入输出都有标准 Schema调用更稳定。SKILL技能层最上层的编排逻辑。一个 SKILL 可以组合多个 CLI 命令和 MCP 工具封装成一套完整的多步骤工作流。打个很形象的比方CLI 是新鲜食材MCP 是预制菜SKILL 是成品菜谱。 食材最灵活你想做什么菜都行但洗菜切菜全得自己来预制菜省事加热就能吃但只有固定的品类菜谱告诉你完整的烹饪流程什么时候放什么、火候多大它既会用到食材也会用到预制菜。对 Agent 框架来说最核心的不是选哪一个而是让 Agent 能在三层之间自由切换简单操作直接敲 CLI高频标准操作用 MCP复杂多步流程走 SKILL。 CLI 是创新的试验场新玩法先在命令行跑通跑通了的高频操作慢慢沉淀成 MCP 工具经过验证的最佳实践最终固化成 SKILL。三者互相促进而非彼此替代。五、行业已经在落地阿里云千问云的 Agent 化实践这套逻辑不是纸上谈兵行业头部玩家已经在用脚投票。今年 5 月阿里云发布的“千问云”就是一个非常典型的样本 ——整个模型服务平台从设计之初就奔着 “对 Agent 友好” 去核心动作就是全面Skill 化与 CLI 化。过去的模型服务平台是给人用的人去翻文档、写集成代码、调试 API 参数才能把模型能力接到自己的业务里。但千问云的思路是未来用模型的主力是 Agent所以要让 Agent 拿来就能用。 它做了两件关键的事 第一件是千问云 CLI把登录认证、模型查询、模型调用、用量查询、环境诊断这些核心能力全部做成命令行工具。Agent 可以直接通过命令完成所有模型服务操作甚至可以写成脚本自动化执行整个工作流。第二件是千问云 Skills把模型选型、调用、认证、用量分析这些完整链路封装成技能。Agent 不需要写一行代码就能动态路由不同模型—— 自动用视觉模型处理图片用生图模型生成图片用视频模型生成内容全程自己调度。甚至连成本管理都交给了 AgentAgent 可以实时拉取用量数据自动分析趋势、识别异常还给你出成本优化建议。目前这两套能力都已经在 Github 开源相当于直接把 “Agent 友好” 的标准答案摆到了行业面前。 你看当大家还在讨论 CLI 是不是趋势的时候云厂商已经把整个模型服务都 CLI 化、Skill 化了。因为他们很清楚Agent 时代平台不能只等着人来用还要让 Agent 能无缝接进来。六、真正的范式转移从 Mobile First 到 Agent FirstCLI 的复兴本质上是产品设计范式的一次大转向从只服务人类变成同时服务人和 Agent。 当年 “移动友好” 不是给网页加个二维码就行今天 “AI 友好” 也不是给产品套个 CLI 就完事。它是一套全新的设计原则核心是让产品能同时被人和 Agent 高效使用。一个真正 AI 友好的产品至少要具备四个特征可调用所有核心能力都不能锁在 GUI 里必须有对应的编程接口 ——CLI、API、MCP 都行。GUI 是给人的前门Agent 需要一扇同样通畅的后门。可理解接口要有语义化的参数、结构化的返回、能指导纠错的错误信息。就像--help一样工具自己会说话不用翻几百页手册。可组合单个操作是原子的接口是标准的Agent 可以自由串联组装出新的流程。如果每个操作都是黑盒Agent 再聪明也没法编排。可恢复Agent 一定会犯错这是必然的。好的设计是让错误能低成本回退操作尽量幂等状态变更可追溯失败不会造成不可逆的损害。但这还只是 “对 Agent 友好”真正的 AI 友好还要对 “人 Agent” 这个组合友好。这就倒逼我们重新思考三个最根本的问题能力怎么暴露每个产品能力都该有两个版本 —— 人操作的 GUI 版和 Agent 调用的接口版底层共用一套能力内核。数据怎么流动数据不能只做成给人看的仪表盘还要做成结构化、可订阅、可过滤的数据流直接喂给 Agent。协作边界画在哪哪些事 Agent 能自己决定哪些必须人拍板这条线不能写死要能随着信任程度动态调整。十几年前移动互联网爆发的前夜所有人都在争论 “要不要做 App”。后来的事我们都知道了不是要不要做的问题是不做就会出局。 今天我们站在几乎一模一样的路口。问题已经不再是 “要不要做 AI 友好”而是 “怎么比别人更快做到 AI 友好”。先把能力 CLI 化、接口化、标准化的产品会率先接入整个 Agent 生态吃到第一波 AI 原生的红利。而那些还抱着 “我们的 GUI 已经够好了” 想法的产品或许就会像当年坚持 “网页版体验足够好” 的公司一样看着自己的用户悄悄流向那些 Agent 能直接操作的竞品。复古从来不是倒退而是当操作者换了物种所有的最优解都该重新算一遍。互动话题未来 3 年你认为哪些行业会最先全面普及 Agent CLI哪些场景 CLI 永远无法替代 GUI呢我是阿宇欢迎大家留言讨论^-^
![5分钟搞定Kodi字幕难题：智能字幕插件让你追剧无忧 [特殊字符]](http://pic.xiahunao.cn/yaotu/5分钟搞定Kodi字幕难题：智能字幕插件让你追剧无忧 [特殊字符])
