前几天我刷到了香港大学开源的一个项目——CLI-Anything，GitHub 上线不到一周就突破了 11,000 星。我盯着它的 README 看了很久，脑子里冒出一个有点吓人的问题：如果 AI Agent 能直接操控所有软件，我们还需要那些精心设计的用户界面吗？未来的软件，究竟会消失，还是会进化成我们认不出的样子？

从 GUI 到 CLI：交互范式的根本性转移

CLI-Anything 的出现，本质上是在解决一个被长期忽视的问题：如何让 AI Agent 真正"用"起来人类世界的专业软件？

在此之前，业界主要有三种思路，但都有致命缺陷：

第一种是 GUI Agent 方案——通过截图识别界面、模拟鼠标点击。这种方案极其脆弱，UI 元素位置一变就失效，分辨率和系统主题变化都可能导致失败 。

第二种是调用官方 API——但大多数桌面软件的 API 要么不存在、要么极不完善、要么文档匮乏 。

第三种是手工开发命令行包装器——工作量巨大，需要深入理解目标软件架构，往往要数周甚至数月 。

CLI-Anything 的颠覆性在于：它用自动化的方式，一条命令就完成整个 CLI 生成流程。它不是替代原有软件，而是为软件生成一个"Agent 原生"的命令行外壳，直接调用真实软件后端执行操作，保留 100% 专业功能 。

这让我想起 Andrej Karpathy 最近的预言：软件正在从"标准化产品"，变成"按需生成的临时工具" 。他举例说，自己为了追踪 8 周的心率训练计划，用 AI Agent 临时做了一个专属仪表盘——不是去应用商店搜索下载，而是直接描述需求，AI 现场生成。整个过程只用了 1 小时，而他预测未来可能只需要 1 分钟 。

Karpathy 的核心观点是：当自然语言本身就是编程接口，软件就不一定非要先被做成一排排固定产品等人下载——它可以在对话里被拼出来，在具体场景中存在，用完就消失

什么是 CLI-Anything？

先来说说这个项目到底在做什么。

CLI-Anything 的思路是从根本上绕开这个困境。它是一个开源的 Claude Code 插件，通过全自动的 7 阶段流水线，将任何拥有代码库的软件转化为 Agent 可原生调用的 CLI 接口。整个过程可以用一句话概括：把 GIMP 的源码扔给它，你就得到一个 cli-anything-gimp，Agent 从此可以用命令行驱动 GIMP 的全部专业能力——不是玩具实现，是调用真实后端。

7 阶段自动化流水线是这个项目的核心工程设计：

分析（Analyze）→ 设计（Design）→ 实现（Implement）→ 规划测试（Plan Tests）→ 编写测试（Write Tests）→ 文档化（Document）→ 发布（Publish）。插件完全自动地处理架构设计、代码实现、测试规划、测试编写和文档生成。

分析 —— 扫描源代码，将 GUI 操作映射为 API
设计 —— 构建命令组结构和状态模型
实现 —— 生成基于 Click 框架的完整 CLI
测试规划 —— 创建单元测试和 E2E 测试方案
编写测试 —— 实现全面的测试套件
文档 —— 更新技术文档
发布 —— 生成安装包并配置 PATH

生成的 CLI 有几个关键特性让我觉得它不是玩具：

每条命令都内置 --json 标志，向 Agent 返回结构化的 JSON 数据；同时支持 --help 自描述，Agent 可在运行时自主发现工具能力，无需手写任何 API spec。目前项目已为 GIMP、Blender、LibreOffice、Inkscape、Audacity、OBS Studio、Kdenlive 等 9 款主流软件生成了 CLI，拥有 1436 条测试，100% 通过率。

适用范围也在快速扩展。不只是 GUI 桌面软件，对于碎片化的 Web API，你可以把文档或 SDK 喂给它，Agent 就能得到一个有状态的 CLI，把分散的接口包装成连贯的命令组——用一个工具代替数十个原始 API 调用。

CLI 为什么是 Agent 的"母语"？

这里有一个很值得细想的底层逻辑：为什么要把所有软件都变成 CLI？

文字命令与 LLM 的输入格式天然匹配，可以链式组合，构建复杂的多步骤工作流。Agent 无需对抗晦涩的 GUI，就能搭建强大的自动化流水线。

我的理解是这样的：GUI 的本质是为人类的感知系统设计的——视觉层次、颜色反馈、鼠标交互，这些都是把机器指令翻译成人类能直觉操作的语言。但 Agent 根本不需要这层翻译，它直接以结构化文本思考，CLI 才是它的母语。让 Agent 去点击 UI，就像让一个中文母语者先把想法翻成英文、再翻成中文来交流——多此一举，还容易出错。

CLI-Anything 的设计哲学正是：确定性（Deterministic）与可靠性（Reliable）——稳定一致的输出让 Agent 行为可预测，这在大规模自动化中至关重要。

未来真的还需要软件吗？

这是我真正想认真讨论的问题。

我认为答案不是"软件消失"，而是软件的形态会发生深刻的分裂。

人机交互层（GUI）会长期存在，但受众会收窄

对于普通用户，GUI 仍然是必要的。不是所有人都想、也都会通过自然语言指令让 Agent 去操控软件。拍一张好照片、剪一段视频，很多人享受的就是那种"自己动手"的感觉，这是软件的情感价值，不是功能价值。GUI 不会消亡，但它的角色可能从"操控工具"变成"体验媒介"。

Agent 调用层（API/CLI）会成为软件的新"一等公民"

这才是真正的变革所在。过去软件的核心资产是用户界面，未来软件的核心资产将是能力暴露的质量——能否被 Agent 清晰地调用、组合、编排。CLI-Anything 这类项目的出现，本质上是在倒逼软件行业重新思考"什么是软件的接口"。

我甚至大胆预测：三到五年内，任何一款 to B 软件如果没有良好的 Agent 调用接口，将在采购决策中处于明显劣势。就像今天没有移动端的 SaaS 会被认为"不够现代"一样。

"软件"的边界本身会模糊

更深远的变化是，当 Agent 可以动态生成 CLI、动态调用能力时，"一个软件"的定义本身就开始动摇。今天我们说"我用 Photoshop 修图"，未来可能只是"我让 Agent 完成了修图任务"——Agent 在背后调用了哪些工具、哪些 CLI，用户完全不感知。软件从前台走向后台，从产品变成服务，从名词变成动词。

但能力的天花板取决于底层实现

CLI-Anything 一个很清醒的设计决策是：目标软件（如 GIMP、LibreOffice、Blender）必须安装在系统上，这是刻意为之的设计——真实集成意味着真实能力，而非玩具式的重新实现。这说明"软件"这个概念并不会消失，真正消失的是"人必须亲自操作软件"这件事。软件的能力依然需要有人去构建、去维护，只是最终的调用者从人类变成了 Agent。

一个没有 APP Store 的未来？

我最近在想一个更极端的可能性：如果 Agent 变得足够强大，能够根据任务动态合成工具，而不是从现成软件里选择，那传统意义上的"应用商店"还有存在的必要吗？

今天 App Store 的逻辑是：开发者把能力打包成产品，用户下载安装使用。而未来的逻辑可能是：开发者暴露原子能力，Agent 按需组装。用户不再下载"一款软件"，而是描述一个目标，让 Agent 去编排完成。

这不是科幻，CLI-Anything 的出现已经是这条路上很具体的一步。它的愿景明确写着：让所有软件 Agent 原生化（Making ALL Software Agent-Native）。

我并不觉得这是一件令人担忧的事。软件工程师不会消失，反而会更重要——但工作内容会从"设计用户界面"转向"设计 Agent 接口"，从"写 UI 代码"转向"定义能力边界与调用协议"。这是一次工种的升维，而不是替代。

最后回到最开始的问题：软件会消失吗？

我的答案是：软件的外壳会逐渐隐退，但软件的内核——那些精心构建的算法、处理逻辑、专业能力——将比任何时候都更重要。只是它们不再需要一个漂亮的窗口来示人了。

CLI-Anything 这个项目发布仅三天就突破万星，这本身就是一个信号。开发者社区已经在用脚投票：Agent 时代的软件基础设施，正在被重新定义。

更多transformer，VIT，swin tranformer
参考头条号：人工智能研究所
v号：人工智能研究Suo, 启示AI科技

 动画详解transformer  在线视频教程