先说结论
如果你最近在关注 AI 编程圈，应该已经感受到一个非常反直觉的趋势：
一边，过去几十年软件世界都在努力把一切做成 GUI——按钮更大、交互更顺、拖拽更丝滑； 另一边，到了 AI Agent 时代，越来越多最猛的产品却在往 Terminal 里扎。
Claude Code 火了，OpenAI 把 Codex CLI 推到了台前，Google 也把 Gemini CLI 做成了开源 AI Agent。表面看，这是“黑框回潮”；本质上，这是 交互对象变了。
GUI 是给人类用的。CLI，才是给 AI 用的。
更进一步说，很多人把未来想象成“所有工具都要先接成 MCP，Agent 才能工作”。但真实世界正在出现另一条更猛、更轻、更实用的路线：
Skill 负责教 AI 怎么做事，CLI 负责让 AI 把事做成。
这套组合，在大量高频任务里，正在成为比 MCP 更直接、更便宜、更稳定的默认解。
这篇文章，就想把这件事彻底讲清楚。
一、为什么要从 Claude Code 讲起？
Claude Code 之所以有意思，不是因为它“能在终端里聊天”，而是因为它把一个很重要的信号摆到了台面上：
AI 不再只是回答问题，它开始直接在你的工作环境里行动。
你站在项目根目录，敲一行需求。它能读代码库、改文件、跑命令、修测试、做 Git 操作、串联工作流。你会突然发现，自己面对的已经不是一个传统意义上的“聊天机器人”，而是一个真正的 终端工作代理。
这就是分水岭。
过去我们谈 AI 工具，更多是在说：
- 你问，它答；
- 你复制，它生成；
- 你手动执行，它提供建议。
而 Claude Code 这类产品，把 AI 往前推了一步：
- 它不只会说；
- 它开始会做；
- 而且它做事的主战场，不是在 GUI 里，而是在 CLI 里。
这不是设计师突然审美倒退，也不是工程师怀旧。
这是因为：Terminal 对 AI 来说，比 GUI 友好太多了。
二、从 Terminal 到 GUI：人类为什么会离开黑框？
要理解 AI 为什么会回到 CLI，先要理解人类为什么曾经拼命离开 CLI。
早期计算机世界，Terminal 几乎就是全部。
你想打开文件，要记命令； 你想复制文件，要记参数； 你想查系统状态，要记路径； 你想连远程机器，要记 host、port、证书、权限。
那时的计算机像一头脾气古怪的野兽：你必须用正确咒语召唤它，它才肯动。
这对工程师很酷，但对普通人极不友好。
于是 GUI 诞生了。
图形界面做成了几件极其伟大的事：
1. 它把“记忆负担”变成了“视觉识别”
你不需要背 cp -r source target，你只要看到“复制”按钮。
你不需要记住复杂路径，你只要点开一个文件夹图标。
对人类来说，看见 比 记住 轻松得多。GUI 本质上是把一大堆抽象命令，变成了可以被眼睛直接理解的物体。
2. 它把“命令式操作”变成了“直接操作”
CLI 的逻辑是：告诉机器你要做什么。 GUI 的逻辑是：直接去碰那个东西。
你拖动文件，就是移动； 你点垃圾桶，就是删除； 你调整滑块，就是调参数。
这种“所见即所得”的体验，对人类非常自然。因为人类本来就是在物理世界里这么干活的。
3. 它降低了软件使用门槛
GUI 让不会写命令的人也能使用复杂系统。
Office、Photoshop、浏览器、电商后台、设计软件、财务软件——几乎每一类大众软件，最后都走向了图形化。因为 GUI 解决的从来不是“功能不够多”，而是“人脑不够用”。
所以，GUI 的胜利不是偶然。
它大幅提升了人类的体验感、学习效率和使用信心。
三、但问题来了：GUI 对 AI 来说，恰恰是灾难
这句话听上去很反直觉，但越早想明白，越能看懂下一波 AI 工具浪潮。
人类喜欢 GUI，是因为人类擅长视觉理解
但 AI 并不是“长了一个数字眼睛的人”。
AI 如果要操作 GUI，通常要经历这样一条链路：
flowchart LR
A[屏幕像素] --> B[视觉识别]
B --> C[推断当前界面状态]
C --> D[定位按钮/输入框/菜单]
D --> E[计算点击坐标]
E --> F[执行鼠标/键盘动作]
F --> G[等待界面刷新]
G --> H[再次截图确认结果]
你看，人类点一个按钮，是“看一眼 -> 手一点”。
AI 点一个按钮，是：
- 先看截图；
- 再做视觉识别；
- 再理解布局；
- 再判断哪个按钮是目标；
- 再算坐标；
- 再执行动作；
- 再等 UI 渲染；
- 再截图确认自己有没有点对。
这中间每一步都可能出错。
1. GUI 的状态藏在像素里，不藏在语义里
Terminal 里会直接告诉你：
- 命令执行成功；
- 返回码是 0 还是非 0；
- 输出是哪些文本；
- 报错在哪一行。
GUI 不会。
GUI 的大量信息都被埋在：
- 按钮颜色变化里；
- 弹窗位置里；
- 加载动画里；
- 灰掉的菜单里；
- 一个不明显的小红点里。
对人类来说，这些很自然；对 AI 来说，这些全是隐含状态。
2. GUI 极其脆弱
按钮位置变一下，自动化就崩； 页面滚动一下，定位就错； 一个弹窗冒出来，流程就断； 暗色模式开了，视觉判断还会漂。
你会发现，GUI 自动化最大的问题不是“能不能做”，而是“能不能稳定地连续做一百次”。
而对 Agent 来说，稳定性不是锦上添花，是生命线。
3. GUI 太重，太慢，太浪费推理资源
AI 做 GUI 操作，本质上是在用高成本认知，解决低价值机械动作。
它本来应该把推理预算花在：
- 方案设计；
- 任务拆解；
- 风险判断；
- 结果评估。
结果现在却在干：
- 找按钮；
- 读图标；
- 猜哪个是“确定”；
- 判断加载转圈是不是结束了。
这就像让一个会做微积分的人，花半小时找订书机。
太亏了。
四、为什么 CLI 会在 AI 时代重新爆红？
因为 CLI 恰好把 GUI 的这些问题，全都反过来了。
1. CLI 天然是“语义化界面”
命令就是动作，参数就是约束，输出就是结果。
git status
pytest tests/auth
npm run build
kubectl get pods -A
这些命令对人类来说可能略显生硬，但对 AI 来说，简直像量身定做。
为什么？因为 CLI 不是在“展示界面”，而是在“暴露意图”。
git status：语义清楚；pytest tests/auth：范围明确；kubectl get pods -A：对象、动作、维度都清楚。
AI 不用猜“你是不是想点那个蓝色按钮”，它只需要理解文本语义。
2. CLI 是可组合的
Terminal 世界有一个非常强大的哲学：
一个命令只做一件事，但它可以和别的命令串起来做大事。
比如：
git diff --name-only | xargs eslint
cat app.log | grep ERROR | tail -50
curl api.example.com | jq '.data[] | .id'
这对人类来说已经很强，对 AI 来说更强。
因为 Agent 的本质就是：
- 理解目标；
- 规划步骤；
- 调用工具；
- 根据反馈继续。
CLI 天生适合这个循环。
3. CLI 是无头的、远程的、可自动化的
服务器没有 GUI，CI/CD 没有 GUI，Docker 容器没有 GUI，大量生产环境都没有 GUI。
而 AI 恰恰最适合去这些地方干活。
它可以：
- SSH 上去排查问题；
- 拉日志分析异常；
- 修改配置；
- 运行测试；
- 回滚版本；
- 生成报告。
如果每件事都要求先打开一个图形界面，再去视觉定位，整个系统根本跑不起来。
所以你会发现，AI 一旦从“聊天”走向“行动”，它迟早会走向 CLI。
4. CLI 的结果可审计、可复现、可回放
GUI 操作经常是“你刚才点了什么来着？”
CLI 不是。
CLI 的每一步都能留痕：
- 执行了什么命令；
- 输入了什么参数；
- 返回了什么输出；
- 哪一步报错；
- 怎样修复。
这对 AI Agent 尤其重要。
因为一旦 AI 真的开始帮你工作，你最需要的不是“它很聪明”，而是“它做过什么我看得见”。
五、Skill + CLI，为什么会比 MCP 更像下一代默认解？
先说明白：我不是说 MCP 没价值。
MCP 很重要。它像 AI 世界里的“通用接口标准”——类似 USB-C。不同工具、不同数据源、不同 SaaS，可以用统一方式接给模型。
问题在于：
不是所有任务，都值得先做一层协议化封装。
很多人一谈 Agent，就默认要先搭 MCP Server、定义 Tool Schema、做认证、做上下文桥接、做生命周期管理。对于复杂企业集成，这当然合理。
但对大量高频任务来说，这套动作太重了。
这时候，Skill + CLI 往往更狠。
Skill 是什么？
如果用最通俗的话说：
Skill 就是 AI 的“工作说明书 + 作战手册 + 最佳实践”。
它告诉 AI：
- 遇到什么任务要怎么拆；
- 优先检查什么；
- 常见坑有哪些；
- 什么时候用哪个工具；
- 输出应该长什么样。
人类员工靠经验，AI 员工靠 Skill。
CLI 又是什么？
CLI 就是执行层。
它不是告诉 AI “应该怎么想”，而是给 AI 一个可靠的手和脚：
- git
- gh
- docker
- kubectl
- terraform
- npm
- uv
- pytest
- rg
- jq
- ffmpeg
- sqlite3
这些 CLI 都是现实世界里已经打磨了很多年的成熟武器。
它们组合起来，会发生什么？
flowchart TD
A[用户目标] --> B[Skill 理解任务与拆解步骤]
B --> C[选择合适的 CLI 工具]
C --> D[执行命令并读取结果]
D --> E[继续迭代/修正]
E --> F[交付结果]
你会发现，这个链路非常短。
没有多余中间层，没有额外“翻译成本”，也不需要把所有现实工具重新包装成一个协议服务。
为什么这条路线更容易火？
1. 因为世界上已经有海量 CLI 了
AI 世界最不缺的，不是协议，而是工具。
几十年软件工业，早就积累了无数好用的命令行工具。它们稳定、成熟、文档多、社区大。
与其把这些能力重新包一遍，不如直接让 AI 学会在 Skill 指导下使用它们。
2. 因为 Skill 解决的是“不会用”
很多人以为，Agent 的核心问题是“没有工具”。
其实不是。很多时候，工具早就在那里，问题是模型不会正确地用。
同样一个 kubectl，新手用起来像踩雷，老手用起来像手术刀。
Skill 的价值就在这里：把专家经验写进去，把 SOP 写进去，把判断顺序写进去。
于是 AI 不只是“能调用命令”，而是“更像一个懂业务的熟手”。
3. 因为 CLI 解决的是“能做成”
Skill 只负责脑子，CLI 负责身体。
一个 AI 再懂原理，如果没有可靠执行层，它还是只能停留在纸上谈兵。
CLI 的好处是：
- 输出明确；
- 副作用清晰；
- 易于重试；
- 易于串联；
- 易于权限控制。
这让 Agent 真正具备工程能力，而不只是聊天能力。
4. 因为这套组合更便宜、更快、更接地气
很多团队根本没有精力给每类内部工具都做一套 MCP Server。
但他们已经有：
- 一堆 shell 脚本；
- 一堆数据处理命令；
- 一套运维手册；
- 一套代码规范；
- 一套项目约定。
把这些沉淀成 Skill，再让 AI 去调用已有 CLI，几乎就是最低成本的 Agent 落地方式。
不是未来某一天能落地，是今天就能落地。
六、那 MCP 会不会被彻底淘汰？
不会。
真正成熟的判断，不是“谁干掉谁”，而是“谁更适合哪一层”。
我更认同下面这个理解：
flowchart LR
A[Skill] -->|定义做事方法| D[AI Agent]
B[CLI] -->|提供本地/远程执行能力| D
C[MCP] -->|提供跨系统标准化连接| D
它们三者并不是完全互斥，而是各自解决不同问题：
| 组件 | 核心作用 | 最擅长解决什么问题 |
|---|---|---|
| Skill | 教 AI 如何做事 | 经验、流程、领域知识 |
| CLI | 让 AI 把事做成 | 执行、自动化、编排、验证 |
| MCP | 让 AI 接更多外部系统 | 标准化连接、工具发现、远程集成 |
但为什么今天大家会感觉“Skill + CLI 在抢风头”？
因为在现实高频任务里，它往往是 最短路径。
比如这些场景：
写代码
- Skill：项目规范、测试策略、提交规则、架构约束
- CLI：git、npm、pytest、eslint、claude、codex、gh
运维排障
- Skill：故障排查SOP、先查什么后查什么、什么现象对应什么风险
- CLI：kubectl、helm、journalctl、grep、curl、jq、ssh
数据处理
- Skill：字段解释、报表口径、异常判断标准
- CLI：python、sqlite3、duckdb、csvkit、rg、awk
内容生产
- Skill：品牌语气、结构模板、SEO要求、审稿标准
- CLI：markdown 工具链、图片处理工具、发布脚本、git
这些任务里，MCP 当然也能上，但很多时候不是“必须先上”。
反而是：先用 Skill 把脑子补齐，再用 CLI 把手脚装上。
够了。
七、最近为什么各大厂商都在押注 CLI？
因为他们看到了同一件事：
AI 的下一个入口，不只是聊天框，而是操作系统本身。
截至 2026 年春天，至少有三条非常清晰的信号：
1. Anthropic：Claude Code 把“终端代理”推成主流叙事
Anthropic 官方把 Claude Code 定义为一种代理式编码工具，可以理解代码库、编辑文件、运行命令，并与开发工具集成。
重点不在“它能聊天”，重点在“它能在终端里干活”。
2. OpenAI：Codex CLI 直接开源
OpenAI 的 openai/codex 仓库对自己的描述非常直白：
Lightweight coding agent that runs in your terminal
而且它是 Apache-2.0 开源许可证。
这件事的象征意义非常强：OpenAI 不只是做模型，它开始把“终端里的编码代理”当成一等公民形态来推进。
3. Google：Gemini CLI 也明确走开源 Agent 路线
Google Developers 文档对 Gemini CLI 的表述同样非常直给：
一个开源的 AI Agent，直接运行在你的 Terminal 中。
更有意思的是，Gemini CLI 甚至明确提到它会走 ReAct 循环，可以和内置工具以及本地/远程 MCP Server 配合完成复杂任务。
这说明什么？
说明大厂们不是在争论“终端值不值得做”，而是在争论：
- 谁的 CLI 更强；
- 谁的 Agent 更聪明；
- 谁的工具接入更顺；
- 谁的工作流更接近开发者真实使用方式。
这不是偶然撞车，这是共识收敛。
八、CLI 为什么会火，不只是因为工程师怀旧
很多人会误判，以为 CLI 热是“极客文化复兴”。
其实不是。
CLI 会火，是因为它刚好踩中了 AI 时代的四个基本需求。
需求一：AI 需要低摩擦行动
AI 不怕文本，怕模糊状态。
CLI 的一切都更像“指令接口”，而不是“视觉谜题”。
需求二：AI 需要可重复工作流
Agent 最怕一次成功、十次失败。
CLI 的可重复性，远高于 GUI。
需求三：AI 需要进入真实生产环境
真实环境里，很多关键系统本来就只暴露命令、接口、日志、配置。
你让 AI 进这些地方，它天然就会往 CLI 靠。
需求四：自然语言正在变成新的 Shell
这是最有意思的一点。
过去 Shell 是：
- 人类写精确命令；
- 机器严格执行。
现在逐渐变成：
- 人类写自然语言目标；
- AI 把目标翻译成命令序列；
- 再去执行、观察、修正。
也就是说，自然语言不再替代 Shell，而是在包裹 Shell、升级 Shell。
这就是为什么很多人第一次用好用的 AI CLI 时，会有一种奇怪的感觉：
像是在用会思考的 Shell。
九、未来最猛的形态，不是一个聊天框，而是一套“技能化代理系统”
真正值得期待的，不是某个单点工具多聪明，而是下面这套组合逐渐成熟：
flowchart TD
A[用户说出目标] --> B[Agent理解上下文]
B --> C[调用Skill进行任务拆解]
C --> D[选择CLI / API / MCP 工具]
D --> E[执行与验证]
E --> F[生成结果或继续迭代]
这里面最关键的变化是：
1. Skill 会越来越重要
模型通用能力再强，也不可能天然懂你的团队规矩、业务黑话、项目坑位。
未来真正值钱的，不只是模型本身，而是围绕模型构建的：
- 组织经验；
- 领域流程；
- 风险边界；
- 交付标准。
这些都会沉淀成 Skill。
2. CLI 会成为 Agent 的默认动作层
至少在开发、运维、数据、内容、自动化这些场景，CLI 的优势几乎是结构性的。
它不一定炫，但它稳定、清晰、强大。
而 AI 真正走向生产力，不靠炫技，靠稳定。
3. MCP 会往“标准化连接层”沉淀
MCP 仍然很有价值，但更像基础设施：
- 需要接 SaaS；
- 需要接内网系统；
- 需要统一权限与工具发现；
- 需要标准化远程连接。
但在大量本地和工程任务上，大家会越来越倾向于：
能直接用 CLI，就先别绕远路。
十、写给开发者、产品经理和创业者的一个判断
如果你今天还把 AI 主要当成一个“会回答问题的网页”，你很可能低估了接下来两年的变化。
真正的变化不是模型再提多少分，而是 AI 的工作界面在改变。
过去几十年，软件工业的关键词是 GUI。 未来几年，AI 工具的关键词很可能是：
- Skill：把经验写进去；
- CLI：把动作做出来；
- Agent：把流程串起来。
这三者一旦组合成熟，会把很多工作从“人手点界面”，变成“人下目标，AI 落执行”。
所以，别把 CLI 理解成 GUI 的倒退。
它更像是：
当操作者从“人类”变成“AI”时，界面第一次回到了最适合机器理解的形态。
GUI 没有错。
GUI 极大提升了人类的幸福感和效率。
但 AI 不需要漂亮按钮，不需要拖拽反馈，不需要 hover 动效，也不需要一个拟物化的垃圾桶图标来获得心理安全感。
AI 要的是：
- 明确动作；
- 明确输入；
- 明确结果；
- 明确失败原因。
而这，正是 CLI 最擅长的东西。
结语：下一波，不是谁做出更花哨的 GUI，而是谁先把“会做事的终端代理”做顺
Claude Code 只是一个引子。
它真正提醒我们的，不是“终端还能玩出花”，而是：
AI 时代的软件交互，可能会沿着一条和移动互联网时代完全不同的路线继续进化。
对人类，GUI 依然重要； 对 AI，CLI 反而可能成为主战场； 而在这个主战场上，Skill + CLI 正在变成最现实、最锋利、最容易落地的组合。
所以，如果你现在正在设计 AI 产品、搭建 Agent 工作流，或者只是想判断未来两年的工具趋势，我的建议很简单：
少问一句：要不要先做个 GUI？
多问一句：AI 到底该怎么稳定地把事情做完？
很多时候，答案不在按钮里，而在终端里。
甚至更准确一点：
答案在 Skill 里，在 CLI 里，在那个看起来不够花哨、但足够强悍的执行闭环里。
可直接拿去分享的一句话总结
GUI 是人类驯服计算机的胜利；CLI 是 AI 接管执行层的开始。
