CLI-Anything：给任意软件生成命令行，让 AI Agent 直接操控

CLI-Anything 是一个开源自动化工具，能把任何有源码的复杂桌面软件直接改造成命令行接口，让 AI Agent 不需要肉眼看屏幕截图，就能像调用终端命令一样控制大型专业软件。

现在的 AI Agent 很擅长写代码和逻辑推理，但一旦让它们去干具体粗活，比如用专业软件剪视频、做 3D 建模或者修图，往往就卡壳了。

常见做法是用视觉模型看着屏幕截图去模拟点鼠标、敲键盘，这种 GUI 自动化不仅速度极慢，界面稍微变动或者弹个窗就会崩溃。另一种做法是给大模型提供官方 API，但很多老牌桌面软件根本没有完善的 API，重写一个轮子又太耗时。

它能做什么

CLI-Anything 换了个思路：它把命令行接口（CLI）当成 AI Agent 和软件之间的通用桥梁，通过一套全自动流水线，直接给现有软件包上一层结构化的终端指令壳。

比如在没有图形界面的环境下，Agent 可以直接输入一条命令让软件打开特定文件、选中图层、施加滤镜并导出成果，整个过程无需人工干预。

项目团队已经用这套自动化管线处理了 GIMP、OBS Studio 等 8 款复杂的开源软件，并且跑通了整整 1298 个测试用例。

随后社区也迅速跟进，连续提交了包括地图绘制软件 QGIS、笔记工具 Obsidian 与 Joplin、电子书管理工具 Calibre、音频软件 Rekordbox 以及 3D 打印切片相关的 3MF 等工具的专属 CLI 封装。

不管是 OpenClaw、Claude Code、nanobot 还是 Cursor，只要能执行系统命令的 Agent，都可以直接挂载这些工具。

怎么跑起来

CLI-Anything 已经上线了代码仓库和专门的软件集市 CLI-Hub，代码完全开源。

如果你想快速体验社区已经封装好的工具，系统只要装了 Python 环境，直接在终端运行 pip install cli-anything-hub，之后输入 cli-hub install 加上工具名称就能拉取安装。

除了常规的命令行包装，项目还支持通过 npx 安装对应的技能模块，直接喂给各大 Agent 框架当作内置技能使用。

如果涉及图形输出，它还提供了预览机制和执行轨迹循环，Agent 可以在终端内一步步查看中间生成的中间产物并做出修正。

为什么重要

我们认为 CLI-Anything 找准了 AI Agent 落地最痛的那个卡点。过去半年行业都在死磕计算机视觉控制屏幕，但那种模拟人类点击的方案在专业工作流里容错率极低。

命令行本来就是程序员和大模型最熟悉的交互方式，把图形软件的能力重新翻译回文本接口，比让模型费劲识别像素靠谱得多。特别是在保留工程源文件、图层不丢失的专业场景下，这种本地运行的方式既保护了隐私，又保证了操作的精确度。

当然它的局限性也很明确：目前它依赖软件本身具备开源代码或可调用的底层钩子，如果面对闭源商业软件，这套全自动生成逻辑就很难直接套用。但对于那些重度依赖开源生产力工具、又想把繁琐操作交给 Agent 批量执行的开发者来说，现在就值得把仓库拉下来试一试了。