❝AI Agent 很聪明但面对真实的专业软件它就是个睁眼瞎。CLI-Anything 说我来治。❞先说一个扎心的事实2026年了AI Agent 能写代码、能做分析、能聊天能画画——但你让它打开 Blender 建个模让它用 GIMP 修张图让它在 LibreOffice 里排个版「抱歉臣妾做不到。」目前的AI操控软件方案大多是这样的「GUI自动化RPA」截图、找按钮、点鼠标。界面一更新就全崩。「有限的API」只覆盖10%的功能剩下的自己想办法。「重新造轮子」用Python重写一遍软件的核心逻辑。好不容易写完原软件90%的专业功能没了。这就是 AI Agent 世界里最大的断裂带——「推理能力爆表软件操控能力约等于零」。CLI-Anything一行命令让任何软件变成 Agent 的原生工具「CLI-Anything」是一个来自香港大学数据科学实验室HKUDS的开源项目GitHub 地址https://github.com/HKUDS/CLI-Anything。它的核心理念只有一句话❝「不重写软件不模拟GUI不阉割功能——直接生成一套结构化的CLI接口让AI Agent像用命令行一样操控任何专业软件。」❞怎么理解举个例子。你有一份 Blender 的源码或者从 GitHub clone 下来也行在 Claude Code 里敲一行命令/cli-anything ./blender接下来全自动的 7 阶段流水线开始工作「分析源码」→ 把GUI操作映射到API「架构设计」→ 规划命令分组和状态模型「代码实现」→ 生成完整的 Click CLI带 REPL、JSON输出、撤销/重做「规划测试」→ 自动生成测试计划「编写测试」→ 实现单元测试 端到端测试「生成文档」→ 写入测试结果「打包发布」→pip install即可全局使用整个过程「零人工干预」。完成后你会得到一个cli-anything-blender命令Agent 可以这样用它# 创建场景 cli-anything-blender scene new --name ProductShot # 添加物体 cli-anything-blender object add-mesh --type cube --location 0 0 1 # 渲染——调用的是真正的 Blender 引擎 cli-anything-blender render execute --output render.png --engine CYCLES注意最后一行「它调用的是真正的 Blender 渲染引擎」输出的是真正的渲染图片不是什么Pillow糊弄事的替代品。为什么是CLI不是MCP不是API很多人第一反应是MCP 不香吗为什么要走CLI这条路CLI-Anything 的选择有深层逻辑「1. CLI 是人和 AI 的最大公约数」命令行是纯文本输入、纯文本输出——这恰好是大语言模型最擅长的格式。不需要协议适配不需要序列化/反序列化的开销一个--help就能让 Agent 自动发现所有能力。「2. 零依赖零配置」不需要启动MCP Server不需要配置OAuth不需要安装SDK。pip install -e .之后which cli-anything-blender就能找到它。Agent 发现工具的方式和人类完全一样。「3. 确定性和可组合性」同样的命令永远产出同样的结果。命令之间可以自由组合成流水线这对 Agent 的行为可预测性至关重要。「4. 实战验证」Claude Code 每天通过命令行执行数以千计的真实任务。CLI 不是理论上可行而是已经在跑了。1917 项测试100% 通过率覆盖 21 款软件空口白话没意义直接上硬数据。CLI-Anything 目前已经为「21款」不同领域的专业软件生成了完整的 CLI 接口软件领域测试数Blender3D建模与渲染208Inkscape矢量图形202Audacity音频制作161LibreOffice办公套件158Kdenlive视频剪辑155Shotcut视频剪辑154OBS Studio直播与录制153Draw.io图表绘制138GIMP图像编辑107Ollama本地LLM推理98Mubu知识管理96ComfyUIAI图像生成70RenderDocGPU帧捕获分析59MuseScore乐谱编辑56AnyGenAI内容生成50AdGuardHome网络广告拦截36Zoom视频会议22NotebookLMAI研究助手21SketchUI设计19FreeCAD参数化3D CAD新增Browser浏览器自动化新增「合计」「1917」「全部 1917 项测试100% 通过。」这里面不只有跑通了的单元测试还有硬核的端到端验证LibreOffice 导出 PDF → 检查%PDF-魔术字节Blender 渲染 → 验证输出 PNG 的像素内容Audacity 处理音频 → 检查 RMS 电平和时长「不是mock不是stub是真刀真枪调用真实软件。」五分钟上手指南方式一Claude Code推荐# 1. 添加插件市场 /plugin marketplace add HKUDS/CLI-Anything # 2. 安装插件 /plugin install cli-anything # 3. 对准任何软件一键生成 /cli-anything ./gimp # 4. 觉得覆盖不够迭代优化 /cli-anything:refine ./gimp 我要更多滤镜和批处理功能方式二OpenClaw / OpenCode / Codex / Copilot CLICLI-Anything 不绑定任何单一平台。它为「6 个主流 AI 编程工具」提供了原生接入Claude Code插件OpenCode斜杠命令OpenClawSKILL.mdCodexSkillQodercli插件GitHub Copilot CLI插件挑你顺手的装上就用。方式三直接使用生成好的CLI社区已经生成了 20 个即装即用的 CLI全在「CLI-Hub」上# 比如安装 Ollama 的 CLI pip install githttps://github.com/HKUDS/CLI-Anything.git#subdirectoryollama/agent-harness # 直接用 cli-anything-ollama --help cli-anything-ollama model list --json一行pip installAgent 立刻拥有操控对应软件的全部能力。它比GUI Agent强在哪最近 GUI AgentComputer Use 类方案很火但 CLI-Anything 走了一条完全不同的路。来做个对比维度GUI AgentCLI-Anything交互方式截图 点击坐标结构化文本命令稳定性界面一改就崩命令行接口稳定速度截图→识别→操作数秒级直接命令调用毫秒级功能覆盖能看到的按钮才能点完整API能力包括隐藏功能输出格式非结构化截图结构化JSONToken消耗每步都要发截图巨贵纯文本交互极省可组合性几乎不可能串联天然支持管道和脚本不是说 GUI Agent 没价值——但在专业软件操控这个场景CLI 方案碾压级优于截图点击。CLI-Hub让 Agent 自己找工具CLI-Anything 还做了一件很酷的事「CLI-Hub 元技能」。装上这个元技能后你的 Agent 不需要知道要用什么CLI它会自己去 CLI-Hub 浏览目录找到合适的工具自动安装然后使用。# 安装元技能 openclaw skills install cli-anything-hub # 然后直接甩任务 帮我用合适的工具把这段音频降噪并导出为 MP3Agent 会自己发现 cli-anything-audacity、自动安装、调用降噪命令、导出文件。「全程零人工介入。」这才是 Agent 真正该有的样子——不是我告诉你用什么工具而是你自己去找。架构上的几个硬核设计如果你是技术人这几个设计值得关注1. 真实软件集成零妥协CLI 生成合法的项目文件ODF、MLT XML、SVG然后调用真实软件后端渲染。如果后端缺失测试直接「fail」而不是 skip。这意味着每一个通过的测试都经过了真实软件的验证。2. 双模交互每个 CLI 都支持两种模式「子命令模式」适合脚本和流水线cli-anything-gimp --json project new「REPL 模式」适合交互式 Agent 会话直接输入命令名即进入3. 统一的 REPL 皮肤所有 CLI 共享repl_skin.py——统一的品牌横幅、风格化提示符、命令历史、进度指示器。无论操控哪个软件交互体验一致。4. SKILL.md 自动生成每个 CLI 自动附带一份SKILL.md包含 YAML 元数据、命令文档、使用示例和 Agent 专用指南。这让任何 Agent 框架都能即时发现和使用这个 CLI。适用场景远比你想的广不只是创意软件。CLI-Anything 的射程覆盖了几乎所有有源码的软件类型「创意与媒体」Blender、GIMP、Inkscape、Audacity、Kdenlive、Shotcut、Krita、OBS Studio「办公与生产力」LibreOffice、Mubu、Zotero「AI平台」ComfyUI、Ollama、NotebookLM、AnyGen、Novita「开发工具」iTerm2、RenderDoc、Browser「图表与可视化」Draw.io、Mermaid、FreeCAD「通信协作」Zoom「网络基础设施」AdGuardHome、Teltonika RMS「UI设计」Sketch而且这个列表每天都在增长。社区贡献者来自全球最近两周就新增了 FreeCAD258个命令、iTerm2、Zotero、RenderDoc、Browser 等多个 CLI。局限性实话实说任何项目都有局限CLI-Anything 也不例外「依赖强大的基座模型」。要可靠地生成 CLI你需要 Claude Opus 4.6、Sonnet 4.6 或 GPT-5.4 这个级别的模型。小模型可能产出不完整的 CLI。「需要源码」。如果目标软件只有编译后的二进制效果会大打折扣。「可能需要多次迭代」。一次/cli-anything不一定能覆盖所有功能通常需要跑几次/refine来补齐。但在我看来这些更像是当前阶段的限制而非根本性缺陷——模型能力在快速提升逆向工程工具在进化迭代优化本身也是自动化的。一句话总结「CLI-Anything 做了一件看起来简单但极其深远的事它让AI Agent操控真实专业软件这件事从理论上可行变成了一行命令就能用。」21款软件、1917项测试、6个平台支持、全球社区贡献——这不是一个实验室demo是一个正在快速成长的生态。如果你是 AI 开发者强烈建议你花 5 分钟试一下。如果你维护一款开源软件考虑用 CLI-Anything 给它加一层 Agent 接口——这可能是你的软件进入 AI 时代最快的方式。