AI Agent 如何控制现实世界的软件?CLI Anything vs OpenCLI 深度对比

AI Agent 的终极梦想，就是能够控制现实世界中所有软件。

试想一下：让 AI 自动帮你用 Blender 渲染场景、用 GIMP 修图、从小红书抓取热点数据、控制浏览器自动发帖……这不再是科幻，两个开源项目已经把它变成了现实。

今天我们就来深度对比一下 CLI Anything（香港大学数据科学实验室出品）和 OpenCLI（个人开发者 jackwener 开发）这两个项目，看看它们各自解决了什么问题，又该如何选择。

为什么需要这两个工具？

现在的 AI Agent 能力很强，但有一个致命问题：它们大多被困在”盒子”里，只能处理文本和代码，碰不到你电脑上已有的软件。

• • 💻 你电脑上有 Blender，但 AI 无法自动调用它渲染3D场景
• • 🌐 AI 需要从小红书获取数据，但每次都要人工截图复制
• • 🎨 GIMP、Inkscape、OBS 这些好工具，AI 只能”看”不能”用”

CLI Anything 和 OpenCLI 就是来解决这个问题的——它们都在做同一件事：把各种各样的软件，转换成 AI Agent 能够理解和调用的 CLI 命令行接口。

但两者主攻方向完全不同，我们分开来看。

CLI Anything：一键把任何GUI软件变成AI可调用的CLI

项目概况

• • 创建者：香港大学数据科学实验室（HKUDS）
• • GitHub：https://github.com/HKUDS/CLI-Anything
• • 核心标语：”Making ALL Software Agent-Native”
• • Star 趋势：GitHub Trending 快速增长中

核心愿景

Today’s Software Serves Humans👨💻. Tomorrow’s Users will be Agents🤖.CLI-Anything: Bridging the Gap Between AI Agents and the World’s Software

简单说，CLI Anything 的目标就是：让所有软件都能被 AI Agent 原生使用。

它最牛的地方在于，你只要把有源代码的软件路径丢给它，它会通过一个 7阶段全自动流水线，帮你生成完整的 Python CLI 包装层：

1. 1. 🔍 分析 – 扫描源代码，把GUI操作映射到API
2. 2. 📐 设计 – 设计命令组、状态模型、输出格式
3. 3. 🔨 实现 – 使用Click构建CLI，自带REPL、JSON输出、撤销/重做
4. 4. 📋 规划测试 – 创建单元测试和E2E测试计划
5. 5. 🧪 编写测试 – 实现完整测试套件
6. 6. 📝 文档 – 更新测试文档
7. 7. 📦 发布 – 创建setup.py，安装到PATH

整个过程全自动，不需要你写一行代码。

已支持的软件：20+ 领域，1900+ 测试全通过

CLI Anything 已经为 20 多款常用软件生成了生产可用的 CLI 接口，每个都跑通了全部测试：

总计 20+ 个软件，1,917 个测试，100% 全部通过——这个质量保证在开源项目里真的少见。

使用方式： Claude Code 一键生成

对于 Claude Code 用户来说，使用真的非常简单：

# 1. 添加市场/plugin marketplace add HKUDS/CLI-Anything# 2. 安装插件/plugin install cli-anything# 3. 一键生成CLI/cli-anything:cli-anything /path/to/software/source

生成之后就可以直接用了：

# 安装到PATHcd gimp/agent-harness && pip install -e .# 命令行使用，支持JSON输出方便AI解析cli-anything-gimp --json project new --width 1920 --height 1080# 进入REPL交互式使用cli-anything-gimp

设计哲学：真正的软件集成，不做玩具

CLI Anything 的几个设计原则让我印象深刻：

1. 1. 真正调用真实软件 —— 不做模拟替换，就是调用你电脑上已安装的软件真实渲染，输出的结果就是你要的
2. 2. Agent原生设计 —— 每个命令都支持 --json 输出，天生就是给 AI 吃的
3. 3. 测试不妥协 —— 要求100%测试通过率，不把有问题的代码给用户
4. 4. 统一体验 —— 所有生成的CLI共享同一个REPL界面，学习成本低

适合什么场景？

典型案例：

• • AI Agent 自动用 Blender 批量渲染 3D 场景
• • AI Agent 自动用 LibreOffice 生成 PDF 报告
• • AI Agent 批量处理 GIMP 图像尺寸和水印
• • AI Agent 通过 OBS 自动录制和剪辑视频

OpenCLI：把网站和Electron应用都变成CLI

项目概况

• • 创建者：jackwener
• • GitHub：https://github.com/jackwener/opencli
• • 核心标语：”Make Any Website & Tool Your CLI”
• • NPM包：@jackwener/opencli

核心愿景

OpenCLI 解决的是另一个场景：让 AI Agent 能够通过 CLI 访问网站数据、控制 Electron 桌面应用。

你是不是经常需要让 AI 帮你：

• • 看看 B 站今天热门有什么？
• • 从小红书搜索一下某个关键词的笔记？
• • 控制 Cursor IDE 自动重构代码？

这些事情以前 AI 做不到，现在 OpenCLI 让它变成可能。

核心特性

OpenCLI 的核心能力可以总结为三点：

1️⃣ 网站转 CLI

已经内置了 65+ 个网站适配器：

• • 中文平台：小红书、Bilibili、知乎、掘金、豆瓣、微信公众号
• • 国际平台：Twitter/X、Reddit、HackerNews、YouTube、Pixiv

2️⃣ Electron 应用转 CLI

支持控制常见的桌面应用：

• • Cursor IDE、OpenAI Codex、ChatGPT、Notion、Discord、Doubao

3️⃣ 统一 CLI Hub

自动发现你电脑上已有的 CLI 工具，让 AI 一键找到并调用，还能自动安装缺失的工具。

几个让人印象深刻的设计：

• • 零 LLM 运行时消耗 —— 预生成适配器，运行的时候不需要调用 LLM，速度快又省钱
• • 确定性输出 —— 相同命令输出相同结果，适合自动化脚本和 CI
• • 复用 Chrome 登录状态 —— 你已经在浏览器登录了小红书，OpenCLI 直接复用，不需要重新登录
• • 反检测内置 —— 帮你做好了指纹规避，运行稳定

使用示例

安装也很简单：

# 1. 从Releases下载Browser Bridge扩展加载到Chrome# 下载地址: https://github.com/jackwener/opencli/releases# 2. 安装OpenCLInpm install -g @jackwener/opencli# 3. 检查连接opencli doctor

然后就可以用了：

# 列出所有可用命令opencli list# Bilibili热门opencli bilibili hot --limit 5# 小红书搜索opencli xiaohongshu search --keyword "AI agent" --limit 10# 下载小红书笔记中的图片和视频opencli xiaohongshu download abc123 --output ./xhs# GitHub Trendingopencli github-trending trending --language go# 输出JSON格式供AI处理opencli bilibili hot -f json | jq

架构设计：双引擎架构

OpenCLI 用了非常灵活的双引擎设计：

• • YAML 声明式：简单的数据提取管道，用 YAML 声明一下就好了，零代码
• • TypeScript 注入：复杂交互场景，直接写 TypeScript，灵活强大

这样既保证了简单场景的开发效率，又不失去复杂场景的灵活性。

适合什么场景？

典型案例：

• • AI Agent 每日汇总 Bilibili 热门话题写评测
• • AI Agent 从小红书抓取特定关键词的竞品分析
• • AI Agent 自动控制 Cursor IDE 批量重构代码
• • AI Agent 统一发现和调用你所有的本地 CLI 工具

全方位对比：哪个更适合你？

看完两个项目的介绍，我们来做一个全方位对比：

从能力对比上能看得更清楚：

一句话总结：

CLI Anything 负责”本地有源码的GUI应用”，OpenCLI 负责”网站和Electron应用”。它们不是竞争关系，而是完美互补。

架构对比：两种不同的思路

CLI Anything 的架构比较直接：

AI Agent → 生成的CLI (Click/Python) → 真实软件后端 → 输出结果

AI 调用生成的 CLI，CLI 再调用真实软件，真实软件输出结果。整条链干干净净。

OpenCLI 因为要处理网站和 Electron，所以架构稍复杂一点：

AI Agent → opencli → [浏览器CDP ↔ 网站] 或 [CDP ↔ Electron app] 或 [子进程 ↔ 本地CLI] → 输出JSON

OpenCLI 相当于一个统一的代理层，把不同类型的目标都转换成统一的 CLI 接口输出。

环境要求对比

总结：如何选择？

👉 选 CLI Anything 如果你：

• • 需要让 AI Agent 控制本地 GUI 应用（Blender、GIMP、LibreOffice、OBS等）
• • 目标软件有公开源代码
• • 重视测试质量，要求每个功能都经过验证
• • 在使用 Claude Code 或 OpenClaw

👉 选 OpenCLI 如果你：

• • 需要让 AI Agent 访问网站数据（Bilibili、小红书、知乎等）
• • 需要控制 Electron 桌面应用（Cursor、ChatGPT、Notion等）
• • 需要一个统一的 CLI 中心，让 AI 自动发现所有工具
• • 需要定时抓取内容或下载媒体资源

👀 其实可以一起用：

两个项目真的不冲突，反而可以配合得很好：

• • CLI Anything 搞定你的本地创意软件自动化
• • OpenCLI 搞定网站数据采集和桌面应用控制
• • 两者都输出 AI 友好的 JSON 格式，同一个 AI Agent 可以同时调用它们

写在最后

这两个项目让我看到了 AI Agent 发展的一个重要方向：AI 不应该只在自己的小世界里玩，它应该走出来，控制我们每天都在用的那些软件。

以前我们说”AI 辅助人类工作”，未来可能会变成”AI 帮你操作软件，你只需要做决策”。从这个角度看，CLI Anything 和 OpenCLI 都是在铺这条路的基石。

如果你也在做 AI Agent 相关的开发，或者对 AI 自动化感兴趣，非常建议去这两个仓库看看，说不定能打开一扇新大门。

🔗 项目链接

• • CLI Anything: https://github.com/HKUDS/CLI-Anything
• • OpenCLI: https://github.com/jackwener/opencli