本文來自微信公眾號(hào)： 少數(shù)派 ，作者：Blueeon，原文標(biāo)題：《為什么在 AI 時(shí)代，最古老的交互形式反而卷土重來？》
2025年到2026年間，頂級(jí)AI公司相繼發(fā)布了一類產(chǎn)品：CLI形態(tài)的Agent工具。
Anthropic發(fā)布了Claude Code，一個(gè)在終端里運(yùn)行的AI編程助手。OpenAI發(fā)布了Codex CLI，Google發(fā)布了Gemini CLI。這一波浪潮中，幾乎每家值得關(guān)注的AI公司都押注了命令行。
這很反直覺。命令行是1970年代的產(chǎn)物，GUI的出現(xiàn)讓計(jì)算機(jī)走入大眾，現(xiàn)在移動(dòng)互聯(lián)網(wǎng)讓觸屏操作成為默認(rèn)。按照通常的邏輯，技術(shù)的方向應(yīng)該是越來越「可視化」、越來越「易用」。為什么在AI時(shí)代，最古老的交互形式反而卷土重來？
答案不是情懷，是工程邏輯。
▍GUI對(duì)AI并不友好
GUI是為人類視覺導(dǎo)航設(shè)計(jì)的。按鈕、彈窗、拖拽、懸停效果——這些交互范式建立在人類的視覺直覺上。人類看一眼界面，掃描按鈕位置，憑直覺判斷下一步操作。這套機(jī)制對(duì)人類來說極其自然，幾乎不需要學(xué)習(xí)成本。
但LLM的工作方式根本不是這樣。LLM的輸入是token，輸出也是token。它的「思考」在語言空間里發(fā)生，而不是在像素空間里。
讓AI操控GUI，意味著要跨越一道巨大的鴻溝：
理解成本極高。AI需要借助計(jì)算機(jī)視覺或Accessibility Tree來「看懂」界面——哪個(gè)按鈕可點(diǎn)、哪個(gè)輸入框在哪里、當(dāng)前彈窗是什么意思。這不是AI的強(qiáng)項(xiàng)，反而是額外負(fù)擔(dān)。
狀態(tài)隱式且不可預(yù)測(cè)。同一個(gè)按鈕，今天可點(diǎn)，明天可能因?yàn)槟硞€(gè)條件變灰。這種隱式狀態(tài)對(duì)人類來說是「上下文」，對(duì)AI來說是不確定性——它無法可靠地推理「這個(gè)操作在什么條件下可用」。
操作不可組合。沒有辦法把兩個(gè)GUI操作用管道連起來?！杆阉鹘Y(jié)果→過濾→導(dǎo)出」在GUI里是三次點(diǎn)擊，沒有辦法作為一個(gè)整體傳遞、復(fù)用或自動(dòng)化。
難以測(cè)試和驗(yàn)證。AI執(zhí)行了一個(gè)GUI操作，怎么確認(rèn)它成功了？要截圖、要解析界面狀態(tài)，整個(gè)反饋循環(huán)又慢又脆。
相比之下，CLI的每個(gè)特性都像是專門為AI設(shè)計(jì)的。
▍CLI對(duì)AI Agent的三大優(yōu)勢(shì)
可組合性
Unix哲學(xué)的核心是：「每個(gè)程序只做一件事，并把它做好；讓程序能夠協(xié)同工作」。
這個(gè)幾十年前的設(shè)計(jì)原則，在AI時(shí)代煥發(fā)出新的意義。
對(duì)AI Agent來說，可組合性意味著可以把多個(gè)命令鏈接成復(fù)雜的多步驟工作流，每一步的輸出都是結(jié)構(gòu)化的文本，可以被下一步消費(fèi)。沒有GUI的「點(diǎn)擊→等待→截圖→解析」循環(huán)，只有干凈的輸入輸出。
可預(yù)測(cè)性
這對(duì)AI極其重要。AI在推理一個(gè)工具時(shí)，需要建立一個(gè)心智模型：這個(gè)工具的輸入是什么，輸出是什么，有什么副作用。GUI的隱式狀態(tài)讓這個(gè)心智模型充滿不確定性。CLI的顯式參數(shù)讓這個(gè)心智模型可靠而精確。
可審計(jì)性
所有CLI操作都是可記錄的文本序列。AI執(zhí)行了什么命令、得到了什么輸出，都是人類可讀的文本。
這種透明性有兩個(gè)好處。
對(duì)人類：可以做事后審查。你可以查看AI運(yùn)行了哪些命令、每步的輸入輸出是什么，整個(gè)推理鏈路一目了然。GUI操作的「點(diǎn)了什么」很難被追溯，CLI操作的日志天然就是審計(jì)記錄。
▍更宏觀的趨勢(shì)
Claude Code選擇優(yōu)先發(fā)布CLI形態(tài)而不是IDE插件，這個(gè)決定背后有清晰的工程邏輯：IDE插件受限于宿主環(huán)境，CLI工具可以在任何有終端的地方運(yùn)行，可以被任何Agent調(diào)用，可以和任何其他工具組合。
這揭示了一個(gè)更根本的規(guī)律：AI Agent調(diào)用工具的本質(zhì)，就是在執(zhí)行命令。工具調(diào)用（function call/tool use）從語義上就是CLI——給定名稱和參數(shù)，返回結(jié)果。CLI工具天然就是Agent可以調(diào)用的函數(shù)，不需要任何轉(zhuǎn)換層。
「Terminal as the new IDE」這個(gè)說法早在AI興起之前就有人提過，但在AI時(shí)代它獲得了全新的含義。不只是「在終端里寫代碼」，而是「Agent通過終端與世界交互」。
過去，CLI是技術(shù)人員的專屬工具。未來，CLI可能會(huì)成為Agent的通用語言——人類通過自然語言和Agent對(duì)話，Agent通過CLI和系統(tǒng)交互。
▍小結(jié)
GUI的地位不會(huì)受到太大影響，它仍然是人類直接操作計(jì)算機(jī)的最佳界面。但當(dāng)你的AI工具需要調(diào)用另一個(gè)工具時(shí)，CLI是最自然的橋梁，會(huì)有更多的軟件為了順應(yīng)Agent習(xí)慣推出更多的CLI工具。
原文鏈接：
https://sspai.com/post/107173?utm_source=wechat&utm_medium=social