我是热爱探索AI前沿技术的LucianaiB。
最近把一些事情和学习扔给Openclaw以后，就有点懒惰了，但这几天我发现了一个极具信号意义的趋势：各大厂开始疯狂开源自家的 CLI（命令行工具）——飞书 CLI、钉钉 CLI、企业微信 CLI……
前言：糟糕的一天
我： “帮我找下昨天开会提到的那份关于稀土钢的文献，顺便发给老王。”
传统 AI： “好的，请问是在哪个文件夹？老王的联系方式是？文献标题是？”
我： “……算了，我自己来吧。”
整理信息、跨 App 沟通、搜寻文档，这些本该提效的环节，反而成了消耗精力的黑洞。直到我把 CLI 交给了 AI。
什么是 OpenClaw？CLI又是什么东西？
你可以把 OpenClaw 理解为电脑或服务器的“超级助脑”。
那么，CLI**又是什么东西呢？—— 从“为人设计”到“为 AI 设计”**
先来一个拷问问题，人与手机的软件的交互是什么呢？
不就是手指与屏幕的接触，屏幕所展示的可以看到的界面吗？
手机做出了对应动作的结果，我们不需要懂手机为什么会出现结果，我们只需要知道这样做就好了。
在我看来：
CLI，就是软件，只是不是给用户使用的，而是给AI使用的，由于用户不需要直接使用，所以他没必要设计用户界面，只需要通过命令行（也就是计算机的语言），让计算机知道即可。 我们不需要懂如何使用CLI，只需要让AI会用这个软件，我们会用AI即可。
未来的软件不是给用户设计，而是给AI设计，使用未来软件的会多一种形式：CLI。
GUI，面向普通用户。
CLI，面向开发者和AI。
从“为人设计“到“为AI设计“。
CLI的优势是什么？
相比较MCP来说，MCP 的工具描述太吃上下文窗口了，在实际生产中"上下文还没开始干活就被耗光了"
AI 处理文本指令的效率远超图形界面。GUI 是给人用的，CLI 是给 Agent 用的。当越来越多的软件开始 CLI 化，Agent 能做的事情会指数级增长。
本文将会实践从 Lighthouse一键部署OpenClaw到配置飞书 CLI实战等出发，完成保姆级教程。
第一步：基于腾讯云 Lighthouse 一键部署OpenClaw
手动配置环境太痛苦？腾讯云 Lighthouse 已经准备好了“神助攻”。
- 获取服务器：
- 一键重装： 在控制台点击「重装系统」，选择「应用模板」。
- 选中 OpenClaw： 在“AI 智能体”分类下直接选中 OpenClaw 镜像。
- 初始化： 设置密码，等待 2 分钟。一台装好所有依赖的“AI 基地”就搞定了。
第二步：OpenClaw与飞书接入配置
点击服务器的配置，就可以进行相关的配置了，使用 Lighthouse 服务器的好处就是他已经把用户的常用的直接配置，只需要按照流程即可。
这里我们需要配置模型和通道，模型在这里不做过多的介绍，简单说说通道的配置，已飞书为例。
由于飞书插件的更新，我们不再需要进行机器人的创建等等，只需要直接用飞书扫码即可。
第三步：让 AI 学会使用 Openai CLI和飞书 CLI
直接打开你的飞书机器人对它说：
帮我装一下所有的东西：github.com/larksuite/c…
确认下Skills是否安装成功，如果没有安装Skills，执行：npx skills add larksuite/cli --all -y -g
App ID 和 App Secret直接把我们的在第二步的飞书机器人给它即可。
我的 飞书App ID ：** 和 飞书App Secret：*，直接配置进去
然后按照提示开通一下权限即可。
实战场景一：一句话群发通知
既然AI可以使用APP了，那么我们就测试让他替代我们交互的最基本的功能，聊天亦或者是群发消息。
不再需要一个个翻找联系人，我仅仅用了一段话：
帮我用飞书CLI，找到组织内联系人Marlboro，给他发送：哲哥，今天礼拜二了，你还没找到对象吗？
轻松实现，未来就是，我们可以直接一句话给指定客户发送全部的指定消息，可以便捷的提高效率，不需要在一个一个的发送消息。
实战场景二：制作科研日报
作为一名科研人，最基本的工作就是都文献，但是每次找文献太麻烦了，那就制作一个科研日报，用飞书每天给我们结果即可。
每天下午14点，去这2个网站（2个结果一起返回即可），英文：www.sciencedirect.com/，中文：www.cnki.net/，在关键词随机抽取3个… 文章标题+文章网站+调用openclaw的AI对文章进行总结表达的内容（100字左右）+文章和方向的匹配度 然后做成一份排版优美的日报，发送到飞书的群组 每日文献群 里
轻松每日得到一份科研日报，如果遇到网络问题等等，可以去对应的网站申请学术api即可。
实战场景三：飞书知识库整理
我的知识库主要在飞书，但是我有一直懒的整理，使用就让飞书CLI直接做一份可视化报告吧。
查询一下我的全部飞书文档，包括知识库以及普通文档 制作一份数据可视化报告 其中要求包括知识库以及文档相关 可以通过时间线来展示这份报告，尽可能多的展示我全部的文档，以及汇总让我可以直观的感受
直接来看看效果：
想不到居然有33个文档了。
来看看可视化报告：
总结与思考 —— 给得准，比给得多重要
这次实践让我确信了一点：AI Agent 的未来不在于它“学”了多少知识，而在于它拥有多少“手脚”（**CLI**）。
通过 Lighthouse 部署 OpenClaw + 飞书 CLI，我实现了：
- 零摩擦接入： 就在飞书里 @ 一下，不用开新网页。
- 7×24 小时在线： 服务器不停，助手不倒。
- 数据自主： 所有的对话和配置都在你自己的腾讯云服务器上，安全可控。
CLI + Skill 的渐进式设计，是目前解决 Token 焦虑的最佳方案：
- CLI 提供能力： 封装复杂性。
- Skill 提供说明： 告诉 AI 怎么用。
- --help 提供细节： 只有需要时才查询。
这场争论的本质不是技术优劣，而是：你是一次性把信息倒给 AI，还是让 AI 按需获取？
如果你也想打造自己的专属 AI 助教，不如从部署一个 OpenClaw 开始。从“为人设计“到“为AI设计“。
如果你也关注这些内容，记得：
• 👍 点个赞，让更多人看到
• ⭐ 点个在看，不错过后续更新
• 🔄 转发给需要的朋友
关注我，第一时间获取更多这样的福利和干货！
欢迎加入我的 AI 交流群，一起探讨 AI 落地想法，点击公众号菜单获取入群方式~
