AI 时代,CLI 正在迎来第二春

最近一年如果你经常使用 Claude Code、Codex、Cursor 这类工具,应该会发现一个现象。

越来越多的平台开始推出自己的 CLI。

以前大家做开放平台,第一件事是开放 API。

后来变成:

复制代码
开放 API
↓
提供 SDK

而现在很多平台开始多了一层:

objectivec 复制代码
开放 API
↓
提供 CLI
↓
接入 AI Agent

刚开始我没太在意。

直到最近在使用 Claude Code 的过程中,我才发现:

CLI 的角色已经变了。

它不再只是开发者手里的命令行工具。

而正在成为 AI Agent 的基础设施。

CLI 其实从来没有离开过

作为开发者,我们几乎每天都在使用 CLI。

例如:

sql 复制代码
git commit
复制代码
npm install

docker build

kubectl apply

这些命令大家已经熟悉到甚至不会意识到它们属于 CLI。

过去很长一段时间里,CLI 的定位都很明确:

为开发者提供操作能力。

开发者输入命令。

程序执行任务。

返回结果。

整个过程非常直接。

AI 出现之后,CLI 有了新的用户

以前 CLI 的使用者只有一个:

复制代码
开发者

现在变成了:

复制代码
开发者
AI Agent

例如你对 Claude Code 说:

复制代码
帮我运行测试

Claude 可能会执行:

bash 复制代码
npm test

你说:

复制代码
帮我查看当前分支

Claude 可能执行:

复制代码
git branch

你说:

复制代码
帮我打包项目

Claude 可能执行:

复制代码
pnpm build

从 Claude 的视角来看。

它其实和一个初级开发工程师差不多。

接收任务。

执行命令。

读取结果。

继续执行下一步。

为什么 Agent 天然喜欢 CLI

很多人觉得 AI 最擅长调用 API。

实际上未必。

对于 Agent 来说。

CLI 往往是更自然的工作方式。

原因很简单。

CLI 本身就是面向任务设计的。

例如:

复制代码
git pull

表达的就是:

复制代码
拉取代码

docker ps

表达的就是:

复制代码
查看容器

Agent 不需要理解底层接口。

也不需要关心 HTTP 请求。

只需要执行命令即可。

这和人类开发者的工作方式几乎一致。

CLI 最大的优势其实不是方便

很多人觉得 CLI 的价值是方便。

其实在 Agent 场景下。

更大的价值是稳定。

举个例子。

假设某个平台提供:

复制代码
cloud deploy

对于 Agent 来说:

复制代码
执行
读取结果
结束

流程非常明确。

而如果直接调用 API。

Agent 可能需要处理:

复制代码
认证
请求构造
参数格式
错误重试
状态轮询

这些复杂逻辑。

实际上很多 CLI 已经帮开发者封装好了。

Agent 直接复用即可。

Token 成本也是一个容易忽略的问题

最近做 Agent 项目时有一个很明显的感受。

很多人关注模型价格。

却忽略了 Context 本身的成本。

Agent 每获取一份信息。

都意味着 Token 消耗。

而 CLI 有一个天然优势:

按需获取。

例如:

bash 复制代码
tool --help
复制代码
tool list
lua 复制代码
tool status

需要的时候再查询。

而不是把所有能力一次性塞给模型。

对于长期运行的 Agent 来说。

这其实是一个非常现实的优化方向。

为什么越来越多平台开始提供 CLI

以前很多开放平台的思路是:

sql 复制代码
API First

只要 API 足够完善。

开发者自然会接入。

但 Agent 出现之后。

大家发现情况变了。

因为 Agent 最擅长的不是研究接口文档。

而是执行任务。

于是越来越多平台开始提供:

复制代码
platform login
lua 复制代码
platform create
复制代码
platform deploy

platform logs

让 Agent 像开发者一样工作。

这也是最近很多云平台、协作平台、开发平台都在做的事情。

CLI 可能会成为 Agent 时代的新入口

过去十几年。

API 一直是开放能力的核心入口。

未来这个结论不会改变。

但在 Agent 时代。

CLI 的重要性明显被重新放大了。

因为 Agent 本质上就是一个能够操作终端的软件。

对于它来说:

复制代码
git
docker
kubectl
pnpm
platform-cli

这些工具并没有区别。

都是能力入口。

谁能提供更稳定、更清晰、更易调用的 CLI。

谁就更容易被 Agent 使用。

写在最后

以前我一直觉得 CLI 是一个很传统的东西。

甚至有些"老派"。

但最近使用 Claude Code 之后,我反而越来越觉得:

CLI 可能是 AI 时代被低估的一环。

它没有炫酷的概念。

也没有复杂的协议。

它做的事情非常简单:

复制代码
接受命令
执行任务
返回结果

但恰恰是这种简单。

让它成为了 Agent 最容易理解、最容易使用、也最容易落地的一种能力形态。

或许未来我们会看到越来越多的平台开放 API。

但与此同时,也会看到越来越多的平台认真建设自己的 CLI。

因为开发者在用。

Agent 也在用。

相关推荐
玉宇夕落1 小时前
AI Loop把 AI 从“问答机”变成“打工仔”
ai编程
用户3521802454752 小时前
🎆从 Prompt 到 Skill:让 Spring AI Agent 学会"装新技能"
人工智能·spring boot·ai编程
Java_慈祥3 小时前
手把手 教你,Claude + CC-Switch 使用!!
ai编程·claude·敏捷开发
悟空码字4 小时前
【高德开放平台skill】从拍脑袋到看数据,我是如何把一个“选址直觉“做成 AI Skill 的
aigc·openai·ai编程
Warson_L4 小时前
什么是 PTC (Programmatic Tool Calling)?
ai编程
唐老板6 小时前
我让 AI 从零做了一个用户权限系统,这是全过程记录
ai编程
沉默王二8 小时前
面试结束后,我反问:“就面个实习至于上这么大强度吗?”面试官:“你对 RAG、Agent、MCP、Skill 理解得很到位,所以要求高一点。”
面试·agent·ai编程
怕浪猫8 小时前
Playwright 的 CDP Session 机制详解
浏览器·ai编程·自动化运维