Openclaw用 60 秒把 Mac 应用变成了命令行工具

今天我做了一个实验。我对openclaw 说了一句话： "cli-anything JustFocus"

60 秒后，我的终端里多了一个命令：

```bash

$ justfocus start

🍅 Pomodoro started!

$ justfocus break

☕ Short break started!

$ justfocus stop

⏹️ Timer stopped.

```

JustFocus 是一个番茄钟 App。纯 GUI，没有命令行。但现在它有了。

Openclaw 自己分析了应用包，发现了 AppleScript 接口，生成了完整的 CLI 脚本，安装到了系统里，还帮我测试了每个命令。

整个过程我只说了一句话。

然后我又试了 QuickTime Player。

```bash

$ quicktime record screen

🖥️ Screen recording started.

$ quicktime open ~/Movies/demo.mp4

📂 Opened.

$ quicktime play

▶️ Playing.

$ quicktime export ~/Desktop/out.mov 1080p

📤 Exported.

```

一个纯 GUI 的视频播放器，现在有了 15 个命令行指令。之前一行代码都没有。

这是怎么做到的？

核心方法论来自港大的 [CLI-Anything](https://github.com/HKUDS/CLI-Anything) 项目 —— 一套把 GUI 软件转化为 Agent 友好 CLI 的系统方法。

我把它适配到了 [OpenClaw](https://github.com/openclaw/openclaw)（一个开源的个人 AI Agent 框架），做成了一个原生 Skill。

工作流程：

```

你说一句话 → Agent 扫描应用 → 发现 API → 生成 CLI → 安装 → 测试 → 完成

```

Agent 会自动：

解析.app 包里的Info.plist 和.sdef 文件
通过osascript 探测应用的脚本接口
设计 CLI 子命令结构
生成可执行脚本
安装到/usr/local/bin
逐一测试

---

为什么这很重要？

AI Agent 时代最大的瓶颈不是模型能力，而是 Agent 能控制什么。

大多数软件都是为人类的眼睛和手指设计的 —— GUI。但 GUI 对 Agent 是敌对的：不确定的布局、弹窗、动画、权限对话框……CLI 是 Agent 最自然的接口。** 可组合、可测试、可脚本化、可验证。

CLI-Anything 的核心洞察是：大量 GUI 应用的底层其实已经有可编程接口 —— AppleScript、D-Bus、URL Scheme、IPC —— 只是从来没人把它们包装成 CLI。

现在 AI 自己就能做这件事。

适合什么应用？

| 类型 | 示例 | 发现方式 |

|---|---|---|

| macOS AppleScript 应用 | Keynote、Pages、Finder、Music | `.sdef` 字典 |

| URL Scheme 应用 | Bear、Things 3、Spotify | `CFBundleURLTypes` |

| 有部分 CLI 的应用 | VS Code、Sublime Text | 已有命令扩展 |

| Linux D-Bus 应用 | GNOME/KDE 应用 | D-Bus 自省 |

| Electron 应用 | Slack、Discord | IPC 接口 |

基本逻辑：只要应用底层有任何形式的编程接口，就能生成 CLI。

---

试试看

项目地址：[github.com/barrontang/cli-anything-openclaw](https://github.com/barrontang/cli-anything-openclaw)

```bash

安装

git clone https://github.com/barrontang/cli-anything-openclaw.git

cd cli-anything-openclaw

bash scripts/install-to-workspace.sh ~/.openclaw/workspace

使用

只需要告诉openclaw，cli-anything Keynote，搞定！

仓库里包含了 JustFocus 和 QuickTime 的完整 CLI 脚本，可以直接看代码。

思考

我们总在讨论 Openclaw 的"能力边界"。但很多时候边界不在模型，而在工具。一个能控制 Keynote 的 Agent 比一个只能聊天的 Agent 有用 10 倍。一个能录屏、导出视频的 Agent 比一个只能写代码的 Agent 更接近"助手"。CLI-Anything + OpenClaw 的组合，本质上是在扩大 Agent 的控制面。每多一个 CLI，Agent 就多一个能力。

而现在，生成一个 CLI 只需要 60 秒和一句话。