昨天在朋友圈看到一张截图，有点被击中了。

左边是我们熟得不能再熟的流程。公司来了个新人，HR打开钉钉，把人拉进大群，再建个小群，配个师傅，然后一条一条交代入职任务。

右边一下子变了味道。几行代码，直接把刚才那一整套流程直接写出来了。创建群、拉人、发消息，全变成一段可以执行的脚本。

可能有程序员会觉得，脚本这事有什么稀奇的？搞运维的人天天写脚本。但真正的问题是，钉钉作为一个GUI软件，拉群发消息之类的能力，之前只能在GUI上干。

现在，钉钉把这些全部CLI化了。所有之前可以在GUI上实现的操作，都可以通过CLI搞定。

这肯定会是一个重要的分水岭。因为接下来，CLI会变成越来越关键的一层。

从钉钉这次的动作能看出来，大公司已经开始意识到，一个产品不能只有给人点的界面，还得有给AI调用的接口。

01 为什么CLI又重要了？

CLI是Command Line Interface，命令行界面。最早DOS时代，人类和计算机的交互就是用CLI——得在黑底白字的屏幕上敲命令，电脑才知道我们想干什么。后来有了GUI，图形界面，用鼠标点点就行，不用记命令了。GUI这些年发展得越来越成熟，网站页面越来越漂亮，App交互越来越顺滑。

但现在，AI这个重要变量来了。

对于AI来说，GUI有个根本问题：它是为人类操作设计的。命令行对人类来说门槛太高，所以诞生了各种各样的菜单、表单和排版样式。

可是，AI不需要这些。AI不需要漂亮的按钮，不需要流畅的动画。

大家想想，GUI这套东西，本质上是在翻译。

人不会直接理解系统能力。所以我们需要按钮、菜单、页面结构，把底层能力翻译成人能看懂、能点的东西。

拿发邮件举例。

对人来说，发邮件是这样的：打开邮箱，点写邮件，填收件人，写内容，点发送。五个步骤，每一步都有对应的界面。

但对产品的后端接口来说，发邮件其实就是一件事：send_email(to, content)。一行搞定。

中间那五个步骤是什么？是给人准备的翻译层。

AI不需要这层翻译。它本来就是理解指令、调用能力、返回结果。让它走GUI，相当于明明能直接说一句话，非要让它看图猜意思。

CLI本质上就是把那层翻译剥掉，直接暴露底层能力。AI不是像人那样操作软件，它是在调用能力。这两件事完全不是一回事。

可以100%确定，CLI就是AI和软件之间最自然的语言。

Andrej Karpathy最近在X上评论说，CLI是AI Agent的“强大桥梁”，因为它们稳定、可脚本化，并且可以通过终端工具链原生访问。他甚至演示了Claude在几分钟内安装并使用Polymarket CLI来生成自定义仪表盘——这种效率，GUI模式下根本无法想象。

02 “黑框框”里住进的灵魂

如果说GUI是人类友好型交互方式，那么CLI才是Agent友好型的交互方式-1。

一个有趣的现象是，2026年初，以OpenClaw为代表的AI智能体爆火，证明了AI可以自主操控设备、执行真实任务，让“一人团队”成为可能。但OpenClaw有个致命问题：它缺乏企业级权限管控，操作不可审计，数据安全无保障。钉钉CEO陈航在发布会上披露了一个触目惊心的数据：经扫描18000个暴露的OpenClaw实例发现，其15%的社区技能包含恶意指令，可实现窃取密钥或部署木马。超过39万的Claw站点资产处于“裸奔”状态。

这就是AI圈当下的真实写照：满大街的“龙虾”横行，能力是有了，但谁也不敢把它真正放进公司的血管里。

“悟空”的解决方案，是彻底重构底层。钉钉完成了成立11年来最大规模的底层代码重写，将文档、表格、IM、审批、日程、会议、听记等上千项核心能力全部CLI化，改写为AI可直接读懂、原生调用的标准化指令。

CLI化带来的优势是根本性的：

第一，确定性。 CLI的结构化输出、确定性执行结果，天然适配大语言模型的处理逻辑。报错信息可被模型直接解析并自动重试，无需人工干预。

第二，效率。 CLI调用相比模拟GUI操作，可以省5-10倍的Token。这对企业级规模化部署至关重要。

第三，可组合性。 CLI的管道化特性，让多个命令可以串联成复杂的工作流，就像搭积木一样构建自动化流程。

03 技术解剖：CLI Agent的三要素

如果你对技术感兴趣，可以看看CLI Agent到底是怎么工作的。一个极度简化的实现，像nanocode这样两百来行的Python程序，主要做了三件事：

1. 连模型：接入LLM API

2. 提供工具集合：bash指令调用、本地文件读写

3. 实现Agent Loop：一个用于接收用户输入的交互循环，另一个用于tool use及tool result的处理循环

这个“Agent Loop”是核心。OpenAI最近首次公开了Codex的Agent Loop架构，把它拆解为五个步骤：

第一步：构建Prompt——给模型发一份详细的“工作邮件”，包含身份定位、可用工具、环境上下文和用户指令。

第二步：模型推理——模型思考用户意图，决定下一步行动。

第三步：工具调用——模型请求执行具体工具，Codex在本地执行命令。

第四步：结果反馈——命令输出追加到Prompt，再发给模型。

第五步：循环——模型看到结果后继续推理，直到任务完成。

这绝不是简单的“多调几次API”。传统的LLM应用是“一问一答”式：你问，它答，完事儿。但Agent Loop让AI变成了一个能独立干活的员工——它会自己规划路径（Chain of Thought）、自己检查错误（Self-Correction）、自己验证结果（Feedback Loop）。

04 安全，是CLI Agent的命门

但CLI一旦放开，本质上就是AI拿到了操作系统级别的能力。所以安全问题至关重要。

特别是钉钉这样的产品，它本身就是企业级的。如果数据权限没控好，AI一个误操作，可能整个公司的信息都泄露了。

悟空的安全设计体现出三层滤网机制：

第一层：CLI模式下的“意图锁”。AI的操作权限永远不会超过使用者本人，从根源杜绝越权操作。

第二层：钉钉原生的“审批流”熔断机制。引入置信度阈值，一旦Agent对某一步操作置信度低于设定值，或其他风险情况，立即暂停执行。

第三层：检索增强生成的精准化。对企业知识库进行预清洗与向量化，确保AI调用的是准确信息。

这种安全思路与ProClaw的“SteelClaw 8-Layer Stack”异曲同工——从模型隔离、安全运行时、零信任策略到DLP引擎和审计账本，层层递进，形成fail-closed的防御体系。当AI能力越来越强时，约束它的框架必须同步进化。

05 RealDoc：为AI设计的文件系统

悟空还配套做了一个叫RealDoc的真经系统，专门为AI设计的文件系统。

传统文件系统同样是为人类操作设计的，比较注重前端的UI交互。但对于AI来说，UI不重要——它可能觉得版本管理更重要，以及原子化的操作更重要。

比如AI要改一个表格，传统方式是把整个文件读进来，改完再整个存回去。但RealDoc支持更细粒度的原子操作，AI可以按行号定位、按关键词锚点，只改动需要修改的部分，不用动整个文件。这样也更省Token。

更重要的是过程记录。AI读了什么文档、做了什么判断、执行了什么命令、中间改了几版，RealDoc都会保存快照。每一步操作自动保存快照，可随时回退到任意历史版本。有点像飞机的黑匣子，出了问题可以回溯，看看AI到底是哪一步想歪了。

这一点对于企业级应用尤为关键——AI的执行过程必须是可审计、可追溯的，而不是一个无法解释的黑盒。

06 竞争格局：三大生态的对垒

这场B端AI混战，不是一场“悟空收虾兵”的单方面屠杀，而是三大生态的全面对垒。

字节的打法：一个字——深。 飞书将AI直接接入企业的文档、表格、聊天记录，让AI能“住进数据里”。你问AI“上个月的销售复盘”，它调用的不是通用知识库，而是你公司自己沉淀的业务数据。

腾讯的底牌：与微信互通。 企业最宝贵的客户资源、社群关系、私域流量，全在这条链路里。你说“给这批客户发个新品通知”，AI自动筛选标签、匹配话术、分发给对应员工执行。

阿里的路径：强管控、强安全。 钉钉服务的是大量中小企业，这些企业最怕内部管理混乱，所以AI先学权限和流程，先守好规则。悟空天然长在企业组织里，继承了钉钉的企业账号体系、权限管理和审计能力。

三条路径，没有谁比谁更高明，只是各自所在的领域和沉淀不同。但有一点可以确定：这场竞争，早就不只是产品功能的比拼，而是谁能把AI真正变成企业可落地、可量化效率提升的刚需工具。

07 未来已来：软件正在长出两副面孔

无招在发布会上说了一句话：未来时代，每一个岗位知识与经验的执行，都会从“由人执行”，逐步变成“由模型Token执行”。

这句话再往前推一步：软件正在出现两套界面。一套是给人看的GUI，一套是给AI用的CLI。

而且这两套界面的重要性，未来可能会倒过来。

黄仁勋在GTC 2026上抛出了一个让资本市场血脉贲张的判断：AI产业正从“训练”转向“推理”，未来的数据中心是“生产Token的工厂”。每一家SaaS公司，都将变成一家GaaS（GPU-as-a-Service）公司，从卖工具变成租赁智能体。

翻译一下：企业软件的未来，不是卖一套系统让你自己操作，而是直接卖给你一批AI数字员工，让它们替你干活。

08 写在最后：你的产品，准备好给AI用了吗？

如果你在做SaaS、专业服务，或者任何不是纯内容消费型的产品，有一件事要开始认真想了：你的产品，接下来到底要不要给AI用？

以前这个问题根本不存在。用户就是人类。人类需要的是简单、审美在线的GUI。

但现在，用户结构在变。

未来越来越多的场景会变成这样：人只给一个目标，真正去用你产品的，是一个Agent。

如果你的产品只有GUI，AI想用你的服务，就只能假装成一个人。截图页面，识别按钮，模拟点击，一步一步往下走。每一步都在绕远路，成本高，还不稳定。

但如果你提供了CLI和API，AI可以直接调用能力，不用绕过界面。这两种方式的效率差距，是数量级的。

更关键的变化是，竞争逻辑会变。

过去我们做产品，竞争的是用户体验。谁界面更好看，谁交互更顺滑。

但在Agent时代，会多出一层竞争：谁更容易被调用。

同样一个服务，一个只能点点点，另一个可以一行命令搞定，AI会优先选谁，没有悬念。

慢慢地，很多调用会在后台完成，人甚至不知道自己在用哪个产品。

所以提供CLI和API，不只是为了方便开发者，也不只是为了做生态。它本质上是在决定一件事：

当世界的操作主体从人变成AI的时候，你的产品还能不能被用上。

---

最后，用一句金句来收尾，我觉得它精准地概括了CLI Agent的进化本质：

“黑框框没变，但里面住进来一个会思考的灵魂——你敲的是键盘，它跑的是脑子。”

文本接口的古老设计，反而成了AI时代的最佳握手协议：没有中间商（GUI）赚效率差价。从“人机接力”到“人机嵌合”，本质是让AI从“顾问”变成“执行者”，人类从“操作员”变成“指挥官”。

这场文艺复兴，才刚刚开始。