软件操作自动生成 Skill：最近很火的开源项目 CLI-Anything

1 最近很火的 CLI-Anything

项目地址：https://github.com/HKUDS/CLI-Anything

CLI-Anything 想做的事很直接：把一个现有软件，或者一个现成代码仓库，变成 AI agent 能稳定调用的命令行工具。

我最近也在做这件事。我之前有一个前后端都有的工具，最开始是先让 Agent 去控浏览器，走前端页面，登录、点按钮、一步一步把流程跑通。后来我又把前后端代码直接给它，让它把功能往外抽，边写边测。最后做出来的效果其实挺好，主要功能都能正常用。

所以我看到这个项目时，第一反应不是"这个想法挺新"，而是"终于有人把这一套动作抽象出来了"。这个项目是 3 月 9 号开源的，到 3 月 27 号已经拿到了两万多 Star，传播速度非常快。下面就来看看：它到底把哪些东西做成了通用能力。

它不是再造一个简化版软件，也不是靠点点点的 UI 自动化去糊。它的思路是把真实软件的能力，包装成结构化 CLI，让 agent 用命令、参数和 JSON 输出去调用。这比截图识别、按钮点击那套稳定很多，也更适合长链路自动化。

2 解决什么问题

现在的大模型很会推理，但真让它去操作复杂软件，经常还是两条路：

• 要么走 GUI 自动化，容易脆

• 要么依赖零散 API，能力不完整

• 要么重写一套简化工具，但很多真实能力会丢

CLI-Anything 的做法是把"软件能力"转成"agent 可调用的 CLI 能力"。这样 agent 不需要理解界面，也不用拼很多分散接口，而是直接调用统一命令。

3 怎么工作

项目里最核心的是一条自动化流水线。你把一个本地代码仓库，或者一个 GitHub 仓库路径，交给它，它会按一套固定流程去生成 CLI。

大致分成 7 个阶段：

1. 分析源码，理解软件能力和可操作对象

2. 设计命令结构、状态模型和输出格式

3. 生成可用的 CLI 和交互式 REPL

4. 规划测试

5. 生成测试

6. 补文档

7. 打包成可安装工具

最后产物不是一个演示脚本，而是一个能安装、能跑、能测试、能继续迭代 refine 的 CLI harness。

3.1 CLI harness 是什么

这里先补一个背景：CLI harness 可以理解成"软件和 agent 之间的一层命令行中间层"。

很多复杂软件不是写一个 SKILL.md 就能直接控制的。因为真实操作里往往有多步流程、上下文切换、状态保存、参数组合，甚至还要真的去调后端程序执行。只靠一份说明文档，agent 知道怎么说，但并不等于软件真的能被稳定调用。

CLI-Anything 做的事，就是先用 Python 把这层中间层做出来。它会把软件能力整理成一个真正可执行的命令行程序，通常长这样：cli-anything-<software>。这个程序负责命令设计、状态管理、JSON 输出、REPL，以及和真实后端对接。然后它再配一份 SKILL.md，告诉 agent 这层 CLI 怎么用。

所以顺序其实是：先有可执行的 CLI harness，再有描述这个 harness 的 SKILL.md。前者负责真正干活，后者负责让 agent 看懂怎么调用。

4 几个亮点

4.1 不是玩具 CLI，而是给 agent 用的 CLI

它生成的 CLI 不只是能跑命令，还会尽量统一这些能力：

• 支持子命令结构

• 支持 JSON 输出，方便 agent 消费

• 支持 REPL，适合连续任务

• 支持状态管理、逐步操作

• 带测试和文档

这件事很重要。因为 agent 真正需要的不是"能调用一下"，而是"能稳定接到工作流里"。

4.2 强调调用真实软件，而不是替身

README 里反复强调一件事：不要为了省事，用假的渲染器或简化实现去替代真实软件。

比如对 Blender、LibreOffice、GIMP 这类工具，CLI-Anything 更看重的是生成正确项目文件，再调用真实后端去执行。这样保留下来的才是原软件真正的能力，而不是一个缩水版本。

4.3 很重视测试

这个项目不是停留在"看起来能跑"的层面。README 里给了大量测试数据，覆盖单元测试、端到端测试、以及安装后命令级别的验证。

它已经拿很多不同类型的软件做了演示，包括：

• GIMP、Blender、Inkscape、Audacity

• LibreOffice、OBS Studio、Shotcut、Kdenlive

• Draw.io、Mermaid、Zoom

• ComfyUI、Ollama、NotebookLM 等

这说明它不是只适合某一类软件，而是在验证一套更通用的方法。

4.4 对 agent 生态比较友好

它不只支持单一平台，README 里已经覆盖了 Claude Code、OpenCode、OpenClaw、Codex、GitHub Copilot CLI 等入口。

另外它还强调了 SKILL.md 的生成。也就是说，生成出来的不只是一个 CLI，还会带一份 agent 可发现、可理解的 skill 描述。这一点对 agent 自动发现工具、自动调用工具很关键。

5 适合什么场景

从 README 的示例看，这个项目比较适合几类场景：

• 你手里有一个开源项目，想让 agent 直接操作它

• 你有一套零散 API，想整理成统一 CLI

• 你不想继续依赖脆弱的 GUI 自动化

• 你想把"软件能力"接进 agent workflow，而不是只做聊天

如果你本来就在做 agent 工具链、技能系统、自动化工作流，这个项目会很值得看。

6 怎么上手

README 里的上手方式不复杂。核心前提是：

• 需要 Python 3.10+

• 目标软件本身要可用

• 需要一个支持它的 agent 平台

最典型的用法，是把仓库路径丢给它，让它生成 CLI。生成后可以像普通命令行工具一样安装、查看 help、跑子命令，也可以进 REPL 模式持续操作。

如果第一次生成得不够完整，它还支持 refine，继续补能力，而不是一次生成后就结束。

6.1 具体实验：以 Blender 为例

这里我自己实际试了一下，更容易理解它到底在干什么。

一开始我把 cli-anything 这个 skill 装进本地时，目录里其实只有一个很简单的 SKILL.md。我当时也有点困惑，觉得这是不是太简单了。后来再看源码仓库才发现，这个文件本身不是成果，它更像是"构建器入口"。它的作用是告诉 agent：如果用户要把某个软件变成 agent 可调用工具，就按 CLI-Anything 这套方法去做。

真正的成果都在源码仓库每个软件自己的 agent-harness 目录里。比如 Blender 对应的是一整套现成的中间层：

• 有 setup.py

• 有 cli_anything/blender/blender_cli.py

• 有 core/、utils/、tests/

• 也有它自己的 skills/SKILL.md

也就是说，Blender 不是只有一份说明文档，而是已经被做成了一个可执行的 Python CLI 包，名字叫 cli-anything-blender。

我后面又把这个 Blender 的 harness 单独装了。装完之后，本地会多出一个命令：cli-anything-blender。这时候整个结构就很清楚了：

• cli-anything

  这个 skill，是"教 agent 怎么生成 harness"

• cli-anything-blender

  ，才是"真正拿来控制 Blender 的中间层"

它和我之前用过的 Blender MCP，在角色上其实有点像，都是在 agent 和 Blender 之间加一层适配层。区别是这里走的是命令行中间层：把 Blender 能力整理成命令、状态和 JSON 输出，再让 agent 去调。

两者各有侧重。Blender MCP 的方式是在 Blender 里装一个插件，agent 可以直接连上正在运行的那个 GUI 实例，操作实时可见；缺点是功能受限于插件暴露了多少。cli-anything-blender 则是每次把场景写成 JSON，再起一个新的后台 Blender 进程去执行脚本，和已经打开的界面是脱节的，agent 反复调试的成本也更高。但好处是不依赖插件生态，理论上任何能跑命令行的软件都能照这个套路来。

cli-anything-blender 虽然装上了，但本机如果没有 blender 命令，它还是没法真正去执行 Blender 后端。也就是说，这套东西不是假的演示壳子。它真要工作，还是要落到真实软件本身。

所以如果从使用者视角总结，实验大概是这样的：

1. 先装一个 builder skill，让 agent 知道怎么造 harness。

2. 对某个具体软件，再装它对应的 cli-anything-<software>。（也可以自己构建）

3. 本机还得有这个软件自己的后端或可执行程序。

4. 最后 agent 调的，其实不是 GUI，也不是那份 SKILL.md，而是这个可执行的 CLI harness。

7 我对这个项目的理解

我觉得 CLI-Anything 真正有意思的地方，不只是"自动生成 CLI"。更重要的是它在试一件更大的事：

把今天原本只服务人类的软件，改造成能被 agent 稳定调用的基础设施。

如果这条路走通，很多今天必须靠网页点选、桌面点击、人工串接口的事情，都会慢慢变成"agent 调命令完成"。从这个角度看，CLI-Anything 不只是一个工具项目，更像是在补 AI agent 和现实软件世界之间的那层接口。

一句话总结：CLI-Anything 可以理解成一个"把任意软件变成 agent 原生工具"的自动化工厂。它最打动人的地方，不是概念新，而是它在认真解决可用性、真实性和测试这几个最容易被忽略的问题。

8 延伸思考

如果顺着这个方向再往前看一步，我觉得可以说，CLI 对 MCP 有很强的替代性。尤其在开源软件场景里，很多能力其实没必要先包一层 MCP，再让 Agent 去调。直接把能力抽成 CLI，再配上 SKILL，路径会更短，也更自然。

但这不等于软件会消失。更准确的说法是，软件正在后端化。一部分软件以后还在，只是不再主要通过界面给人操作，而是先变成 Agent 可调用的能力。真正容易被重构的，是那些输入输出明确、但中间过程本身没那么重要的软件。

反过来说，社交软件、视频软件，或者那些和硬件、实时反馈、内容生态强相关的软件，短期内都很难被这样替代。它们的价值不只是功能本身，也在关系、分发、交互过程和设备能力里。