2026年3月20日，一款名为OpenCLI的开源项目在GitHub上悄然走红，仅上线数天便收获2300+星标。它由开发者jackwener主导开发，核心理念是“把任何网站、Electron应用、桌面软件都变成CLI工具”，让AI Agent不再需要笨拙地“点击按钮、填写表单”，而是直接通过命令行实现跨平台、结构化操作。与此同时，另一款同类项目CLI‑Anything（HKUDS团队）已积累1.5万星标，两者形成互补：一个从浏览器/网页入手，一个从开源桌面软件源码入手，共同宣告“GUI将死，CLI才是一切”的Agent时代正式开启。
这一波“CLI化”浪潮并非孤立事件，而是AI Agent技术从“辅助工具”迈向“自主执行”的必然结果。Karpathy曾直言：“让用户去网页上点按钮、填表单，感觉挺粗鲁的。”Levie更是一针见血：“如果你的功能没有API，那它等于不存在。”OpenCLI正是对这些洞见的完美实践，它让AI Agent第一次真正拥有了“机器语言”——CLI，从而实现软件世界的“重新插上插头”。
前因：GUI的40年“外衣”终于要脱掉了
过去40年，人类为计算机披上了一层厚厚的GUI外衣：按钮、表单、菜单、拖拽……这一切极大方便了人类使用，却成了AI Agent的最大障碍。GUI是“人类的语言”，输入是像素级点击，输出是视觉反馈，既不可组合、不可发现，也不可确定。而CLI恰恰相反：文本输入、结构化输出、可组合、可发现（‑‑help）、确定性极高——这正是Agent时代最完美的交互协议。
此前，Agent想要操作B站、知乎、小红书、飞书、Notion等孤岛软件，只能靠三种低效方式：手动复制粘贴、第三方非官方API（经常失效）、或爬虫（极不稳定）。大公司内部靠私有API实现跨系统编排，但普通开发者与个人Agent完全无门。
OpenCLI与CLI‑Anything的出现，彻底打破了这一壁垒。两者分工明确：
- CLI‑Anything：针对开源桌面软件（GIMP、Blender、Audacity、LibreOffice等），从源码扫描GUI操作，自动映射为Python Click框架的CLI命令。
- OpenCLI：针对网站与Electron应用（几乎覆盖现代桌面应用的一半），无需源码，直接通过浏览器会话操作。
两者结合，真正实现了“万物皆可CLI，万物皆需CLI”。
OpenCLI技术解析：浏览器会话复用 + 三步自动化
OpenCLI的核心架构极其轻量，由两部分组成：
- 轻量Chrome扩展（Browser Bridge）：安装后与用户已登录的Chrome会话无缝复用，无需额外登录，密码和凭证始终留在浏览器内。
- 本地守护进程（Daemon）：通过WebSocket与扩展通信，监听localhost:19825端口。闲置5分钟后自动退出，资源占用极低。
完整调用链路为：
CLI命令 → 本地Daemon → WebSocket → Chrome扩展 → 网页操作。
项目内置三大核心命令，让Agent实现零代码自动化：
- explore：给定URL后，自动打开浏览器、点击、滚动、观察网络请求，动态发现可调用的API。
- synthesize：根据explore结果，自动生成CLI适配器（无需人工编码），将API包装成标准CLI工具。
- cascade：智能探测认证策略（共5级），从公开API开始，逐步升级到Cookie认证、再到拦截请求签名，最大限度适配各种网站。
一条命令即可完成全流程：
opencli generate https://bilibili.com ‑‑goal "hot"
即可生成B站热榜CLI工具，后续可直接opencli bilibili hot ‑f json输出结构化数据，供Agent进一步处理。
目前OpenCLI已内置80+命令，覆盖30+主流网站与应用：
- 视频平台：Bilibili（热榜、搜索、字幕提取）、YouTube（视频信息）
- 社区：知乎（热榜、搜索）、小红书（笔记下载）、X/Twitter（时间线、书签）、Reddit（热帖）
- 工具：雪球（股票数据）、Boss直聘（职位搜索）、飞书、Notion、Discord、网易云音乐、超星学习通、微信读书等
- Electron应用：Cursor、ChatGPT客户端、Notion、Figma、VS Code、Slack、微信开发者工具等（利用Chromium内核固定端口，如Cursor 9222、Notion 9230）
对于React富文本编辑器等复杂场景，OpenCLI巧妙使用document.execCommand('insertText')模拟输入，完美绕过框架状态更新难题。
与CLI‑Anything的完美互补：覆盖全软件生态
CLI‑Anything侧重开源桌面软件，已支持GIMP、Blender等数十款工具，通过源码分析生成CLI。OpenCLI则专攻网页与Electron应用（现代桌面应用近半数基于Chromium内核）。两者结合，真正实现了“任何软件、任何代码库、任何Web API”都能Agent‑native化。
开发者只需一条pip命令或GitHub Marketplace安装，即可让AI Agent（OpenClaw、Cursor、Claude Code等）直接调用。结构化输出支持JSON、YAML、Markdown、CSV，完美适配下游Agent处理流程。
行业影响：Agent能力指数级爆发
OpenCLI的出现，直接解决了Agent时代的最大痛点——“软件孤岛”。此前跨平台任务（如B站字幕提取后AI总结再发飞书群）需人工干预，如今一条CLI命令即可全自动完成。
对个人开发者而言，这意味着“一人团队”生产力大幅提升；对企业而言，内部系统编排成本骤降；对整个AI生态而言，CLI将成为Agent的标准协议，GUI将逐渐退居“人类专属”界面。
GitHub星标数据最直接反映热度：CLI‑Anything已达1.5万星，OpenCLI上线数天即破2300星。社区反馈热烈，认为这才是“真正让Agent自己动手”的关键一步。
潜在风险与未来讨论
强大能力伴随责任。OpenCLI复用用户浏览器会话，意味着Agent权限与用户权限完全一致——它能发帖、删帖、转账、下载敏感文件。这引发核心问题：“谁来决定Agent能干什么、不能干什么？”
开发者需谨慎：
- 使用专用浏览器Profile隔离
- 严格权限控制
- 避免将敏感账号用于Agent
未来方向已清晰：更多平台将原生支持CLI适配器；OpenCLI与CLI‑Anything或将合并为统一Hub；Agent将从“会聊天”进化到“会做事”，软件世界将被彻底“重新插上插头”。
结语：CLI才是Agent时代的原生语言
从Karpathy的“点按钮太粗鲁”，到Levie的“没有API等于不存在”，再到OpenCLI与CLI‑Anything的落地实践，40年的GUI外衣正在被 systematically 脱下。
OpenCLI不是一个简单的工具，而是一场软件交互范式的革命。它让AI Agent第一次拥有了属于自己的“母语”——CLI，从而真正实现跨平台、结构化、自动化执行。
在2026年的Agent浪潮中，“万物皆可CLI”不再是口号，而是正在发生的现实。整个软件世界，正在被重新连接、重新插上插头。而我们，正站在这场革命的最前沿。
信息来源：
1、OpenCLI GitHub仓库（https://github.com/jackwener/opencli）
2、CLI‑Anything GitHub仓库（https://github.com/HKUDS/CLI‑Anything）
3、作者J0hn微信公众号文章《OpenCLI：万物皆可 CLI》（2026年3月20日）
▶️ 喜欢这篇内容？创作真的很辛苦！
欢迎关注我们的 YouTube 频道：
AI Rosetta
你的点赞、订阅和分享，是对我们最大的支持！🙏
更多AI新闻请访问：
https://www.airosetta.com