软件的用户，正在变成机器

一个你可能没注意到的现象

过去两年，各大平台陆续做了一件看起来有点复古的事：把自家软件重新包了一层 CLI。

Stripe 早就提供了 stripe 命令行工具，供开发者在终端直接操作支付。GitHub 官方出了 gh，让你不打开浏览器就能创建 PR、合并分支、触发 Actions 工作流。Vercel、Cloudflare、Supabase、Netlify 全都有官方 CLI。AWS 的 aws 命令行工具已经是云工程师日常的标准配置。连 Google 也在 2025 年推出了 Google Workspace CLI，一个命令行工具覆盖 Drive、Gmail、Calendar、Sheets、Docs、Chat、Admin 全线产品。

国内这边，动作来得更密集，而且更具象征意义。3 月 17 日，阿里巴巴发布企业 AI 原生工作平台悟空，同步宣布钉钉已完成全面 CLI 化改造，为 AI 重写底层代码，让所有产品能力都能被 Agent 原生调用，而非模拟人类点击图形界面。10 天后的 3 月 27 日，钉钉 CLI 正式开源上架 GitHub，以 Apache-2.0 协议发布，首批开放 AI 表格、日历、待办、DING 消息、考勤等 10 项核心产品能力，原生支持 Claude Code、Cursor 等主流 Agent 执行环境。这是国内首个面向 AI Agent 开源全产品能力的国民级应用。

飞书紧随其后，3 月 28 日推出 Lark CLI v1.0.0，基于 MIT 协议开源，通过命令行即可调用飞书开放平台 2500+ API，覆盖消息、日历、文档、多维表格、邮箱、任务、会议等 11 个业务领域。

企业微信的节奏更克制一些，目前推出了面向 10 人以下小团队的 OpenClaw 官方 MCP 插件，开放消息、文档、日程、会议等能力，尚未跟进开源 CLI。腾讯选择了不同的切入角度，把筹码放在微信生态的社交连接上。

这三家动作，时间集中在 3 月下旬的短短两周内。

三条路：CLI、GUI、API，各自代表什么

计算机发展史上，人类和软件的交互方式经历过几次范式跃迁。

最早的交互是 CLI，命令行界面。你对着黑屏输字，机器吐回结果。这种方式对人类极不友好，你必须记住命令语法，一个字母打错就报错，没有任何视觉线索。但它有一个核心优势：精确。每一条指令都是结构化的、可重复的、可组合的。

后来 GUI 出现了，图形界面。你用鼠标点击，通过视觉反馈来操作。普通人终于可以用电脑了。GUI 的本质是把命令翻译成图标、按钮、菜单，让不会敲代码的人也能完成复杂任务。这一步让个人电脑真正走进了千家万户，也让互联网时代成为可能。

再后来是 API，应用程序编程接口。这是软件与软件之间通话的方式。当你用微信扫码登录某个 App，背后就是 API 在传递凭证；当你的系统自动从钉钉拉取审批状态，走的也是 API。API 是机器对机器的语言，高效、标准化，但对人类同样不友好，它需要开发者来搭桥。

三种方式，三种受众：CLI 服务于熟悉命令的技术人员，GUI 服务于所有人，API 服务于系统与系统之间的自动化集成。

这三者的关系，在 AI Agent 出现之前，是相对稳定的。GUI 是主流，API 是底层配套，CLI 在专业开发者里存活，但从未变成主角。

从 GUI 到 CLI 的回流，意味着什么

现在的问题是：为什么这么多公司，包括面向普通用户的钉钉、飞书这类产品，开始重新重视 CLI？

这背后有一个很直接的答案，但你要接受它可能需要一秒钟：软件的主要用户，正在从人类变成 AI Agent。

AI Agent 是什么？一句话：能够自主感知环境、做出决策、执行操作的 AI 系统。它不只是聊天机器人，它能调用工具、读写文件、访问 API、甚至控制其他软件。

对于 AI Agent 来说，GUI 是一场噩梦。

想象一下让 AI Agent 去完成一个报销审批流程：它要打开浏览器，识别页面上的按钮在哪里，点击，等待加载，判断下一步该点哪里……这叫做 GUI Agent，用截图和视觉识别来控制软件。2025 年字节跳动的研究团队做出了 UI-TARS，在 GUI 自动化任务上超越了 GPT-4，但整个方向依然脆弱，一旦界面改版，Agent 就可能认不出原来的按钮，整个流程断掉。

传统 RPA（机器人流程自动化）就是死在这里的。用坐标定位、录制回放，每次 UI 变动都要重新配置，维护成本比节省的人力还高。

CLI 完全不同。对 Agent 来说，CLI 是为它量身定制的语言。命令是结构化的，输出是可解析的，执行结果是确定性的。没有视觉噪音，没有动态渲染，没有浏览器兼容性问题。Agent 只需要调用 stripe charges list --limit 10，就能拿到格式化的 JSON 数据，直接处理，无需任何截图解析。

钉钉 CEO 陈航（无招）在发布悟空时说了一句话，直白得有点震撼：过去是人用钉钉来工作，未来是 AI 用钉钉来工作。这不是愿景，这是他们已经完成底层重构之后说出来的事实。

这正是为什么越来越多平台在重新拥抱 CLI：因为 CLI 天然就是 Agent 可以可靠调用的接口。

CLI-Anything：一个极具象征意义的开源项目

几乎在钉钉、飞书集中动作的同一时期，香港大学数据智能实验室（HKUDS）也发布了一个项目，名叫 CLI-Anything，口号是 Making ALL Software Agent-Native，让所有软件对 Agent 原生友好。

这个项目在 GitHub 上迅速积累到 2.4 万颗星。它做的事情非常直接：给任何一个有源代码的软件，自动生成一套完整的 CLI 接口。

GIMP（图像编辑软件）、Blender（3D 建模软件）、LibreOffice（办公套件）、OBS Studio（直播录制软件）……这些原本只有 GUI 的工具，通过 CLI-Anything，都获得了一套结构化的命令行接口。Agent 可以用 cli-anything-gimp resize input.jpg --width 1920 来处理图片，不需要打开 GIMP 的界面，不需要用鼠标拖拉框选。

项目作者 Chao Huang 在发布时写道：Today’s software serves humans. Tomorrow’s users will be agents.（今天的软件服务人类，明天的用户将是 Agent。）

这句话，是整个时代转型最清晰的一句注脚。

那么，API 去哪了？

你可能要问：既然 API 也是机器对机器的接口，为什么不是 API 成为 Agent 的主要通道，而是 CLI？

这个问题问到了点子上。

API 当然还在，而且还很重要。但它有一个根本局限：每个 API 都是孤立的，你调用 Stripe 的 API 和调用 GitHub 的 API，需要分别学习两套认证机制、两套数据结构、两套错误处理逻辑。 系统越多，整合成本呈指数级增长。这就是 Anthropic 在推出 MCP 时提到的 N×M 问题。

MCP，Model Context Protocol，是 Anthropic 在 2024 年 11 月提出的开放标准。它的目标不是取代 API，而是在 API 之上建一层统一的连接层，让 AI 模型可以用标准化的方式发现并调用任意外部工具，不需要为每个服务单独写适配器。

可以把 MCP 理解为 AI 时代的 USB-C：同一个接口，连接所有设备。

2025 年 3 月，OpenAI 正式采纳 MCP 标准。Google DeepMind 随后跟进。2025 年 12 月，Anthropic 把 MCP 捐给了 Linux 基金会下属的 Agentic AI Foundation（AAIF），成员包括 Google、Microsoft、AWS 和 OpenAI。这意味着 MCP 已经从一个公司标准变成了行业基础设施，就像 HTTP 之于 Web，就像 TCP/IP 之于互联网。

在这个框架里，CLI 和 API 的关系变得更清晰了：

• • API 是底层能力的提供者
• • CLI 是在本地环境中 Agent 直接可用的工具接口
• • MCP 是连接 Agent 与各种工具、数据源的通用协议层

三者不是互相替代，而是各司其职。Agent 通过 MCP 发现可用工具，通过 CLI 直接在本地执行，通过 API 访问远端服务。

开发者工具的全面 CLI 化

如果说钉钉和飞书的动作还只是办公协同赛道的局部信号，那 2025 年以来全球主流开发者工具的集体转向就是更大范围的产业共识。

Anthropic 的 Claude Code 在 GitHub 上超过 7.9 万颗星，在终端里运行，理解整个代码库，直接执行重构、修 bug、处理 git 工作流。

OpenAI 的 Codex CLI 拿到了 3.1 万颗星，npm install -g @openai/codex 一行命令装好，就能在终端里让 AI Agent 帮你写 SQL、改逻辑、生成单元测试。

Google 的 Gemini CLI 是 Apache 2.0 开源，支持 MCP 扩展，提供 100 万 token 的上下文窗口。你可以在终端里直接 @github 查看 PR，或者 @database 跑查询，Agent 在背后调度工具，你只需要描述意图。

Cline 拿到了 4.8 万颗星，是开发者社区最受欢迎的开源 Agent 工具之一，支持 Plan/Act 两种模式，每一步操作都需要用户确认，走的是人在回路的路线。

AWS 推出了 CLI Agent Orchestrator（CAO），专门用来协调多个 CLI Agent 并行工作，把 Amazon Q Developer CLI 和 Claude Code 编排进同一个 tmux 会话里，让多个 Agent 像一支工程团队一样分工协作。

Snowflake 有 Cortex Code CLI，JetBrains 有 Junie CLI，Ant Group 有 Neovate Code，Warp 把终端本身变成了 Agent 控制台……这场 CLI 化运动几乎覆盖了整个开发者工具生态。

这些工具有一个共同特征：它们都把 CLI 当作 Agent 的工作界面，而不是人类的操作界面。人类设定目标，Agent 通过 CLI 调度工具、读写文件、操控环境。

2025，Agentic Era 的元年

The New Stack 的技术评论在 2025 年年底写道：2025 was the start of the Agentic Era.（2025 年是 Agentic 时代的开始。）

这个判断并不夸张。

如果用一条时间线来看：

• • 2022 年，ChatGPT 让大众理解了什么是大语言模型
• • 2023 年，function calling 让 LLM 有了调用工具的能力
• • 2024 年，MCP 出现，统一了 AI 与工具的连接标准
• • 2025 年，Claude Code、Gemini CLI、Codex CLI 集中爆发，AI Agent 开始真正进入生产环境
• • 2026 年 3 月，钉钉、飞书在两天内先后开源 CLI，办公软件开始系统性为 Agent 重构底层

每一步，都是在为 AI 可以独立完成复杂任务铺路。

但这里有一个细节值得注意：当前的 AI Agent 还没有完全独立。

Warp 的 CEO Zach Lloyd 说了一句老实话：This was supposed to be the year AI replaced developers, but it wasn’t even close.（这本来应该是 AI 取代开发者的一年，但差得远呢。）

Agent 当前最擅长的是：结构化数据转换、基于已有模式的代码生成、有明确规则的流程自动化。它最难搞定的是：跨越多个系统的复杂推理、长周期任务中的状态管理、对未知情境的灵活应对。

人类工程师在这个阶段的角色变了：从自己写每一行代码，变成审查 Agent 的输出、定义任务边界、在 Agent 卡住时介入。Human-in-the-Loop，人在回路，把人从执行层抬升到监督层，这是当下最真实的状态。

GUI 并没有消亡，但它的受众变了

有一个误解需要澄清：CLI 的回归，并不代表 GUI 要消失。

GUI 还是人类的主要操作界面，而且在可预见的未来都不会被取代。普通用户打开钉钉审批假期，不会去敲命令行，他们永远在用 App。

但对于软件开发者和企业的技术团队来说，他们在构建 Agent 的时候，正在系统性地绕过 GUI。他们要的是可以被编程调用的接口，而 CLI 和 API 比 GUI 稳定得多、效率高得多。

过去的软件是目的地，用户主动打开、浏览、点击；现在的软件正在变成能力组件，用户对智能助手下一条指令，Agent 在后台完成调用，用户甚至感知不到中间经过了哪个平台。

衡量平台价值的指标也在随之移动。DAU、用户停留时长、点击率这些过去十年的核心数字，正在被 Agent 调用频次悄悄替代。

所以更准确的描述是：GUI 的受众，仍然是人类；CLI 和 API 的受众，正在被 AI Agent 大规模接管。

软件产品要同时服务两类用户：一类是坐在电脑前的人，一类是在服务器上跑的 Agent。之前设计软件只需要考虑前者，现在不够了。

对做 AI Agent 服务的人来说，意味着什么

如果你现在在做 AI Agent 的落地服务，这个趋势有几个很具体的影响。

工具选择的优先级变了。 给 Agent 选工具，CLI 接口比 GUI 截图识别稳定一个数量级。如果目标系统有开放的 CLI 或 API，优先走这条路，不要用模拟点击。钉钉和飞书的 CLI 开源，意味着企业协同场景里最常见的那些操作，Agent 现在可以直接调用，不再需要绕道。

系统集成的标准化趋势很明显。 MCP 已经成为事实上的行业标准，Anthropic、OpenAI、Google、Microsoft、AWS 都在其中。在给企业客户搭 Agent 系统时，优先选择支持 MCP 的工具栈，能大幅降低未来的集成成本。

Agent 能做什么的边界还在快速扩张。 今天 Agent 还需要人来审核每一步操作，但这个比例在以可感知的速度下降。现在积累的对 Agent 行为的理解和控制经验，是真正有价值的资产。

最后想说的

技术史上有一个规律：每一次交互范式的跃迁，都会让之前太难用的工具重新变得有价值。

DOS 时代的 CLI 对普通人太难，GUI 出现让电脑民主化了。API 对普通人太难，所以各种 SaaS 界面把它包起来卖给企业。现在，自然语言交互让 CLI 和 API 对普通人也变得可触达，你不需要记命令语法，你只需要跟 Agent 说把这个 Excel 里的数据导进 Salesforce，Agent 自己去调 CLI 和 API。

这不是 CLI 战胜了 GUI。这是 LLM 变成了一个通用的翻译层，把人类的自然语言翻译成机器可执行的命令。在这个过程里，CLI 比 GUI 容易被机器调用，所以它重新变得重要。

软件的用户，确实正在变成机器。

而你如果现在在给这些机器搭工具、建系统、设计工作流，你恰好站在这个转折点上。

这个位置，不是每个时代都有。