这篇不是想教你几个命令，也不是想把 CLI 讲成“工程师专属黑话”。
我想讲的是另一件对开发者更实际的事：
当大模型开始从“回答问题”走向“推进任务”，交互主入口为什么会重新偏向 CLI。
如果你最近在看 OpenAI、Anthropic、飞书这些产品线，会发现一个很明显的信号：
- OpenAI 不只在做聊天产品，也在做 Codex CLI
- Anthropic 不只在做 Claude 聊天界面，也在做 Claude Code
- 连飞书这样的办公平台，也开始把自己的能力整理成官方 CLI
这不是巧合。
背后真正变化的是：AI 想接的不再只是 prompt，而是整个 workflow。
1. 聊天框为什么在很多任务上开始不够用了
聊天框很适合做这些事：
- 问概念
- 整理思路
- 写初稿
- 改表达
- 做轻量分析
但一旦任务进入下面这些场景，聊天框就会逐渐暴露出边界：
- 读真实文件
- 改真实代码
- 调真实工具
- 跑测试
- 连续执行多个步骤
- 需要留下执行痕迹和结果检查点
因为你关心的已经不再是“它说得对不对”，而是：
- 它到底有没有真的做
- 做到了哪一步
- 哪一步失败了
- 失败之后怎么恢复
- 哪些动作需要你批准
这类问题，本质上都更接近执行与编排，而不是对话。
2. CLI 到底解决了什么
很多人第一次听到 CLI，会本能地把它理解成“老派命令行工具”。
但如果放到今天的 agent 语境里，CLI 更值得被理解成：
一种对执行动作、结果反馈和边界控制更友好的工作界面。
它的价值，不在“酷”，而在下面四点。
2.1 更明确
在聊天框里，一句话经常可以被理解成多种意图。
在 CLI 里，一个动作通常更具体：
- 读哪个目录
- 改哪个文件
- 跑哪条测试
- 输出什么结果
这会显著降低 agent 执行任务时的歧义成本。
2.2 更可检查
聊天产品里最常见的幻觉，不只是知识幻觉，还有执行幻觉：
我已经帮你处理好了。
这句话到底是真的完成了，还是模型只是“以为自己完成了”，很多时候很难判断。
CLI 的优势在于，它天然更容易留下可检查的输出：
- 命令结果
- 错误日志
- 文件 diff
- 测试状态
- 连续步骤记录
这对 agent 系统尤其重要，因为一旦任务从单步回答变成多步推进，observability 就会立刻变成核心要求。
2.3 更适合多步 workflow
真正的工作很少只有一步。
更常见的是：
- 先读资料
- 再处理
- 再检查
- 再继续下一步
聊天框适合轮轮对话，CLI 更适合把这一串动作接起来。
你可以把它理解成：
- 聊天框更像 planning / discussion interface
- CLI 更像 execution / workflow interface
2.4 更容易做权限和边界控制
当 AI 真正开始碰：
- 本地文件
- shell
- 测试环境
- 浏览器
- 内部工具
- 组织工作流
安全问题立刻就变成第一优先级。
CLI 的另一个好处，就是它更适合做边界声明：
- 允许看什么
- 允许改什么
- 允许运行什么
- 哪一步必须停下来审批
对 agent 系统来说，真正危险的从来不是不够聪明，而是边界不清。
3. 这不是“命令行复古”，而是软件暴露方式在变化
如果只是少数工程师喜欢 CLI，这件事不值得专门写。
真正值得注意的是：平台自己也在往这边走。
3.1 OpenAI：从对话到 Codex CLI
OpenAI 推 Codex CLI，说明它看到的已经不是“让模型回答更像人”，而是“让模型在开发任务里推进执行”。
这意味着交互重点开始从：
- 生成一段文字
转向：
- 读代码
- 改代码
- 跑命令
- 给出可验证结果
3.2 Anthropic：Claude Code 的终端路线
Anthropic 做 Claude Code，本质上也是同一判断：
如果 agent 真要进开发工作流，主入口不能只靠聊天气泡。
因为开发任务天然要求：
- 可检查
- 可恢复
- 可中断
- 可继续
而这类属性，本来就和终端式交互更匹配。
3.3 飞书：能力层、协议层、操作层一起整理
飞书这条线对国内开发者尤其有参考价值。
它值得看的不只是“官方 CLI 出来了”，而是它在同时把三层东西整理清楚：
OpenAPI：底层能力MCP：AI 接能力的标准方式CLI：人和 AI 都能直接操作的入口
很多讨论会把这三件事混在一起，但它们其实不在同一层。
如果用更工程化的话讲：
- OpenAPI 回答的是
what can the system do - MCP 回答的是
how can the model connect to it - CLI 回答的是
how can human/agent operate it directly
4. 对开发者来说，这个趋势真正重要在哪里
这里最容易被忽略的一点是：
CLI 重新变重要，不等于 GUI 会消失，也不等于普通用户都要学 shell。
真正的变化是：
越来越多软件，会开始把自己的核心能力整理成更适合 agent 接入和执行的形状。
从系统设计角度看，这会带来几件非常实际的影响。
4.1 软件要更可调用，而不只是更可点击
过去很多产品优先考虑的是：
- 页面怎么摆
- 按钮怎么点
- 人怎么完成路径
以后会越来越多地加上一层考虑：
- 这些能力能不能被 agent 稳定调用
- 有没有清晰边界
- 有没有标准输入输出
- 有没有可恢复状态
4.2 Prompt engineering 不够了，workflow engineering 会更重要
未来一段时间里，很多团队会逐渐发现：
只优化 prompt，解决不了真实任务执行的问题。
更关键的是：
- 状态管理
- 工具调用
- 任务分解
- 人工审批
- 执行回溯
- 失败恢复
换句话说，workflow engineering 会越来越重要。
4.3 CLI 会成为 agent interface 的重要中间层
并不是所有系统都会暴露成纯 API。 也不是所有工作都适合用 GUI 点完。
CLI 很可能会长期存在于中间层：
- 对人来说可直接操作
- 对 agent 来说可直接调用
- 对系统来说更容易约束边界
这也是为什么它会重新成为 AI 时代的重要入口。
5. 最后记住三件事
第一，CLI 不是一个神秘软件，而是一种更适合执行动作的工作界面。
第二，今天最值得关注的变化，不是 AI 更会聊天了，而是它越来越想替你真正做事。到了这一步，聊天框就不够了。
第三，OpenAPI、MCP、CLI 是三层不同的东西：前者是能力层，中间是协议层，最后是操作层。把这三层看清楚，你会更容易理解未来软件为什么会长成现在这个方向。
如果你也在关注 AI 工作流、agent interface、MCP、开发者工具这条线，可以记住「向AI弃权」。后面这条线我还会继续跟。
