GitHub 5.3万星的开源神器：CLI-Anything，让AI Agent第一次学会“用软件”

让 AI 写代码、写文案、做分析，它已经是老手。但如果你说“打开 Blender 建个模型”“用 GIMP 修张图”“在 LibreOffice 里排个版”——它大概率会愣住。

这不是模型不够聪明，而是 AI 和真实软件之间隔着一道墙。

最近 GitHub 上有个项目连续多天霸榜热榜——HKUDS/CLI-Anything，总 Star 数已超过 5.3 万，口号只有一句话：Making ALL Software Agent-Native（让所有软件变成 Agent 原生）。

这篇文章说清楚三件事：它解决什么问题、原理是什么、以及——怎么用。

01 为什么 AI 那么聪明，却不会“用软件”

AI Agent 会推理、会规划、会写代码，但面对真实专业软件时，它基本是“睁眼瞎”。

目前的“AI 操控软件”方案，主要有三种：

· GUI 自动化（RPA）：截图、找按钮、模拟点击，界面一改就崩。

· 有限 API：只覆盖软件 10% 的功能，剩下的没法碰。

· 重新造轮子：用 Python 重写软件核心逻辑，写完发现 90% 的专业功能没了。

这就是业内说的 “Agent-Software Gap”：推理能力爆表，软件操控能力约等于零。CLI-Anything 要治的，正是这道断裂带。

02 CLI-Anything 是什么：一句话说清

CLI-Anything 来自香港大学数据科学实验室（HKUDS），Apache 2.0 开源，核心理念只有一句：

不重写软件，不模拟 GUI，不阉割功能——直接为任意软件生成一套结构化的 CLI 接口，让 AI Agent 像敲命令一样操控专业软件。

举个例子：把 Blender 源码交给它，一条命令就能自动生成 cli-anything-blender 命令行工具。Agent 用它创建场景、添加物体、调用真实的 Cycles 渲染引擎出图——每一步都是真实软件在干活，不是 mock、不是 stub。

每个生成的 CLI 还自带 SKILL.md 和 --help 文档，Agent 装上就能自主学习使用。官方口径下，项目目前已有 40+ 现成 CLI 工具、2400+ 测试用例，并覆盖 10+ 主流 Agent 平台。

03 它怎么做到的：7 阶段全自动流水线

这个项目跑的不是“人工写适配器”，而是一条全自动流水线，零人工干预：

1. 分析源码：把 GUI 操作映射到 API。

2. 架构设计：规划命令分组和状态模型。

3. 代码实现：生成完整 CLI，带 REPL、JSON 输出、撤销/重做。

4. 规划测试：自动生成测试计划。

5. 编写测试：单元测试 + 端到端测试。

6. 生成文档：写入测试结果和 SKILL.md。

7. 打包发布：pip install 即装即用。

硬核的地方在测试：每个 CLI 都经过真实软件验证——LibreOffice 导出 PDF 就检查文件头，Blender 渲染就验证输出像素。后端缺失，测试直接失败而不是跳过。换句话说，每一个通过测试的能力，都是真刀真枪跑过的。

04 怎么用：三条路径，5 分钟跑通

路径一：直接用现成 CLI（最快）

pip install cli-anything-hub

cli-hub install gimp

路径二：Claude Code 插件（体验完整流程）

/plugin marketplace add HKUDS/CLI-Anything

/plugin install cli-anything

/cli-anything ./gimp

路径三：给任意软件构建新 CLI

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

支持的 Agent 平台包括 Claude Code、OpenClaw、Pi、OpenCode、Codex、Qodercli、Cursor、Copilot CLI 等 10+ 主流工具，挑顺手的装上就能用。

05 为什么是 CLI，而不是 MCP 或 API

很多人第一反应是：MCP 不香吗？为什么非要走 CLI？

· CLI 是人和 AI 的最大公约数：纯文本输入、纯文本输出，恰好是 LLM 最擅长的格式。一个 --help 就能让 Agent 自动发现所有能力，不需要协议适配。

· 零依赖、零配置：不需要启动 MCP Server、不需要配 OAuth，pip install 完 which 就能找到，Agent 发现工具的方式和人完全一样。

· 确定性与可组合性：同样的命令永远产出同样的结果，命令之间能自由拼成流水线，这对 Agent 的行为可预测性至关重要。

· 已经被实战验证：Claude Code 等工具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”。

06 它比 GUI Agent 强在哪

最近 Computer Use 类 GUI Agent 很火，CLI-Anything 走的是完全不同的路，两者对比很直观：

· 交互方式：截图 + 点击坐标 vs 结构化文本命令。

· 稳定性：界面一改就崩 vs 命令行接口稳定。

· 速度：截图→识别→操作，秒级 vs 直接命令调用，毫秒级。

· 功能覆盖：能看到的按钮才能点 vs 完整 API 能力，含隐藏功能。

· 输出格式：非结构化截图 vs 结构化 JSON。

· Token 消耗：每步都发截图，很贵 vs 纯文本交互，极省。

· 可组合性：几乎无法串联 vs 天然支持管道和脚本。

不是说 GUI Agent 没价值，但在“操控专业软件”这个场景，CLI 方案在稳定性、成本、覆盖面上都更占优。

07 判断框架：它适合谁，边界在哪

适合谁

· 开发者 / 自动化极客：想给 Agent 扩展“手”的能力。

· 开源软件维护者：给自己的软件加一层 Agent 接口。

· 高频重复操作的效率党：让 Agent 批量跑软件任务。

边界与局限（实话实说）

· 依赖强基座模型：生成 CLI 需要 Opus / Sonnet / GPT-5 级别的模型，小模型产出的质量会打折扣。

· 需要源码：目标软件只有编译后的二进制，效果会大打折扣。

· 可能要多轮迭代：一次生成不一定全覆盖，通常要 refine 补齐。

· 安全边界：让 Agent 操作真实软件，权限与校验需要自己兜住。

这些更像“当前阶段的限制”，而非根本性缺陷——模型能力在快速提升，生态也在长。

结尾：接下来该看什么

CLI-Anything 做了一件看似简单、实则深远的事：把“AI 操控真实专业软件”从“理论上可行”变成了“一行命令就能用”。

接下来值得观察的是两件事：CLI-Hub 生态能不能持续长出新工具；“Agent 原生接口”会不会成为软件的标配能力——毕竟钉钉、飞书、企微这些协作软件，也都在悄悄做 CLI。

对普通开发者，建议很朴素：找一个高频、低风险、反馈明确的场景先试一次，比如让 Agent 用 GIMP 批量处理图片。能稳定跑通，再往复杂流程延伸。

工具热不热不重要，能不能在真实场景里稳定降成本，才重要。

#CLI-Anything #Agent 工具 #开源项目 #AI Agent #效率工具 #开发者 #自动化 #AI 编程