GUI 赢了上一个十年，但它的时代快到头了。

CLI 正在赢下一个十年，只不过这次，CLI 的用户不再是开发者，而是 Agent。

这个判断听起来有点反直觉，毕竟 CLI 是计算机世界里最古老的交互方式之一了。但回头看这半年的趋势，Claude Code 是 CLI，Codex 是 CLI，OpenClaw 也是 CLI。

Agent 操控计算机的方式，正在从「看屏幕点鼠标」转向「读文档敲命令」。

CLI-Anything

有个项目叫 CLI-Anything，来自香港大学的 HKUDS 团队，已经拿到了 15000 颗星，也算是进一步把这件事挑明了。

CLI-Anything 项目

该项目说起来，也并不复杂：

给任意软件自动生成一套 CLI 接口，让 AI Agent 能直接用命令行操控 GIMP、Blender、Audacity、LibreOffice……

几乎你能想到的桌面软件，它都能包一层。

为什么是 CLI

我此前的文章《一切软件，都将为 Agent 重写》里给出了一个观点：

GUI 本质上是一个翻译层。人类花了 40 年给计算机套上图形界面，是因为人类不擅长记命令。

但 Agent 不需要图形界面。

GUI 翻译层 vs CLI 直连

Agent 天生就是说命令行语言的。

你让它点按钮、拖滑块、填表单 …… 那是在强迫一个天生会说 API 的实体，去学一门它根本不需要的语言。

CLI-Anything 做的事情，本质上就是把那层「翻译层」给剥掉了，让 Agent 直接和软件的底层对话。

怎么做到的

CLI-Anything 的实现分七步，全自动：

扫描源码，把 GUI 操作映射到底层 API。设计命令结构和状态模型。用 Python Click 框架生成 CLI。自动写测试。自动写文档。最后打包安装到系统 PATH。

整个过程只需要一条命令：

/cli-anything:cli-anything ./gimp

生成出来的 CLI 有几个特点值得留意。

每个命令都支持 --json 输出，Agent 拿到的是结构化数据，不用解析一坨文本。每个命令都有 --help，Agent 可以自己「发现」能力，不需要你提前告诉它有哪些功能。还有 undo/redo 和持久化的项目状态。

目前已经通过测试的软件有 GIMP、Blender、OBS Studio、Audacity、Kdenlive、Inkscape、Draw.io、LibreOffice、Zoom 等等，1508 个测试全部通过。

要知道，这是能跑在生产环境里的东西。

我早就这么干了

看到 CLI-Anything 火了，我其实有点感慨。

因为我很早就在用 CLI + Skill 的方式来操控各种服务了，我好多文章中也有写到，比如：对我来说，Claude Code 就是 AGI 等。

用 Cloudflare 的 CLI 管理域名解析、Workers 部署、Pages 配置。用 aliyun CLI 管理阿里云的 RAM 用户、OSS 存储、ECS 实例。用 gcloud CLI 操作 Google Cloud 的各种资源。

这些 CLI 本来是给人类工程师用的。但当你把它们写成 Skill，告诉 Claude Code 每个命令该怎么用、什么场景该调哪个 ……

Agent 就能直接上手了。

比如我有一个 RAM 用户管理的 Skill，Claude Code 读完 SKILL.md 之后，就能帮我创建子账号、配权限、生成 AccessKey，全程命令行操作，我只需要说一句「帮我建个只读 OSS 的子账号」。

CLI 本来就是 Agent 的母语。 CLI-Anything 的贡献在于，它把这条路从「手动写 Skill」变成了「自动生成 CLI」，覆盖了那些原本没有好用命令行的软件。

组合拳

我在去年 11 月的文章《MCP 或将成弃子》里写到过，与其让 Agent 在 context 里塞满工具描述（MCP 的做法），不如让它直接写代码调用。

而 CLI + Skill 的组合，其实是这个思路的自然延伸。

Skill 是知识，是「怎么干」。

CLI 是接口，是「用什么干」。

二者组合起来，Agent 只需要读一份简短的 SKILL.md（几百 tokens），就知道该调哪些命令、参数怎么传、结果怎么解析。

Skill + CLI 架构

不需要 MCP 那样把所有工具定义塞进 context，也不需要 GUI 自动化那种脆弱的截图 + 点击。

CLI-Anything 目前已经支持 Claude Code、OpenClaw、OpenCode、Qodercli 等平台，Cursor 和 Windsurf 也在路线图上。

真正的问题

但 CLI-Anything 本身并不是什么新的智能，它是管道工程。把软件变成 Agent 能调用的命令，这件事技术上并不难，难的是后面那一步。

当 Agent 发出命令之后，谁来决定这条命令能不能执行？

Agent 的两个问题

这其实才是 Agent 时代最核心的问题了。当 Agent 能直接操控 Blender 渲染、Audacity 处理音频、LibreOffice 生成 PDF 的时候 …… 权限边界在哪里，谁来兜底呢？

CLI 解决的是 Agent「能不能干」的问题。但「该不该干」「谁说了算」，这些问题才刚刚浮出水面。

接下来会怎样

我的判断是，CLI 会成为 Agent 时代的标准交互协议。

不是因为 CLI 本身有多先进。恰恰相反，它应该算是计算机最古老的交互方式之一了。但它天然适合 Agent：文本输入，结构化输出，可组合，可发现，确定性强。

人类花了 40 年给计算机加上 GUI 这层翻译层。现在 Agent 来了，它不需要这层翻译。

就像当年 USB 统一了硬件接口一样，CLI 正在成为 Agent 世界的「通用插口」。

整个软件行业，正在把那件给人类穿的外衣，

一件一件脱掉。

而 Agent，终于可以穿自己的衣服了。