别再让 AI 学着点鼠标了：港大这个项目，要把所有软件改造成"一句话生成"的命令行

让 AI Agent 帮你干活，你大概率遇到过这种憋屈场面：你说"用 Blender 把这个模型渲染出来"，它对着屏幕截图纸看了半天，找不到渲染按钮在哪；你说"把 Zotero 里这个文件夹的文献批量导出"，它一个菜单一个菜单地试探，点错了退回去重来。不是模型笨，是路走歪了。

现在让 Agent 操作软件的主流做法叫 computer-use：截屏、识别界面元素、模拟鼠标点击。这套方案的问题很直观——图形界面是给人设计的，不是给模型设计的。人眼扫一眼就知道"保存"在哪，模型却要在几十上百个像素块里猜；人点错一步顺手撤销，Agent 点错一步可能整条任务链崩掉。更要命的是又慢又贵：每步操作都是一轮截图加推理，token 哗哗地烧，成功率还看运气。

港大 HKUDS 数据智能实验室——就是做出 LightRAG 的那拨人——换了个思路：别点界面了，直接给软件造一套命令行。

这个项目叫 CLI-Anything，口号喊得很直白：今天的软件服务于人类，明天的用户将是 Agent。它要做的事，就是用一条命令，把任意软件、任意代码库，自动改造成 Agent 能直接调用的命令行工具。

CLI-Anything 三联漫画：从软件太多的困境，到发现 CLI-Anything，再到万物 Agent 原生

为什么命令行才是 Agent 的母语？

在讲项目之前，得先说说这个选择的逻辑，因为它决定了整个项目的设计。

大模型本质上是文本进、文本出，命令行恰好是纯文本界面：一条命令就是一行结构化文本，跟模型的输出格式天然对齐；--help 自带说明书，Agent 跑一次就知道有哪些子命令；--json 一开，输出直接是结构化数据，省掉了解析界面元素的中间层。还有两个隐性优势：命令可以像积木一样串成管道和脚本；同样一个操作，走命令行的开销和走截图点击完全不在一个量级。

这不是拍脑袋的理论。Claude Code 这类编程 Agent 每天就在靠命令行跑成千上万的真实工作流——装依赖、跑测试、操作 git、处理文件。这条路早就被验证过，只是此前没人系统地把它推向"所有软件"。

CLI-Anything 赌的就是这个：与其教 Agent 看懂人类的界面，不如让软件学会说 Agent 的语言。

一条命令，七个阶段，CLI 自己长出来

项目的核心用法简单到有点粗暴。在 Claude Code 里装好插件后，敲一条：

/cli-anything ./gimp

Agent 就会自动跑完一条七阶段流水线：

  1. 代码分析——扫描源码，把 GUI 动作映射到底层 API
  2. 设计——规划命令分组、状态模型、输出格式
  3. 实现——生成带 REPL 和 JSON 输出的 Click 命令行
  4. 测试规划——产出单元测试加端到端测试计划
  5. 写测试——实现完整的测试套件
  6. 补文档——把测试结果写回文档
  7. 发布——生成 setup.py，安装到 PATH

跑完之后，你就有了一个叫 cli-anything-gimp 的命令，可以直接用：

cli-anything-gimp --help
cli-anything-gimp project new --width 1920 --height 1080 -o poster.json
cli-anything-gimp --json layer add -n "Background" --type solid --color "#1a1a2e"

注意最后那条的 --json——这是给 Agent 准备的。同一个 CLI，人用 REPL 交互，Agent 用子命令加 JSON，两条路互不干扰。

CLI-Anything 七阶段流水线架构图

按官方 README 的说法（这是官方数据）：项目已在 18 个真实应用上完成验证，累计 2,461 项测试全部通过，其中包含 1,732 个单元测试、579 个端到端测试和 19 个 Node.js 测试。覆盖的领域从 Blender、GIMP、LibreOffice、OBS Studio 这类创意和办公软件，到 ComfyUI、Ollama 这类 AI 工具，再到 FreeCAD、QGIS、RenderDoc、LLDB 这类专业工程软件。团队还为此发了 arXiv 技术报告（arXiv:2606.03854），不是拍脑袋的玩具项目。

不想自己生成？CLI-Hub 里直接装现成的

生成只是半边天，另一边是生态。CLI-Anything 配套了一个叫 CLI-Hub 的"应用商店"，不想自己动手的人直接装现成的：

pip install cli-anything-hub
cli-hub list          # 浏览社区做好的 CLI
cli-hub search image  # 按关键词搜
cli-hub install gimp  # 装上就能用

库里已经有 Blender、GIMP、Krita、FreeCAD、QGIS、Zotero、Obsidian、Calibre、MuseScore、Kdenlive、Zoom、n8n 等一大批软件的 CLI 封装，而且社区提交新 CLI 走 PR 流程，合入后 Hub 即时更新。

还有一个容易被忽略但很关键的细节：每个生成的 CLI 都自带一份 SKILL.md。这是给 Agent 看的技能描述文件，用 YAML 声明命令分组、用法示例和 JSON 输出的注意事项。装好之后，Agent 自己能发现自己"多了什么本事、该怎么调"，不需要你再写一份人类阅读的操作手册。项目还提供了一个 meta-skill，一条命令给你的 Agent 装上"自己去 Hub 里找工具"的能力：

npx skills add HKUDS/CLI-Anything --skill cli-hub-meta-skill -g -y

然后你直接下任务就行："在 CLI-Hub 里找合适的 CLI，把文件夹里 30 张图批量转成黑白。"剩下的检索、安装、读文档、逐条执行，Agent 自己闭环。

几个我觉得挺聪明的设计取舍

翻完 README，有几个细节比"一句话生成"这个卖点更有意思。

第一，它死活不造替代品。 这是项目写在设计原则第一条的：Authentic Software Integration。CLI-Anything 生成的是"通往真实软件的结构化接口"，不是另一个玩具实现。GIMP CLI 底层真的在调 GEGL/Script-Fu，Blender CLI 真的在调 bpy，LibreOffice CLI 生成的是真 ODF 文件、由 LibreOffice 无头模式转出真 PDF。代价是：本机得先装好上游软件。用 GIMP CLI 就得先有 GIMP，跑 Blender CLI 就得先有 Blender。这听起来是废话，但对比那些"看起来能跑、其实输出全是占位符"的 AI 生成工具，这种克制反而是靠谱的证明。

第二，缺了后端，测试直接失败，不跳过。 官方管这叫 Zero Compromise Dependencies——测试套件里没有"环境没有就 skip"这种和稀肿的设计，后端不在，测试就 fail。对一个自动生成代码的项目来说，这条规矩是在保底线：宁可让 CI 红着，也不让一个调不动真实软件的 CLI 蒙混过关。

第三，官方明说"一次生成不可能全覆盖"，所以有了 refine。 /cli-anything:refine 命令会对软件全部能力和现有 CLI 做差距分析，增量补命令、补测试，而且明确保证非破坏性——每次只加东西，不动已有成果。这种"承认第一版不完美、把迭代路径做出来"的设计，比那些宣称"一键完美"的诚实得多。实际用下来，生成质量确实很看模型能力，一个复杂软件往往要多轮 refine 才能把覆盖面堆上去。

第四，REPL 和子命令双模式，外加一套统一的皮肤。 所有生成的 CLI 共享同一个 REPL 界面（repl_skin.py）：统一的横幅、提示符、命令历史、进度指示。光脚敲命令进入交互模式，适合 Agent 做多轮有状态的任务；带子命令跑，适合脚本和流水线。一套代码两副面孔，人和机器各取所需。

安装与上手

分两种路径，看你的需求。

路径一：只用现成生态，五分钟。

pip install cli-anything-hub
cli-hub list
cli-hub install gimp

路径二：给自己的软件或内部工具生成 CLI。 以 Claude Code 为例：

# 添加插件市场
/plugin marketplace add HKUDS/CLI-Anything

# 安装插件
/plugin install cli-anything

# 生成 CLI
/cli-anything ./your-software

生成后装到 PATH 即可使用。需要说明的是，生成器本身依赖 Python 3.10+ 和 Click 8.0+，且需要一个受支持的 AI 编程 Agent 来驱动七阶段流水线，目前已支持 Claude Code、Cursor、Codex、OpenClaw、OpenCode、Pi、GitHub Copilot CLI、Goose 等平台。

两个已知的坑，提前说： 一是 Windows 用户注意，Claude Code 在 Windows 上通过 bash 执行命令，如果没有 Git for Windows 或 WSL，插件里的 shell 命令会报 cygpath: command not found；二是前面提过的，包装类 CLI 依赖本机上游软件，没装就是跑不起来。

适合谁用

按我的观察，这几类人最能吃到红利：

内容创作者。 批量修图、剪视频、做 3D 场景，这类工作的共性是"步骤重复、软件重型"。GIMP、Blender、Kdenlive、Shotcut 的 CLI 都齐了，Agent 一条命令处理 30 张图和人手动点 30 次，效率差着量级呢。

要把内部系统接进 Agent 工作流的开发者。 公司内部的工具、自研系统没有 API 或者 API 不全，扔给 /cli-anything 生成一套 CLI，比手写 wrapper 快得多。README 里还提到一个思路：把散乱的 Web 服务 API 文档喂给它，生成一个把多个端点整合成命令组的"有状态 CLI"，省 token 还统一了口径。

科研党和知识管理重度用户。 Zotero、Calibre、Obsidian、Joplin 这些文献和笔记主力都有现成 CLI。写论文时"把某文件夹文献按引用格式批量导出""把本周笔记整理成综述提纲"，Agent 直接干。

设计和 GIS 等专业软件的效率玩家。 QGIS、FreeCAD、Inkscape、Draw.io 这类工具专业度高、操作链路长，恰恰是命令行自动化最能发挥的地方——前提是你真的受够了重复劳动。

最后说两句

CLI-Anything 真正的野心，我觉得不是"又一个 AI 工具集合"，而是在给 Agent 时代的软件定接口标准。它的逻辑很朴素：当软件的用户从人变成 Agent，每款软件都得回答一个问题——你的命令行在哪？

有 arXiv 论文背书、两千四百多项测试、覆盖十几个真实软件、还自带分发生态，这个项目把口号往"基础设施"的方向做实了。当然它也有明显的边界：生成质量吃模型能力、依赖本机装上游软件、覆盖率靠 refine 一轮轮堆。但方向这事，有时候比完美更重要。

当"明天的用户是 Agent"从口号变成日常，早点让自己的工具说命令行语言，总比等着被截图点击折磨要强。

相关资源：