大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



香港大学 HKUDS 团队开源项目 CLI-Anything 旨在通过自动化 CLI 生成流水线，弥合 AI Agent 与专业桌面软件之间的操控鸿沟。

---

当前大语言模型（LLM）的推理能力已相当成熟，但在操控真实专业软件方面仍存在显著短板。以 Blender、GIMP、LibreOffice 等桌面应用为例，它们的核心交互逻辑围绕 GUI 构建，AI Agent 若要驱动这些软件，通常面临三条路径：

1. GUI 自动化（RPA/截图点击）：脆弱、不可靠，界面微调即可导致流程崩溃。
2. 有限的 API 封装：覆盖面窄，往往只暴露了软件 10% 的功能。
3. 功能重新实现：用 Python 库（如 Pillow）替代 GIMP 的渲染引擎，本质上是”玩具级”方案，无法处理真实工作负载。

CLI-Anything 项目的核心主张是：CLI 是人类与 AI Agent 共通的万能接口。文本命令天然匹配 LLM 的输入格式，–help 即可自描述，JSON 输出可被 Agent 直接消费，且 CLI 具备结构化、可组合、跨平台、确定性强等特性。该项目正是基于这一洞察，构建了一套从源码分析到 CLI 发布的全自动化流水线。

---

CLI-Anything 由香港大学数据科学实验室（HKUDS）主导开发，采用 Apache 2.0 协议开源，托管于 GitHub（HKUDS/CLI-Anything）。截至 2026 年 3 月，该项目已为 20 余款专业软件生成了生产级 CLI 接口，累计通过 1,858 项测试（含 1,355 项单元测试、484 项端到端测试、19 项 Node.js 测试），通过率 100%。

项目支持的 AI 编程工具包括 Claude Code、OpenClaw、OpenCode、Codex、Qodercli、GitHub Copilot CLI 等，用户只需一行命令即可为任意有源码的软件生成完整的 Agent 可用 CLI。

---

CLI-Anything 的技术核心是一套经过实战验证的 7 阶段 SOP（标准操作流程），记录在项目的 HARNESS.md 中。该流水线由 AI Agent 自动执行，全程无需人工介入：

阶段 1：代码分析（Codebase Analysis）

Agent 扫描目标软件的源码，识别后端引擎（如 Shotcut 的 MLT、GIMP 的 ImageMagick），将 GUI 操作映射到 API 调用，梳理数据模型（XML/JSON/二进制），并发现已有的 CLI 工具（如 melt、ffmpeg、sox）。

阶段 2：CLI 架构设计（Architecture Design）

设计命令分组（项目管理、核心操作、导入导出、配置、会话管理），规划状态模型（REPL 内存态 + JSON 文件持久化），确定输出格式（–json 供 Agent 消费，表格格式供人类调试）。每个 CLI 同时支持有状态 REPL 和无状态子命令两种交互模式。

阶段 3：实现（Implementation）

基于 Python Click 框架构建 CLI。实现顺序为：数据层 → 探查命令 → 变更命令 → 后端集成 → 渲染/导出 → 会话管理 → REPL 界面。后端集成模块（utils/ _backend.py ）负责定位真实软件可执行文件、调用子进程、处理错误。所有 CLI 共享统一的 REPL 皮肤（ReplSkin），提供一致的交互体验。

阶段 4：测试规划（Test Planning）

在编写测试代码之前，先生成 TEST.md 文档，列出测试清单、单元测试计划、端到端测试计划和真实工作流场景。

阶段 5：测试实现（Test Implementation）

实现多层测试：

• 单元测试（test_core.py）：合成数据，隔离验证每个核心函数。
• 端到端测试（test_full_e2e.py）：验证中间文件结构（ODF ZIP、MLT XML、SVG），并调用真实软件生成最终产物（PDF、PNG、MP4 等），通过魔术字节、文件结构、像素分析等手段验证输出正确性。
• CLI 子进程测试：通过 subprocess.run 调用已安装命令，模拟真实 Agent 使用场景。

阶段 6：测试文档（Test Documentation）

将测试结果追加到 TEST.md，形成完整的测试计划 + 结果记录。

阶段 6.5：SKILL.md 生成

为每个 CLI 生成 AI 可发现的技能定义文件，包含 YAML 元数据、命令分组、使用示例和 Agent 专用指南。该文件随 pip install 一同安装，REPL 启动时自动展示路径。

阶段 7：发布（Publish）

生成 setup.py，通过 pip install -e . 安装到 PATH，Agent 通过 which 命令即可发现工具。

---

HARNESS.md 中沉淀了大量来自 20 余款软件实战的工程经验，以下是几个值得关注的要点：

4.1 必须使用真实软件，禁止重新实现

这是该项目的第一原则。CLI 必须调用真实应用进行渲染和导出，而非用 Python 库替代。例如，LibreOffice CLI 的导出流程是：先用 XML 构建器生成合法的 ODF 文件，再调用 libreoffice –headless –convert-to pdf 完成转换。Blender CLI 则通过 blender –background –python script.py 执行渲染。

这一决策的理由很明确：CLI 是软件的结构化接口，而非替代品。如果用 Pillow 替代 GIMP 的渲染引擎，产出的只是一个无法处理真实工作负载的玩具。

4.2 渲染鸿沟（The Rendering Gap）

大多数 GUI 应用在渲染时才应用特效。如果 CLI 操作了项目文件但使用了简陋的导出工具，特效会被静默丢弃。项目提出的解决方案优先级为：原生渲染器（如 melt）→ 滤镜转译层（如 MLT 滤镜 → ffmpeg -filter_complex）→ 手动渲染脚本。

4.3 滤镜转译的陷阱

在不同格式间映射特效时，需要注意：重复滤镜合并（ffmpeg 不允许同一滤镜出现两次）、流排序约束（ffmpeg concat 要求交错排列 [v0][a0][v1][a1]）、参数空间差异（MLT 亮度 1.15 = +15%，ffmpeg eq=brightness=0.06 在 -1…1 区间）、以及无法映射的特效处理。

4.4 时间码精度

非整数帧率（如 29.97fps = 30000/1001）会导致累积舍入误差。项目要求使用 round() 而非 int() 进行帧转换，显示时使用整数运算，测试中允许 ±1 帧容差。

4.5 输出验证方法论

项目明确要求”永远不要因为进程退出码为 0 就信任导出成功”。验证手段包括：魔术字节检查、ZIP/OOXML 结构验证、像素级分析、音频 RMS 电平检测、时长校验等。

---

CLI-Anything 的覆盖范围横跨创意、生产力、通信、图表、AI 生成等多个领域：

全部 1,858 项测试 100% 通过。

---

每个生成的 CLI 遵循统一的目录结构：

 
        
    
          
            / └── agent-harness/ 
          

├── 
        
    
          
            .md # 该软件的架构 SOP ├── setup.py # 包配置 └── cli_anything/ └── 
           
             / ├── __init__.py ├── __main__.py # python -m 入口 ├── 
            
              _cli.py # Click CLI 主文件 + REPL ├── README.md ├── core/ # 核心模块（按领域拆分） │ ├── project.py │ ├── ... ├── utils/ │ ├── 
             
               _backend.py # 真实软件后端封装 │ └── repl_skin.py # 统一 REPL 皮肤 ├── skills/ │ └── SKILL.md # AI 可发现的技能定义 └── tests/ ├── TEST.md ├── test_core.py └── test_full_e2e.py 
              
             
            
          

所有 CLI 统一在 cli_anything.* 命名空间下，无冲突、可 pip 安装，命名规范一致（cli-anything-gimp、cli-anything-blender 等）。

以 GIMP CLI 为例，其主文件 gimp_cli.py 基于 Click 框架，定义了 project、layer、canvas、filter、media、export、session、draw 等命令组，共计 50 余个子命令，涵盖项目管理、图层操作、画布变换、滤镜应用、媒体探查、渲染导出、会话管理和绘图等完整功能。

---

项目维护了一个 registry.json 注册表，记录所有可用 CLI 的元数据（名称、版本、描述、依赖、安装命令、入口点、分类、贡献者等）。基于此注册表，项目搭建了 CLI-Hub 网站（https://hkuds.github.io/CLI-Anything/），用户可一站式浏览、搜索和安装社区贡献的 CLI。

更进一步，项目还发布了 CLI-Hub 元技能（meta-skill），使 AI Agent 能够自主发现和安装所需的 CLI，实现零人工干预的工具获取流程。

---

CLI-Anything 的设计是平台无关的，通过不同的接入层适配多种 AI 编程工具：

• Claude Code：以插件市场形式分发，/plugin install cli-anything 即可使用。
• OpenCode：通过命令文件（.md）+ HARNESS.md 方法论规范接入。
• OpenClaw：通过原生 SKILL.md 技能文件接入。
• Codex：通过 skill 安装脚本接入。
• Qodercli：通过插件注册脚本接入。
• GitHub Copilot CLI：通过 copilot plugin install 接入。

无论使用哪个平台构建，生成的 CLI 使用方式完全一致。

---

单次 /cli-anything 运行不一定能完整覆盖目标软件的所有功能。项目提供了 /refine 命令，支持增量式、非破坏性的功能扩展：

# 全面优化 — Agent 分析所有功能的覆盖差距 /cli-anything:refine ./gimp

# 定向优化 — 指定特定功能领域 /cli-anything:refine ./gimp “批处理和滤镜”

该命令会对软件的完整功能与当前 CLI 覆盖范围进行差距分析，然后为识别到的差距实现新命令、测试和文档。用户可多次运行，逐步扩大功能覆盖范围。

---

项目文档中坦诚列出了以下局限：

1. 依赖强大的基础模型：CLI-Anything 需要前沿级别的模型（如 Claude Opus 4.6、GPT-5.4）才能可靠生成 CLI。较弱的模型可能产出不完整或有误的结果。
2. 依赖可用的源代码：/cli-anything 基于源码进行分析和生成。仅有编译后二进制文件的软件，生成质量会显著下降。
3. 可能需要迭代优化：单次运行不一定覆盖所有功能，通常需要执行一次或多次 /refine。

---

CLI-Anything 提出了一个清晰且务实的技术路线：以 CLI 作为 AI Agent 与专业软件之间的桥梁，通过自动化流水线将任意有源码的软件转化为 Agent 原生工具。其核心价值在于：

• 不重新发明轮子，而是为已有软件构建结构化接口。
• 不妥协功能完整性，坚持调用真实软件后端。
• 不依赖脆弱的 GUI 自动化，而是走纯命令行路线。
• 不局限于单一 AI 平台，而是提供多平台适配层。

从工程角度看，该项目在方法论沉淀（HARNESS.md）、测试体系（多层验证 + 真实软件集成）、社区生态（CLI-Hub + registry.json）等方面展现了较高的成熟度。对于关注 AI Agent 工具链建设的开发者而言，CLI-Anything 提供了一个值得参考的范式。

---