2026年3月20日，一款名為OpenCLI嘅開源項目喺GitHub上悄悄走紅，僅上線數日就收獲2300+顆星標。佢由開發者jackwener主導，核心理念係「將任何網站、Electron 應用、桌面軟件都變做 CLI 工具」，令AI Agent 唔使再笨拙咁「點按鈕、填表單」，而係直接透過命令行實現跨平台、結構化操作。同時，另一個同類項目CLI‑Anything（HKUDS團隊）已經有1.5萬星，兩者互補：一個由瀏覽器/網頁入手，一個由開源桌面軟件原碼入手，共同宣布「GUI將死，CLI先係一切」嘅Agent時代正式開啟。
呢股「CLI化」浪潮唔係孤立事件，係AI Agent技術由「輔助工具」邁向「自主執行」嘅必然結果。Karpathy曾直言：「畀用戶去網頁上點按鈕、填表單，感覺幾粗魯。」Levie更一針見血：「如果你嘅功能冇API，咁佢等於不存在。」OpenCLI就係對呢啲見解嘅實踐，佢令AI Agent第一次真正擁有咗「機器語言」——CLI，從而實現軟件世界嘅「重新插返插頭」。
前因：GUI 40年嘅「外衣」終於要除下
過去40年，人類畀電腦披上咗一層厚厚嘅GUI外衣：按鈕、表單、選單、拖拽……呢啲雖然方便人類使用，但對AI Agent嚟講反而係最大障礙。GUI係「人類嘅語言」，輸入係像素級嘅點擊，輸出係視覺回饋，既不可組合、不可發現、亦唔穩定。相反，CLI係文字輸入、結構化輸出、可組合、可發現（‑‑help）、確定性高——呢啲特性正好符合Agent時代對交互協議嘅要求。
以前，Agent要操作B站、知乎、小紅書、飛書、Notion等孤島軟件，只可以靠三種低效方法：手動複製粘貼、第三方非官方API（經常失效）、或者爬蟲（極不穩定）。大公司內部可以靠私有API實現跨系統編排，但普通開發者同個人Agent基本無門。
OpenCLI同CLI‑Anything出現，徹底打破咗呢個壁壘。兩者分工好清晰：
- CLI‑Anything：針對開源桌面軟件（GIMP、Blender、Audacity、LibreOffice等），從原始碼掃描GUI操作，自動映射成Python Click框架嘅CLI命令。
- OpenCLI：針對網站同Electron應用（幾乎覆蓋現代桌面應用一半），唔需要原始碼，直接通過瀏覽器會話操作。
兩者結合，真正實現咗「萬物皆可CLI，萬物皆需CLI」。
OpenCLI技術解析：瀏覽器會話復用 + 三步自動化
OpenCLI嘅核心架構非常輕量，由兩部分組成：
- 輕量Chrome擴充（Browser Bridge）：安裝之後會同用戶已登入嘅Chrome會話無縫復用，唔需要額外登入，密碼同憑證始終留喺瀏覽器內。
- 本地守護進程（Daemon）：通過WebSocket同擴充通信，監聽localhost:19825端口。閒置5分鐘後自動退出，資源佔用極低。
完整調用鏈路為：
CLI命令 → 本地Daemon → WebSocket → Chrome擴充 → 網頁操作。
項目內置三大核心命令，令Agent可以做到零代碼自動化：
- explore：畀定URL之後，自動打開瀏覽器、點擊、滾動、觀察網絡請求，動態發現可調用嘅API。
- synthesize：根據explore結果，自動生成CLI適配器（唔需要人工編碼），將API包裝成標準CLI工具。
- cascade：智能探測認證策略（共5級），由公開API開始，逐步升級到Cookie認證、再到攔截請求簽名，最大限度適配各類網站。
一條命令即可完成全流程：
opencli generate https://bilibili.com ‑‑goal "hot"
即可生成B站熱榜CLI工具，之後可直接用 opencli bilibili hot -f json 輸出結構化數據，供Agent進一步處理。
目前OpenCLI已內置80+命令，覆蓋30+主流網站與應用：
- 視頻平台：Bilibili（熱榜、搜索、字幕提取）、YouTube（影片資訊）
- 社區：知乎（熱榜、搜索）、小紅書（筆記下載）、X/Twitter（時間線、書籤）、Reddit（熱帖）
- 工具：雪球（股票數據）、Boss直聘（職位搜索）、飛書、Notion、Discord、網易雲音樂、超星學習通、微信讀書等
- Electron應用：Cursor、ChatGPT客戶端、Notion、Figma、VS Code、Slack、微信開發者工具等（利用Chromium內核固定端口，如Cursor 9222、Notion 9230）
對於React富文本編輯器等複雜場景，OpenCLI 巧妙利用 document.execCommand('insertText') 模擬輸入，成功繞過框架狀態更新嘅難題。
與CLI‑Anything嘅互補：覆蓋全軟件生態
CLI‑Anything偏重開源桌面軟件，已支援GIMP、Blender等數十款工具，透過原始碼分析生成CLI。OpenCLI則主攻網頁同Electron應用（現代桌面應用近半數基於Chromium內核）。兩者結合，真正做到「任何軟件、任何代碼庫、任何Web API」都可以被Agent‑native化。
開發者只需一條pip命令或者透過GitHub Marketplace安裝，就可以令AI Agent（如OpenClaw、Cursor、Claude Code等）直接調用。結構化輸出支援JSON、YAML、Markdown、CSV，完美配合下游Agent處理流程。
行業影響：Agent能力呈指數級爆發
OpenCLI出現，直接解決咗Agent時代最大嘅痛點——「軟件孤島」。以前涉及跨平台嘅任務（例如先喺B站提取字幕再由AI摘要並發到飛書群）需要人工干預，依家一條CLI命令就可以全自動完成。
對個人開發者嚟講，代表「一人團隊」嘅生產力大幅提升；對企業嚟講，內部系統編排成本大幅下降；對整個AI生態嚟講，CLI有望成為Agent嘅標準協議，GUI將逐漸回歸做「人類專屬」界面。
最直接反映熱度嘅係GitHub星標數據：CLI‑Anything已達1.5萬星，OpenCLI上線數日即破2300星。社區反饋熱烈，認為呢一步係「真正令Agent自己動手」嘅關鍵。
潛在風險同未來討論
強大能力伴隨住責任。OpenCLI復用用戶瀏覽器會話，意味住Agent嘅權限同用戶權限完全一致——佢可以發帖、删帖、轉賬、下載敏感文件。呢個帶出核心問題：「邊個嚟決定Agent可以做啲乜嘢、唔可以做啲乜嘢？」
開發者需要謹慎：
- 使用專用瀏覽器Profile做隔離
- 嚴格權限控制
- 避免將敏感帳號畀Agent使用
未來方向已好清晰：會有更多平台原生支援CLI適配器；OpenCLI同CLI‑Anything有可能合併成統一嘅Hub；Agent會由「識傾嘢」演化成「識做事」，軟件世界將被徹底「重新插返插頭」。
結語：CLI先係Agent時代嘅原生語言
由Karpathy講「點按鈕太粗魯」，到Levie講「冇API等於不存在」，再到OpenCLI同CLI‑Anything嘅落地實踐，40年嘅GUI外衣正被系統性咁除下。
OpenCLI唔係一個簡單工具，而係一場軟件交互範式嘅革命。佢第一次畀AI Agent擁有咗自己嘅「母語」——CLI，從而真正實現跨平台、結構化、自動化執行。
喺2026年嘅Agent浪潮中，「萬物皆可CLI」唔再係口號，而係正喺發生嘅現實。整個軟件世界，正被重新連接、重新插返插頭。我哋，就站喺呢場革命嘅最前線。
資訊來源：
1、OpenCLI GitHub倉庫（https://github.com/jackwener/opencli）
2、CLI‑Anything GitHub倉庫（https://github.com/HKUDS/CLI‑Anything）
3、作者J0hn微信公眾號文章《OpenCLI：萬物皆可 CLI》（2026年3月20日）
▶️ 鍾意呢篇內容？創作真係好辛苦！
歡迎關注我哋嘅 YouTube 頻道：
AI Rosetta
你嘅讚好、訂閱同分享，係對我哋最大嘅支持！🙏
更多AI新聞請訪問：https://www.airosetta.com