CLI工具的可持续维护之道：从社区共建到AI友好设计_服务软件

1. 神通广大的CLI，正在颠覆“VsCode”们

2. 为什么现在大多 Code Agent 的主形态是 CLI/TUI？

3. 【Claude Code中文教程：10万字免费指南助你掌握AI编程新范式】一份专为开发者打造的Claude Code完整学习资源正式上线，从零基础到构建自定义AI智能体，全部免费开放。 + 这份教程解决什么问题？当AI编程助手成为开发者标配，真正的挑战不是“会不会用”，而是“能不能用好”。这份教程正是为此而生——帮助开发者系统掌握Claude Code，实现开发效率的质变。 + 九大核心模块，循序渐进 1. 基础入门：概述、安装配置、基础使用 2. 命令体系：CLI命令、标志说明、斜杠命令、自动化集成 3. 交互与工具：交互模式详解、工具调用集成 4. MCP协议：模型上下文协议的配置、管理与高级应用 5. 技能系统：从原理到实践，手把手教你开发自定义技能 6. 插件开发：从基础到高级的完整插件开发指南 7. 编程实战：代码生成、智能工作流、高级Agent功能 8. 技术原理：Agentic AI核心技术、架构解析、构建编程Agent 9. 企业部署：云集成、网络安全、LLM网关等企业级方案 + 三个值得关注的亮点 - 上下文感知编程：让AI理解整个代码库架构，提供深层建议而非简单补全 - 本地优先隐私保护：代码仅在授权上下文中运行，不用于公共模型训练 - 无缝CLI集成：在终端中实现AI结对编程，不离开熟悉的开发环境对于想深入理解AI编程工具工作原理、或计划构建自己编程Agent的开发者，这份教程提供了难得的系统性学习路径。 claudecode.tangshuang.net

4. 一文带你上手 Skills：构建可复用的 AI 能力体系

5. //@宝玉xp:重构代码这事，最佳实践是先写自动化测试，先保证自动化测试覆盖，然后再去替换模块代码，确保替换后测试还能通过，这样重构后系统还是相对稳定的。AI 正适合写自动化测试，另外对于用 AI Agent 写代码，有了自动化测试，也更容易验证生成结果的好坏，能提升效率，至于工具，主流的 Coding Agent 工具都挺好//@我拖沙養妳:宝玉老师，我现在面临的问题是，前端历史项目由于技术栈老旧，现在增加或修改功能比较混乱，也没有文档。我想借助AI来重构项目并能够形成文档，请问老师有什么建议？使用什么AI工具呢？//@宝玉xp:原型在确认模糊不清的需求上是相当有优势的，尤其是AI生成的高保真可以交互的结果//@迷糊-Tree:最近其实遇到一个类似的问题，一个小feature写了两周多。主要问题就是需求模糊+细节繁琐。因此用codex也很难直接出结果。下次按这个流程应该能快很多

6. 给大家推荐一个开源项目：Open Design，一个 Claude Design 的开源替代品。本地优先，可以部署到 Vercel，每一层都支持 BYOK。它的设计引擎就是你机器上已有的 coding-agent CLI，支持 10 套主流工具的自动检测：Claude Code、Codex、Cursor Agent、Gemini CLI、OpenCode、Qwen、GitHub Copilot CLI、Hermes、Kimi、Pi，只要在 PATH 上能找到就直接用。背后由 31 个可组合的 Skills 和 72 套品牌级 Design System 驱动。一个 agent 都没装也没关系，还有 OpenAI 兼容的 BYOK 代理 /api/proxy/stream 兜底，走的是同一条 loop，只是少一次 spawn 而已。整个项目花了 72 小时，写了 18700+ 行代码，浓缩并逆向了 Claude Design 里最先进的设计理念和最好看的模板。30+ 设计 Skills，超过 71 套设计系统，兼容市面上所有主流 code agent，包括 Claude Code、Codex、OpenClaw 等等。传送门：github.com/nexu-io/open-design#How I AI##科技先锋官#

7. 在线调用 Claude Code 时，回答冗长浪费 tokens 导致成本飙升。drona23/claude-token-efficient 只需在项目根目录放入一份 CLAUDE.md 文件，无需代码改动，即可自动让 Claude 回复更简洁、减少多余客套与冗言，让重度输出工作流节省超过60% token，降低成本。主要功能：- 去掉无用开头结尾客套语- 避免重复复述问题- 简化代码方案，不胡乱扩展- 阻止错误认同和多余建议适合：- 需要高频多轮自动化调用的团队和项目- 欲稳定输出格式，方便解析- 代码生成、自动化代理、流水线工作不适合：- 低频简短查询，因文件加载成本占优- 需要详细讨论或复杂架构设计时GitHub：github.com/drona23/claude-token-efficient放入项目后，Claude立刻变得更简短高效，节省数万tokens，助力成本控制及流程提速。#AI开发##成本优化##自动化工具#

8. 最近感觉应用正在被重新“CLI 化”，但目标不是让人回到终端，而是从 Agent 的视角把网站与软件改造成可编程接口。过去的 CLI 是人对计算机下命令：输入参数、执行任务、得到结果；而今天的“CLI 化”是要把一切交互能力拆解成标准化的函数与数据结构，供智能体直接调用。对 Agent 来说，最重要的不是页面布局是否清晰、按钮是否顺手，而是能力是否被明确抽象：有什么动作可做、需要哪些参数、会返回什么结果、失败如何处理。于是，原本面向人的 UI 逐渐退居其次，应用开始以 API、工具描述、可机器解析的文档作为“主界面”。在这种模式下，用户只需表达意图，Agent 便能跨多个服务自动编排流程，把“打开 App 完成任务”变成“调用能力组合结果”。慢慢的，应用因此从目的地变成基础设施。

9. 如果担心 cli 的 skill 和 cli 版本不一致，可以在 skill 里面规定：“使用前先 cli --version 获取版本号，如果当前skill 版本落后于 cli 版本，那么去skills的repo拉取更新最新版本的 skill”//@wispig:配套skill 后，有个困惑，如果cli 更新了，skill 怎么才能同步更新呢//@宝玉xp:回复@_阿楠_:配套一个skill确实是最简单有效的方法，其他的还有放到workspace的AGENTS.md/CLAUDE.md（如果是codex/claude code这种），还有在聊天的时候，直接指定cli路径让它去用//@_阿楠_:最近有个疑惑是，我给 AI 写了一个 cli 工具后，怎么教会它自动在需要的时候去使用这个 cli 工具呢？是不是需

10. Harness项目推荐丨CLI-Anything 、CrewAI、LangGraph、EigenFlux....

11. OpenAI 上线了官方命令行工具 openai-cli，开发者可以直接在终端里调 API，不用再写 SDK 代码。项目开源在 GitHub (openai/openai-cli)，Apache 2.0 协议，可通过 Homebrew 或 Go 安装。命令走资源化结构，比如 openai responses create --input "..." --model 这样的写法。工具的几个核心能力：调用 Responses API，并且支持所有 cloud tools，也就是 OpenAI 托管的内置工具，包括 web 搜索、代码解释器、文件检索、图像生成等。换句话说，agent 风格的工作流也能直接从命令行跑通。输出走 Unix 风格的结构化格式（JSON、YAML、JSONL、pretty、raw 等），可以管道串联，再配合 GJSON 语法直接抽字段，跟 jq 类似，但是内建。图像生成、图像编辑、语音转录、TTS 这些原本要写 Python 调 SDK 的事情，一行命令就能完成。管理类操作也整合进去了，可以创建 project、配发 API key，对运维和团队管理者比较友好。文件传参用 @ file.ext 语法，跟 curl 习惯一致；二进制内容可以用 @data:// 显式 base64 编码。发布的人是 jxnlco（jason liu），他在 X 上把这个项目定性为 "small ship / passion project"，暗示是相对轻量的发布，更多文档稍后放出。之前 OpenAI 官方只有 Python、Node 等语言 SDK，纯命令行用户要么裸写 curl，要么自己包脚本。这次把 SDK 能力直接搬到 shell 里，能拼进现有的自动化流程，也方便服务器端和 CI/CD 场景。很适合 Agent 使用。 http://t.cn/AXJ1ibKl

12. 飞书CLI开源了，简单几步让你的Agent丝滑操控飞书

13. 「Github一周热点107期」OpenAI收购的AI安全工具、AI代理事务所、OpenClaw技能库、claude code插件和上下文数据库

14. OpenClaw 新能力：最强浏览器自动化方案，免登录自动操作小红书、X、公众号等｜Chrome DevTools MCP

15. OpenAI Codex 团队的 Nick Baumann 分享了一个他日常用 Codex 干活的心得：与其每次把一堆文档、日志、API 输出丢给 AI 去啃，不如给它造几个专用的命令行小工具。他的逻辑很直接：MCP 连接器（比如 Slack、Linear、Sentry 这些）解决的是“能不能访问”的问题，但很多时候原始数据太大、太杂，AI 拿到手也处理得费劲。这时候更好的做法是把常用操作封装成一个带参数、输出 JSON、有帮助文档的 CLI 命令。Codex 本身就擅长用命令行，它会搜索、会加 flag 筛选、会把上一个命令的结果串到下一个命令里，不需要你教它怎么调。他自己实际在用三个这样的 CLI：【1】codex-threads：检索自己以前的 Codex 对话记录Codex 的会话存档噪音很多，直接让 AI 读原始记录又慢又乱。他做了个工具在本地建索引，可以搜索、定位、读取历史会话。典型用法是找到一次做得好的对话，然后把里面的模式提炼成 skill（可复用的工作指南）。【2】slack-cli：在 Slack 里精准找信息场景很具体：有人在某个 Slack 频道讨论过一个技术决策的理由，你知道讨论过但找不到在哪。这个 CLI 可以让 Codex 搜索、定位到具体的消息链、拉上下文、引用关键消息。它底层还是走 Codex 的授权网关，权限没变，只是把交互方式从扔一坨聊天记录变成了一条命令拿到你要的东西。【3】typefully-cli：写推文和排期发布他用 Typefully 管理社交内容，但不想每次都让 Codex 重新学一遍 Typefully 的 API。于是让 Codex 读 API 文档，编译出一个 Rust 写的小 CLI，只暴露他常用的几个操作。配套的 skill 里还写了一条规矩：不许自动发布、排期或删除内容，除非他明确要求。他把整个方法论总结成了一篇教程发到 OpenAI 开发者文档上，还配了一个 cli-creator skill 帮你用 Codex 自己造 CLI。这个思路对用 Claude Code 的人同样适用。核心就一句话：如果你发现自己反复在给 AI 喂同一类乱糟糟的数据，那就别再解释了，给它造个命令。Codex 团队还搞了一个 Skill 叫 cli-creator：developers.openai.com/codex/use-cases/agent-friendly-clis 网页链接github.com/openai/skills/tree/main/skills/.curated/cli-creator 网页链接#硅基茶水间装修日志#

16. Notion CLI终于来啦！基础配置教程打通 Codex / Claude Code /Workbuddy

17. CLI 优于 MCP：当 Agent 成为用户，我们需要重新想清楚「接口」是什么一、MCP 是什么MCP 是一个基于 JSON-RPC 的协议，运行方式有两种：本地 stdio（本机上跑一个进程）和远程 HTTP+SSE（通过网络暴露服务）。它定义了一套标准化的"工具"格式：name、description、JSON Schema 参数——LLM 读这些描述，决定要不要调用、怎么调用。从架构上看，MCP 解决的是发现问题（让 Agent 知道有哪些工具可用）和调用问题（如何标准化地传参、拿结果）。这两件事它都做到了，而且做得还可以。二、MCP 的三个结构性问题1. 它为 LLM 设计，不为 Agent 设计LLM 在对话场景里调用工具，和 Agent 在任务执行场景里调用工具，是两件不同的事。1）对话场景：用户说"帮我查一下我的邮件"，LLM 调用一次 MCP 工具，返回结果，然后生成回复。这是一次性的、交互式的。2）Agent 场景：Agent 在完成一个多步骤任务，它需要串联十几个工具调用，在中间做判断，出错了回退，并行执行多个分支。这是持续性的、程序性的。MCP 的设计是前者的思路。它非常 LLM-friendly——描述用自然语言，参数用 JSON Schema，返回值是文本。但 Agent 需要的是确定性、可组合性、可脚本化。当你把一个工具链写成 Agent 工作流时，MCP 的"LLM 友好"开始变成负担：参数匹配不稳定，结果格式随实现而变，串联多个工具时上下文在哪一步丢失了很难排查。2. 协议复杂度与收益不匹配要给一个软件写 MCP server，你需要：实现 JSON-RPC 通信层、定义工具 schema、处理认证（这个到现在还乱）、管理连接状态（SSE 有连接断开的问题）、处理错误格式。一篇 2026 年 3 月的学术论文对真实 MCP 软件做了大规模缺陷分类，发现五类主要故障：工具调用/执行问题（63 个 issue）、参数 schema 不匹配、认证失败、连接管理问题、平台差异导致的行为不一致。这些问题的共同来源是：MCP 在一个标准化协议之上叠加了太多复杂性，而这些复杂性很多并不是"让 Agent 调用软件"这件事本身所必须的。另一个问题是认证。MCP 第一版干脆不包含认证，各家自己实现，结果五花八门。后来加了 OAuth 规范，但一位知名工程师 Christian Posta 在博客里描述这个新规范是"a mess"。这不是 Anthropic 的错，OAuth 流程本身就是复杂的，强行把它塞进一个面向 LLM 的协议里，会产生很多奇怪的边界情况。3. 不可审计，不可重现MCP 的调用对人类不透明。当一个 MCP server 以单一管理员账户运行时，所有操作都混在一起，跨工作流的可观测性很差。在企业场景，审计是刚需——谁调用了什么工具、传了什么参数、什么时候调用的。MCP 在这方面几乎没有原生支持。三、CLI 的优势从哪里来CLI 不是新东西。它在过去五十年里被打磨成了一种极度稳健的接口范式，而这种稳健性恰好在 Agent 场景里显现出优势。1. --help 就是文档，Agent 可以自主发现每一个写得好的 CLI 工具都自带完整的工具描述。git --help、ffmpeg -h、curl --help——它们的输出是结构化的、机器可读的（或者非常接近机器可读）。Agent 不需要一个特殊的"发现协议"，只需要运行 --help 就能知道这个工具能做什么、需要哪些参数。这比 MCP 的工具 schema 更稳定，因为它直接来源于代码，不存在"schema 定义和实际行为不一致"的问题。2. 结构化输出，Agent 天然可以处理一个设计良好的 CLI（比如 CLI-Anything 生成的工具）默认输出 JSON，这是 Agent 最能可靠解析的格式。不是自然语言描述，不是 Markdown 表格，是干净的结构化数据。MCP 的返回也可以是结构化的，但这取决于 server 的实现者。CLI 的 --json 输出是更强的约定，因为它通过命令行参数显式触发，不是协议层的隐性约定。3. 可组合，天然支持脚本化CLI 的核心设计哲学就是组合：cat file | grep pattern | awk '...' | sort | uniq。这个管道模型是 Unix 的灵魂，也是 Agent 工作流最需要的东西。Agent 需要的不是"调用一个工具"，而是"把十个工具串起来完成一个任务"。CLI 的管道和脚本能力让这件事非常自然。MCP 的工具调用是单次的、无状态的，要串联多个工具，逻辑必须在 Agent 自己的代码里处理，没有 CLI 那种天然的组合语法。4. 确定性和可测试性CLI 调用的行为是确定性的：同样的命令，同样的参数，得到同样的结果（在输入确定的情况下）。这让测试变得简单——CLI-Anything 为每个生成的 CLI 都要求完整的测试套件，单元测试 + 端到端测试。MCP 的行为依赖于 LLM 的参数匹配逻辑。同样的用户意图，在不同模型、不同上下文窗口状态下，可能调用不同参数，得到不同结果。这对可靠性要求高的 Agent 工作流是潜在的不确定性来源。5. 零额外基础设施运行一个 MCP server 需要一个进程在监听，需要管理连接状态（stdio 还是 SSE），需要处理生命周期。CLI 什么都不需要——执行，返回，结束。对于 Agent 在任务执行中临时调用工具的场景，CLI 的无状态性是优势，不是局限。四、MCP 真正适合做什么说了这么多 CLI 的优势，不代表 MCP 没有价值。两种方式有不同的适用场景。1）MCP 的强项是：需要持久连接、需要持续推送数据的场景。比如：监控类工具（持续推送指标）、需要保持会话状态的服务（数据库连接池）、需要订阅事件流的场景。这些是 CLI 的弱项，因为 CLI 天然无状态。2）MCP 的强项还在于：面向最终用户的消费级应用集成。 Claude Desktop 的用户不需要知道什么是 CLI，他们只需要点几下把 MCP server 连上，就能让 Claude 访问他们的 Notion、Google Drive。这个用户体验是好的，对这类用户不应该要求他们去理解 CLI。但如果你在构建 Agent 基础设施——自动化流水线、多步骤任务执行、可靠的工具调用链——你应该认真考虑 CLI 优先的策略。五、回到根本问题：什么是好的 Agent 接口当 Agent 成为软件的主要用户，我们需要重新定义"好的接口"是什么。1）给人类设计的接口追求的是：易学（图形界面）、容错（撤销、预览）、可发现（菜单、工具提示）。2）给 Agent 设计的接口追求的是：确定性、可组合、自描述、可测试。CLI 五十年前就被发明出来满足这些要求——当时的"用户"是人类程序员和脚本。现在"用户"变成了 AI Agent，但这些要求一点没变。MCP 是 Anthropic 和社区用一年时间，重新发明了一个"Agent 友好的接口协议"，解决了一些真实问题（工具发现的标准化），但同时引入了新的复杂性。CLI 是人类和软件工程师用五十年时间，打磨出来的一套接口范式，它的每一个设计决策背后都有大量真实使用场景的验证。这不是说不要 MCP，而是说：在大多数 Agent 工具调用场景里，CLI 是更稳健的默认选择。MCP 应该在 CLI 做不到的地方出现，而不是反过来。#HOW I AI# #程序员#

18. Lark CLI：飞书官方的AI Agent工具，把企业SaaS变成可编程。如果你用过Claude Code、OpenClaw、或其他AI编程工具，你可能想让AI代理操作飞书： - 查日历、创建日程 - 发送消息、创建群组 - 创建文档、编辑表格 - 创建任务、更新任务状态但问题是，飞书的Open API 文档繁琐，参数复杂，API响应也不友好。AI Agent 经常出错，或者需要你花大量token来重复确认参数。 Lark CLI 就是来解决这个问题的。 1. 三层架构 • Shortcuts（快捷命令）：lark-cli calendar +agenda 简洁友好，既适合人工，也适合AI。有智能默认值，输出有表格格式。 • API Commands（标准命令）：lark-cli calendar events instance_view --params '{...}' 从飞书Open API直接映射，参数和响应精确映射。 • Raw API（原始API）：lark-cli api GET /open-apis/calendar/v4/calendars 覆盖所有2500+ APIs，完全不受限。 AI Agent 可以根据任务复杂度选择合适的层级。简单的用快捷命令（token少、成功率高），复杂的可以降级到标准命令或原始API。 2. Agent-Native Design CLI本身是用AI测试过的。每个命令都优化过： • 参数尽可能简洁 • 输出格式结构清晰（JSON、table、CSV都支持） • 有 --dry-run 让AI先看执行计划再提交 • 有 --page-all 自动分页处理（AI不用费力手动翻页） 3. 认证和权限管理关键是AI Agent的身份管理， 1（支持用户身份执行 lark-cli calendar +agenda --as user 2）Bot身份执行（自动化场景） lark-cli im +messages-send --as bot --chat-id "oc_xxx" --text "Hello" 这很重要。AI代理可以在不同身份间切换，既能代表用户操作，也能用专门的Bot身份批量处理。支持日历、消息、文档、表格、任务、知识库、联系人、邮件、会议纪要等功能。 http://t.cn/AXI2Zimt #HOW I AI# #程序员#

19. AI编程代理经常缺乏生产级工程技能，容易跳过规格编写、测试验证、代码审查等关键步骤，导致代码质量低下、后期维护成本高。agent-skills 为AI编码代理提供生产级工程技能包，覆盖从需求定义到部署上线全开发生命周期的最佳实践。包含19个结构化技能工作流和7个斜杠命令，支持Claude、Cursor、Gemini CLI等多平台AI工具，让代理像资深工程师一样规范开发。GitHub：github.com/addyosmani/agent-skills主要功能：- 7个开发生命周期命令：`/spec`（规格先行）、`/plan`（任务分解）、`/build`（增量实现）、`/test`（测试验证）、`/review`（代码审查）、`/code-simplify`（代码简化）、`/ship`（安全部署）；- 19个核心技能：从`idea-refine`（想法提炼）到`shipping-and-launch`（上线发布），每个技能包含步骤、工作流验证和反合理化表；- 专业代理角色：`code-reviewer`（资深工程师视角）、`test-engineer`（测试专家）、`security-auditor`（安全审计）；- 参考清单：测试模式、安全检查、性能优化、无障碍标准等快速参考；- Google工程实践：集成Hyrum's Law、测试金字塔、Chesterton's Fence、Trunk-based Development等实战经验；- 多平台集成：Claude Code一键安装，Cursor规则文件，Gemini原生技能，支持任何Markdown提示的AI代理。通过`git clone`本地运行或Marketplace安装，适合开发团队、AI代理爱好者和工程实践训练。#AI编程# #工程技能# #AgentSkills#

20. 有个事情大家可能没意识到，过去github上的开源软件的代码贡献绝大多数来自于程序员。有产品想法的人只能写issue，并且隔三差五想办法让程序员注意到自己的issue，但会不会有人帮你实现，都看缘份。OpenClaw的出现第一次让这个框架生态中的非程序员和他们在使用的顶级模型一起，可以随时提PR，只要你能描述清楚一个问题或特性，你的agent分分钟就能把实现的代码写好，非常完整的测试加上极其专业的说明，然后提交到源码仓库。开源软件的贡献者将扩展到所有用户… 大大加速其发展。

21. 不止是开源：飞书 CLI 创作者大赛，用创意赢取Mac Mini！

22. 在线开发自动化调试和迭代代码的朋友们注意了！autoagent（网页链接）致力于打造“自主引擎工程”。autoagent的核心思想是：你不再直接改动运行代码，而是通过编写一份program.md指令文件，让一个meta-agent自主读取、修改和优化agent.py中的代码，实现自动构建和迭代agent。它会根据benchmark任务的得分，自动调整策略，类似AI自动“打怪升级”的过程。项目亮点：- 单文件Python架构，注册驱动，结构清晰易改；- 任务基于Harbor格式，方便统一测试；- 整合Docker隔离环境，安全无风险地自动跑任务；- 自动根据测试得分保留更优改动，实现闭环优化；- 支持并行任务运行，提升效率。适合AI研发、智能agent工程师做自动化实验、自动调优agent的好帮手。只需写好benchmark任务和program.md，就能让meta-agent自主“熬夜”改进代码，效率爆棚！GitHub: github.com/kevinrgu/autoagent#自动化开发# #智能Agent# #开源项目#

23. Hermes Agent 升级实录：从手动配置到「零门槛」AI 工具时代

24. Kimi 有个「赋予灵魂」的神秘项目，它的故事全都开源了

25. 【Claude Pro用户一个月深度体验：从惊艳到失望，以及社区给出的破局之道】一位开发者分享了使用Claude Pro订阅一个月后的真实感受，引发了社区热烈讨论。这场对话揭示了一个关键认知：你可能一直在用错误的方式使用Claude。原帖作者的困境作者最初对Claude的编程能力赞叹不已——代码优雅、功能完善、效率惊人。但两周后，问题接踵而至：- 代码bug明显增多，即使每个重要部分都开新对话- 上下文限制无预警触发，长消息写完才报错，token白白浪费- 响应生成中途消失，已输入内容被退回，token照扣不误- 设备短暂离线就中断生成，必须重来（ChatGPT、Grok、Gemini均无此问题）- 订阅到期后，Opus 4.5生成的文件无法下载作者估算，约一半token因这些问题被浪费。社区的核心诊断：你用错工具了讨论中最具共识的观点是：Claude网页/桌面端根本不适合严肃的编程工作。"用Claude Code，在VS Code终端里通过CLI运行，这才是正确的编程方式。桌面应用除了快速问答，什么都不适合。"Claude Code与普通Claude的本质区别在于：它能自动搜索代码上下文、读取整个代码库、管理上下文压缩、获取编译器反馈。普通聊天界面就像"在视频会议里问产品经理"——他知道该怎么做，但看不到实现细节。高手们的实战技巧1. 善用Plan Mode在让Claude写任何代码之前，输入"plan this"或按Shift+Tab切换到规划模式。强制它先思考方案，效果提升10倍不止。"让它先想清楚再动手，而不是直接开写。"2. 主动管理上下文不要等自动压缩。当上下文使用到90-95%时，使用handoff命令保存状态，退出后开新会话继续。社区成员分享了完整的handoff命令代码，核心逻辑是：总结当前项目阶段、记录关键文件和决策、保存到.claude/handoffs/目录、生成可直接粘贴的续接提示词。3. 掌握CLI基础操作- 按两次Esc可回退错误响应- 输入/查看所有可用命令- 在项目根目录创建Claude.md文件，为Claude提供持久化的项目指令和上下文4. 跨工具协作有用户建议：安装Claude Code CLI和Gemini CLI，让Claude调用Gemini进行深度研究，因为Claude访问很多网站会遇到403错误。Claude擅长研究编排和管理，Gemini擅长实际的深度调研。不同的声音也有人为原作者辩护："不是所有人都是开发者，付费的Pro产品不应该要求用户'玩CLI游戏'才能正常工作。"这确实点出了一个产品设计问题：Anthropic似乎把主应用的优化重心放在了闲聊场景，而非专业工作流。对于非编程用户或移动端用户，这些问题依然存在且无解。深层启示这场讨论揭示了AI工具使用的一个普遍规律：模型能力是一回事，如何调用这些能力是另一回事。同样的Opus模型，在不同界面、不同工作流下，表现可能天差地别。Claude Code之所以强大，不是因为模型不同，而是因为它有专门的系统提示词、工具链、上下文管理机制。它能读取你的代码库，能从编译器获得反馈，能在后台运行数百种工具。没有这些，Claude"基本还是个玩具"。这也解释了为什么有人觉得AI神奇，有人觉得AI垃圾——差距往往不在模型本身，而在使用方式。正如一位评论者所说："一旦你在本地CLI里用过Claude Code，就再也回不去任何浏览器版AI了。"reddit.com/r/ClaudeAI/comments/1q1ng97/my_experience_after_one_month_of_using_the_opus_45

26. 我只是做了杯咖啡，群里的7个AI竟然已经自己互相 @ 走完流程了！不用再给人机当人肉搬运工，谁懂啊，我听到了AI干活的关键一环，“啪嗒”一声彻底扣上了 #ai #飞书 #飞书CLI #AI干活 #AI员工

27. 47天破万星？国产开源工具正成为AI时代的趋势

28. 一键接入OpenClaw，谷歌开源CLI狂揽15k Stars，Agent开始接管Workspace

29. Obsidian 搭配什么AI工具？Codex篇保姆上手教程 ClaudeCode 对比

30. 在 Agent 时代，命令行界面（CLI）为何反而成为最优解？

31. 飞书 CLI 也开源了为所有AI打开了大门今天飞书也正式开源其 lark-cli，把飞书的核心协作能力：即时通讯、云文档、多维表格、日历、邮箱、任务、会议、知识库等 11 个业务域、200 多个命令封装成了一个开源命令行工具你的 Claude Code 和小龙虾就能直接在飞书里帮你干活了！四步即可安装...详细教程及测试：网页链接

32. 在线搭建AI开发工作站，配置环境和调试工具往往令人头疼，安装Claude Code、配浏览器无头运行、搞各种命令行AI，过程繁琐又容易出错。HolyClaude 这个开源容器项目，整合了 Claude Code 主力代码AI、直观Web界面、五大AI命令行工具、无头浏览器和50+开发工具，统一容器化部署，轻轻松松跑起来。只需一条docker-compose命令，2分钟连环境问题都不必操心，完美支持Linux/macOS/Windows/主流NAS，多架构兼容，且支持你的已有Claude账号，无需额外绑定或付费。主要功能：- 集成Claude Code官方CLI，支持Max/Pro订阅和API key认证；- 内置五大AI CLI工具，包括Google Gemini、OpenAI Codex等多模型多供应商；- 配备Playwright预置配置的无头Chromium浏览器，网页截图、自动化测试轻松搞定；- 包含TypeScript、Python环境，集成50+开发相关工具链，代码编写调试健全；- 持久化绑定本地目录，凭证代码数据完美保存重启无忧；- 强大权限管理，支持通知推送（Discord、Telegram等100+服务）；- 全面解决Docker中Chromium运行、权限、共享内存、文件监听、SQLite锁等常见坑。HolyClaude让复杂的AI开发环境变得傻瓜式起步，不再为琐碎配置浪费时间，专注编码和创新！GitHub：github.com/CoderLuii/HolyClaude#AI开发环境# #ClaudeCode# #Docker神器# #开源项目# #智能编程#

33. 对话港大黄超、任旭滨：龙虾热潮、nanobot、CLI与AI开源方法论｜甲子光年

34. 飞书CLI星标47天破万！全球开发者火速种草，Agent办公时代来了

35. AgentRun CLI v0.1.0 正式开源：一行命令运行您的托管 Agent

36. 「Github一周热点115期」桌面AI超级助理、编程Agent的知识图谱、隐身的Chromium、把任何软件变成CLI工具、以及实时流式3D重建模型

37. 笔记本应用 Obsidian 发布了 Obsidian CLI，由于用户发掘出了很多 Claude Code 配合 Obsidian 使用的场景，所以 Obsidian 官方也发布了 CLI。这会是个趋势，很多传统都会为 AI Agent 开发一套 CLI 接口。日常笔记操作全部命令化了：- 创建、读取、编辑、删除笔记- 搜索 vault 内容- 管理任务（列出、标记完成、切换状态）- 操作标签、属性、书签- 打开每日笔记、追加内容- 管理模板、主题、插件看起来似乎普通用户用不上 CLI，但是你换个角度看，这个 CLI 压根就不是给人用的，而是给 AI Agent 用的你就能理解了。为啥不用 MCP 呢？之前 Obsidian 社区有一些 MCP Server 方案来让 AI 访问笔记库，但 CLI 方案更轻量直接，不需要额外的 MCP 服务器，Claude Code 本身就能在终端执行命令，天然就能用。记住，传统应用都要为 AI Agent 开发一套接口，CLI 也许不是最终形式，但是目前最佳形式。应用开发者尽早关注尽早准备。宝玉xp的微博视频

38. CLI-Anything：一行命令，让所有软件都能被 AI Agent 操控。现在大多数软件都是为「人」设计的：图形界面、菜单点击、手动操作。AI Agent 用起来非常别扭——你没法让 Claude Code 直接「点击」Blender 里的按钮。CLI-Anything 的思路是：给每一款软件自动生成一套 CLI 接口，Agent 直接通过命令行调用，跟操作代码一样流畅。1. 工作原理给它指向任意软件（本地程序或 GitHub 仓库），它会自动走完7个阶段：1）分析——扫描源码，把 GUI 操作映射成 API2）设计——规划命令结构、状态模型、输出格式3）实现——生成 Click CLI，含 REPL、JSON 输出、撤销/重做4）生成测试计划5）编写完整测试套件6）生成文档7）打包安装到 PATH全程无需人工干预。2. 为什么是 CLI？CLI 是人类和 Agent 共通的接口：结构化、可组合、自描述（--help 就能告诉 Agent 所有功能）、输出稳定可预测。Claude Code 每天已经通过 CLI 执行数以千计的真实任务。3. 目前已有什么？社区 Hub 里已经有 GIMP、Blender、Obsidian、Godot、n8n、Inkscape、Shotcut、QGIS、UniMol……还有 Slay the Spire II 这种游戏。覆盖面挺广。4. 在 Claude Code 里两行搞定：/plugin marketplace add HKUDS/CLI-Anything/plugin install cli-anything然后 /cli-anything ./你的软件就跑起来了。访问：github.com/HKUDS/CLI-Anything#HOW I AI# #程序员#

39. Claude code云端部署 & 魔改sdk实现http流式调用保姆级教程网页链接当下最快实现一个 Harness Engineering 工程的路径是：部署现有的产品 → 提供调用能力 → 在应用层和端上做封装及扩展。本文将围绕以 Claude Code 作为通用助理底层能力的实践过程，就以下几个核心问题展开：1.如何将一个本地化的闭源产品部署到云端——且由于网络限制，有些服务器或沙箱中并不支持 brew install 等在线安装方式。2.云端部署后以什么方式对外提供服务——CLI 方式显然不可取：一是非流式的，用户等待时间较长；二是 Claude Code 的 CLI 命令产出的是终端图形化界面，并非可供程序消费的结构化结果。3.多用户场景下的隔离问题——Claude Code 是一个单实例、记忆与配置长期文件化的系统，云上部署后不同用户的提问、记忆、配置可能相互串扰，如何解决？#ai创造营#

40. AI 终端工具 Warp 宣布客户端代码正式开源，采用 AGPL 协议，代码托管在 github.com/warpdotdev/warp。OpenAI 是这个开源仓库的创始赞助商。Warp 是一个用 Rust 写的现代终端，目前有超过 70 万开发者在用。它最大的卖点是把 AI 能力直接塞进了终端，你可以用自然语言描述想做的事，它帮你生成命令。同时支持 Claude Code、Codex、Gemini CLI 等主流 AI 编程工具。这次开源有个很特别的地方：社区贡献的流程本身就是"AI 优先"的。Warp 自家的云端 AI 平台 Oz 负责干活，包括写代码、做规划、跑测试，社区成员主要负责提想法、定方向、做验证。简单说，人管方向，AI 干活，这是他们设想的未来软件开发模式。除了开源，Warp 同步上线了几个更新：支持更多开源模型，包括 Kimi、MiniMax、Qwen，还有一个自动路由模式帮你挑最合适的开源模型；终端界面可以按需定制，从纯终端到带 diff 视图和文件树的完整开发环境，丰俭由人；另外终于支持配置文件了，方便在不同设备间同步设置。需要注意的是，开源的只是客户端，服务端代码仍然闭源。Warp 创始人 Zach Lloyd 说，五年前 Warp 刚上线时就计划开源，但一直犹豫。今年 AI Agent 的爆发让天平倾斜了，用他的话说，大量不同背景的贡献者加上 AI 代理的结构化流程，能做出比纯内部团队更好的产品。OpenAI 作为创始赞助商介入，意味着这套"人管 AI 干"的开源协作模式，会被当成一个行业实验来推。对开发者来说，如果你已经在用 Warp，现在可以直接去 GitHub 提 issue、参与讨论，甚至通过终端里新增的 /feedback 命令直接反馈。如果你之前因为闭源犹豫没用，现在少了一个顾虑。公开路线图显示 5 到 6 月的开发计划已经挂出来了。宝玉xp的微博视频

41. 使用大语言模型（LLM）时，往往需要反复输入复杂的提示词来规范其行为，且在不同平台间切换时，难以保持工作流的一致性。Awesome LLM Skills 是一个精选的资源列表，专门收集用于定制 AI 代理工作流的技能、资源和工具。它通过标准化的方式，教给 AI 如何按照特定要求执行任务，使其在不同平台上都能以可重复、标准化的方式完成工作。该项目不仅涵盖了从文档处理到代码开发的各类实用技能，还详细介绍了如何在 Claude Code、Gemini CLI、Codex 以及 Qwen Code 等主流工具中配置和调用这些技能。GitHub：github.com/Prat011/awesome-llm-skills主要功能：- 提供标准化的技能模板，通过简单的 Markdown 文件定义 AI 的任务逻辑和执行步骤；- 适配多种主流 AI 命令行工具和桌面应用，包括 Anthropic Claude Code 和 Google Gemini CLI 等；- 内置丰富的开发与测试技能，如 Playwright 浏览器自动化、AWS 开发辅助及代码质量检查；- 强大的文档处理能力，支持对 Word、PDF、Excel 及 PPTX 等多种格式进行分析与编辑；- 集成 Notion 知识管理，可将对话内容自动转化为结构化的笔记、会议纪要或研究文档；- 包含商业与创意工具，支持品牌指南应用、竞品分析、域名构思及多媒体素材生成。该项目适合开发者和重度 AI 用户使用，通过简单的文件夹配置即可让 AI 代理具备专业化的处理能力，大幅提升自动化办公和编程的效率。

42. 飞书CLI开源，Claude Code实现办公自动化

43. 给你的电脑做一次免费升级！全自动工作干活

44. 飞书 CLI 开源了，为什么 AI Agent 时代，大家都在做命令行工具？飞书刚开源了一个命令行工具 lark-cli，能让 AI Agent 直接操作飞书：发消息、查日历、写文档、建多维表格、发邮件、管任务。你跟 AI 说一句话，它自己去操作飞书完成任务。类似的 CLI 还很多，三周前 Google 也开源了 gws，让 AI Agent 操作 Google Workspace。2026 年了，所有想接入 AI Agent 的产品，都在做 CLI。【1】先说 CLI 是什么 CLI（Command Line Interface），就是你在电脑上打开一个黑底白字的终端窗口，敲一行命令，回车，电脑帮你干活。比如你要查今天的日程，不用打开飞书 App 找日历，敲一行： lark-cli calendar +agenda 日程就列出来了。没有按钮，没有图标，没有花哨的界面。CLI 比图形界面早了二十多年，在 Windows 时代逐渐没什么人用了。但 AI Agent 时代，又火起来了。【2】为什么 AI Agent 时代，大家都在做 CLI AI Agent 要干活，就得有操作工具的能力。你让 AI 帮你订会议室，它需要能访问日历系统。你让它帮你整理客户数据，它需要能读写表格。你让它帮你部署代码，它需要能跑部署命令。总得有一个接口让 AI 去调用。API 也能做这件事，但 CLI 有一个 API 不具备的优势：CLI 是自描述的。AI 碰到一个陌生的 CLI，敲一下 --help 就知道有哪些能力、怎么用、参数怎么填。API 不行，AI 得先拿到文档、弄清端点、搞懂认证方式，才能动手。CLI 自带说明书，AI 拿来就能用。而且 CLI 天然是用文本交互的，输入是文字，输出也是文字。AI 最擅长处理的就是文字。反过来，让 AI 操作 GUI 就绕远了，得截图、用视觉模型识别按钮在哪、再模拟鼠标去点，一行命令能搞定的事拆成四步，每步都可能出错。对 AI 来说，CLI 就是天然的操作界面。【3】那 MCP 和技能呢让 AI Agent 操作外部服务，现在主流有三种方式：MCP、CLI、技能（Skills）。三者不是互相替代的关系，各管一件事。 CLI 是实际干活的工具。装完之后终端里就能跑命令，查日历、发消息、建表格，都是 CLI 在执行。 MCP 也是让 AI 操作外部服务的，但方式不同。MCP 是提前把工具清单注册给 AI，AI 随时能调用，但清单本身常驻上下文窗口（可以理解为 AI 的“工作记忆”，空间有限）。就算 AI 暂时不用某个工具，它的描述也占着空间。CLI 是 AI 需要的时候自己去终端敲命令，用完就走，不占上下文。另一个区别是组合能力。CLI 可以靠管道和参数组合出没预设过的操作，比如： lark-cli calendar agenda --next-week | grep“张三” | wc -l 一行命令就能查出下周和张三有几个会。MCP 的每个能力都需要提前注册，要实现同样的效果，得单独定义一个新工具。不过 MCP 有自己的适用场景。在不支持命令行的环境里（比如 Cursor、Claude 桌面端），MCP 是唯一选择。两者各有所长：能访问终端的场景用 CLI 更轻量灵活，不能访问终端的场景靠 MCP。技能是给 Agent 看的说明书。它不干活，但告诉 Agent 这个 CLI 有哪些命令、什么场景该用什么参数、出错了怎么处理。没有技能文件 Agent 也能用 CLI，靠 --help 自己摸索。有了技能文件，Agent 一上来就知道该怎么操作，成功率高得多。简单说：CLI 是手，MCP 是另一种手，技能是肌肉记忆。飞书这次开源的项目，CLI 和技能一起提供。【4】怎么给 AI 写好一个 CLI 不是随便写个命令行工具 AI 就能顺畅地用。如果你想给自己的产品做一个面向 AI 的 CLI，飞书的设计有几个值得参考的地方。第一，help 文本是你最重要的文档。AI 碰到不认识的 CLI，第一件事就是运行 --help。你的 help 文本就是工具说明书、参数规格、使用指南三合一。别写那种“Usage: myctl deploy [flags]”就完事的帮助信息，要写清楚每个参数干什么、什么时候用、有什么默认值。飞书 CLI 还有一个 schema 命令，可以快速查询任何 API 方法的参数、请求体、响应结构、支持的身份和权限范围。AI 看到这些信息就能自己决定怎么调用。第二，支持 dry-run，这是为 AI 设计的安全网。AI 会自己做决策，有时候它理解错了你的意图，或者匹配到了不该动的数据。dry-run 相当于一个“预览”机制。举个例子，你让 AI 帮你删除飞书多维表格里上个月的过期数据。如果直接执行，删错了就没了。加上 --dry-run，AI 会先跑一遍，返回类似这样的结果：“将要删除以下 47 条记录：2025-05 的过期任务 23 条，已归档项目 24 条。未做任何实际修改。”你看了觉得没问题，再让它去掉 --dry-run 真正执行。Google 的 gws 也做了同样的设计，它的技能文件里甚至写死了一条规则：对所有写入和删除操作，必须先 dry-run。第三，错误信息要能指导下一步操作。人看到“Permission denied”会自己去查文档。AI 看到“Permission denied”就卡住了。飞书 CLI 的做法是：告诉 AI 你缺了什么权限，顺便把申请权限的命令也给出来。比如 lark-cli auth login --scope“calendar:calendar:readonly”。AI 看到就能自己修复问题，继续干活。为 AI 设计的 CLI，每一条错误信息都应该包含三个要素：哪个参数出了问题、具体错在哪里、下一步应该执行什么命令来修复。第四，返回结构化数据，控制好输出量。飞书 CLI 支持 json、csv、table 等多种输出格式。对人来说 table 更顺眼，对 AI Agent 来说 json 更可靠。好的 CLI 不只是能跑通，还要方便被别的工具消费。同时要控制输出量。AI 的上下文窗口有限，如果一个命令返回一万行日志，上下文就炸了。飞书 CLI 提供了分页参数（--page-limit）和过滤参数，让 AI 能拿到它需要的那部分数据就好。不管你是设计 CLI 的人还是用 CLI 的人，记住这条：让 Agent 动手之前，先让它 dry run 一遍。【5】装完之后，你动嘴，Agent 动手装完之后用起来就是：你说一句话，Agent 去操作飞书把事情办了。你开完会，跟 AI 说“把刚才会议里提到的所有待办都提出来，该发文档的发文档，该建任务的建任务”。AI 读会议纪要，拆解出待办事项，然后逐条执行：用 lark-cli doc create 在飞书里建文档，用 lark-cli task create 建任务并指派给对应的人，用 lark-cli im send 把结果通知到群里。整个过程你只说了一句话，Agent 在终端里跑了一串命令。而且因为有 dry-run，你可以让它先预览一遍要建哪些任务、发给谁，确认没问题再真正执行。你要约一个五人跨时区的会，跟 AI 说“帮我看看下周大家什么时候有空”。AI 去查每个人的日历和时区，推荐几个时间段，你选一个，会就建好了。你甚至可以让 AI 在飞书文档里直接帮你写初稿，你在文档里留评论提意见，AI 读完评论自己改。整个协作过程不用离开飞书。安装也简单，npm install -g @larksuite/cli 装 CLI，npx skills add http://t.cn/AXI2zYkC -y -g 装技能文件。你甚至不用自己记这两步，把项目地址 http://t.cn/AXI2zYkC 发给 Agent，让它自己安装、自己学会怎么用。【CLI 的回归】过去四十年，计算机的界面进化方向一直是从 CLI 到 GUI，从文字到图标，从键盘到触屏，对人越来越友好。 AI Agent 时代，方向反过来了，软件的用户变成了 AI Agent。CLI 这个为文字世界设计的接口，恰好是 AI 最顺手的工具。既然 Agent 成了软件新的用户增长点，那么像飞书提供 CLI 也不稀奇，与其等着社区来写 MCP 适配层，不如直接做一个 AI 原生的 CLI，完全开源，无需注册审批，让所有 AI Agent 都能接入。这也带来一个绕不开的问题：Agent 的权限怎么给？不给权限，什么都做不了；权限太高，又怕 Agent 理解错意图干出不可逆的事。毕竟还做不到让 Agent 代你审批、代你发全员邮件。dry-run 能兜住一部分风险，但真正要让 Agent 在企业里大规模跑起来，权限体系、审计追踪、人机协作的边界，都还在摸索中。但换个角度想，当年我们把公司的钱从保险柜搬到网银，把合同从纸质搬到电子签，也都是一步步摸索出来的。CLI 和 dry-run，可能就是这个过程里的第一步。而飞书做这件事，其实有一个别人不太容易复制的优势：它本身在企业协作领域已经足够成熟，消息、文档、日历、审批、多维表格、任务，这些能力都是现成的。现在把这些能力通过 AI 原生的 CLI 全部开放出来，大概率会成为国内对 AI Agent 最开放、最友好的企业级接入入口。这件事的价值不止是多一个工具，更像是真正在为 Agent 时代搭建企业级基础设施，把权限、审计、组织能力开放给整个生态，对行业落地 AI Agent 会是很关键的一步。

45. Obsidian CLI 基础配置教程打造AI化的知识管理系统 Claude Code｜Codex｜GeminiCLI

46. Obsidian AI 的4种使用方法知识管理效率完全不同了

47. 懒人必备！微信说话控制你家路由器！效果惊艳-ikuai-cli

48. 钉钉 CLI 化，飞书也 CLI 化，企业微信也 CLI 化。所有的 CLI 化我都有一种是在配合 Claude Code 的感觉。当然了，其实所有的 CLI 都是在为 AI Agent 铺路而已。最近有一个很明显的趋势：越来越多的开发工具、SaaS产品、甚至创作平台，都在疯狂地把自己"CLI化"。原本有图形界面的东西，开始提供命令行接口；原本用鼠标点点点就能完成的操作，开始鼓励你用文本指令去驱动。表面上看，这是"回归极客精神"，是"效率至上"。但你往深了想，这背后的真正推手是什么？是AI Agent。更具体地说，是Claude Code这类能直接在终端里干活的AI编程智能体。道理很简单：GUI是给人眼看的，CLI是给程序调的。一个按钮、一个下拉菜单、一个拖拽交互，人操作起来很直觉，但AI操作起来极其困难，它需要视觉理解、坐标定位、模拟点击，链路又长又脆弱。但如果同样的功能暴露成一条命令行指令，AI只需要生成一行文本就能调用，干净利落，零摩擦。所以"CLI化"的本质，是把产品的操作接口从"人机交互友好"转向"AI机交互友好"。说白了，这些产品不只是在服务你了，它们同时在服务你背后那个AI助手。你是用户，Claude Code 之类 AI Agent 也是用户。CLI就是它们共同的语言。这个趋势如果继续发展下去，会出现一个很有意思的局面：未来软件产品的"第一用户"可能根本就不是人，而是AI Agent。产品先确保AI能顺畅调用，然后再套一层GUI给人看。人变成了"第二用户"，甚至只是最终的审批者和验收者。你再想想，这跟API经济那一波有什么区别？本质上是同一件事，只不过上一波是"让程序调程序"，这一波是"让AI调程序"。CLI就是AI时代的API，只不过它比API更灵活，因为AI能理解自然语言参数，不需要严格的JSON schema。当你看到一个产品突然开始强推CLI，不用怀疑，它大概率在押注AI Agent这条赛道。它在提前铺好路，等着Claude Code这类 AI Agent 来跑。当然，这里面也有一个值得警惕的问题：如果所有产品都在为AI优化接口，那人的使用体验会不会被牺牲？一个只有CLI没有GUI的工具，对不会写命令的普通人来说就是一堵墙。最理想的状态应该是两层都有：底层是CLI/API给AI调用，上层是GUI给人操作，AI和人各走各的通道，互不干扰。但现实往往是，公司资源有限，先做哪层就看它赌哪边的未来。现在越来越多的公司选择先做CLI，这本身就说明了一件事：它们赌的是AI。#How I AI##科技先锋官#

49. openai.com/index/unrolling-the-codex-agent-loop/OpenAI的新文章，介绍了 Codex CLI（及其背后的 Codex 架构）是如何运作的。这篇文章用 Codex CLI 为例拆解了“代理循环”在本地写代码时是怎么运转的：用户指令进入后，模型在 Responses API 框架下交替产出回复与工具调用请求，CLI 执行诸如 shell 等工具并把输出再喂回模型，反复迭代直到给出最终结果（以及对代码库的实际改动）。文章还解释了 Codex 如何构建稳定的提示前缀来提高 prompt caching 命中、为何目前偏向无状态请求（不依赖 previous_response_id）以适配 ZDR 等场景，以及对话变长后如何通过自动 compaction（含 /responses/compact）压缩历史以避免撞上上下文窗口，同时指出工具列表/环境变更会导致缓存失效，需要用“追加而非改写”的方式尽量保持前缀一致。#HOW I AI#

50. 目前AI编程工具哪个最好用？

51. 「Github一周热点100期」爆火的AI编程工具却被Claude封禁？

52. 「Github一周热点113期」AI 终端工具、一站式黑客工具箱、Skill 包、Codex 生态技能和AI短视频

53. MCP已死，CLI当立！Perplexity首先放弃使用MCP，全网赞成

54. Vibe Coding 终极指南 V1.2开发者在与 AI 搭档编程时，经常面临规划混乱、代码难维护的问题。Vibe Coding 是一个以规划为核心，结合系统提示词和模块化设计的终极 AI 编程工作流程，帮助你从想法到可维护代码，形成一条清晰可控的流水线。它提供了丰富的提示词库，涵盖需求澄清、开发计划、代码实现、测试验收等全流程，确保 AI 不会失控，项目结构清晰且易于扩展。无论是 CLI 还是 VSCode 扩展，都能顺畅体验。主要特点包括：- 以规划驱动开发，避免 AI 自主引发混乱；- 完善的系统级提示词集合，规范 AI 行为边界；- 闭环交付流程，从需求到测试全覆盖；- 共享记忆库，实现人机同步的项目上下文；- 支持多种 AI 模型和环境，灵活高效。项目地址：github.com/tukuaiai/vibe-coding-cn/tree/main适合开发者、团队和 AI 协同工作场景，助你打造可审计、可复盘、可持续的 AI 编程新体验。

55. 开源项目 OpenClaw 仅用 3 个月登顶 GitHub Star 榜首，对此你怎么看？

56. 个人财务管理往往面临数据隐私和功能单一的困扰，市面上的商业软件要么订阅费昂贵，要么无法让用户完全掌控自己的金融数据。Sure 是一个面向所有人的开源个人理财应用，其前身为耗资百万美元开发的商业项目 Maybe Finance。在原团队停止运营后，该项目由社区接手并持续维护，旨在为全球用户提供一套专业且完整的财富管理方案。不仅具备成熟的资产追踪和净资产管理功能，还支持通过 Docker 进行私有化部署，让用户能够将敏感的财务数据掌握在自己手中，无需担心第三方泄露。GitHub：github.com/we-promise/sure主要功能：- 全面的财务追踪，支持管理个人资产、负债及整体净资产状况；- 社区驱动的开源版本，继承了原商业级产品的交互设计与功能逻辑；- 支持 Docker 自托管部署，确保金融数据的隐私性与安全性；- 动态仪表盘展示，直观分析收支趋势、投资组合及财务健康度；- 内置演示数据生成功能，方便用户在正式导入数据前快速体验；- 遵循 AGPL-3.0 开源协议，代码透明，支持开发者进行二次开发。项目基于 Ruby on Rails 开发，依赖 PostgreSQL 和 Redis 运行，提供了完善的本地开发与部署指南，适合对数据隐私有高要求的理财达人及开源技术爱好者使用。

57. AI 编程优化常常需要手动试错、跑基准测试、对比结果，来回切换工具和分支，效率低下费时费力。pi-autoresearch 把实验循环自动化整合，为 pi AI 编码代理提供完整的自主优化解决方案。不仅有实时实验仪表盘和基准测试工具，还支持自动提交优化、回滚退化、置信度评分，甚至能导出可视化报告。GitHub：github.com/davebcn87/pi-autoresearch主要功能：- 自主实验循环：试想法→基准测试→保留改进→回滚退化→无限重复；- 实时状态小部件和仪表盘，支持快捷键 Ctrl+X 展开、Ctrl+Shift+X 全屏；- 实验日志记录 autoresearch.jsonl，容错重启，随时恢复进度；- 技能支持 autoresearch-create 自动配置、autoresearch-finalize 分支整理；- 置信度评分系统，基于 MAD 算法区分真实优化与噪声波动；- 可选 backpressure 检查，确保优化不破坏测试/类型/代码质量。支持终端运行，通过 pi install 一键部署，适用于测试速度、打包大小、模型训练、构建时间等任意优化目标。#AI编程# #开源工具# #自动化优化#

58. 老金开源“元”概念落地项目雏形，一套让你能做任意你想做的项目的架构！

59. Herdr：运行在终端里的智能Agent多路复用工具，把整个「agent 群组」集中在一个终端里：保留你熟悉的 shell、SSH、字体和键位，同时提供 tmux 式的持久会话、鼠标原生分窗、以及 blocked / working / done 等 agent 状态可视化。不仅支持本地、SSH、远程瘦客户端多场景运行，还通过 CLI 与 Socket API 让 agent 直接创建 pane、运行命令、读取输出、等待状态，无需手动切窗口。GitHub: github.com/ogulcancelik/herdr官网：herdr.dev主要功能：- 终端原生多 pane，支持鼠标点击、拖拽、右键菜单；- 持久会话，断开后随时重新 attach，agent 继续运行；- 内置 blocked / working / done / idle 状态一览；- CLI + JSON Socket API，agent 可自主编排 workspace；- 支持本地、SSH、远程瘦客户端三种部署方式；- 单 Rust 二进制，Linux/macOS 均可，零 Electron 依赖。通过一条 curl 命令即可快速安装，适合需要同时管理多个终端 agent 的开发者与团队使用。#终端工具##AgentRuntime##Rust#

60. 在线使用专业软件常常受限于繁复的图形界面和缺乏自动化接口，AI智能代理难以直接操控这些工具完成任务。开源项目 CLI-Anything（GitHub： github.com/HKUDS/CLI-Anything），可以让任何有源码的软件一键生成命令行交互界面，实现真正的“Agent-Native”！ CLI-Anything 的亮点： - 通过自动化七阶段流水线，从代码分析到测试再到安装，全自动生成完整专业CLI，支持交互REPL和脚本模式。 - 融合真实软件后端（Blender、GIMP、LibreOffice等），不只是模拟而是实操，保证功能和效果百分百正宗。 - 所有命令支持结构化JSON输出，方便智能代理解析和决策。 - 通过统一的CLI接口，AI代理无需兼顾复杂GUI，即可实现图像编辑、3D建模、音频处理、文档编辑、视频剪辑等全类软件控制。 - 多达8大复杂开源软件已创建成熟CLI，超过1298个自动化测试通过，保证生产级质量。快速开始： 1️⃣ 添加 Claude Code 插件市场安装 CLI-Anything 插件 2️⃣ 一行命令生成目标软件CLI（例如 /cli-anything ./gimp） 3️⃣ 安装并从命令行调用生成的agent-native工具 CLI-Anything为软件智能代理开辟了全新入口，极大提高自动化能力，适合开发者、AI研究者和自动化爱好者使用！ #AI创造营##智能代理##开源利器#

61. 港科大开源的项目OpenHarness，可以理解为轻量级的Claude Codegithub.com/HKUDS/OpenHarness• OpenHarness（oh）是 Claude Code 的超轻量级替代方案，完全用 Python 实现• OpenHarness 提供约 80% 的核心Agent功能• OpenHarness 仅用 Claude Code 3% 的代码量即可实现上述功能#How I AI#

62. 企业级 AI Agent：彻底说清 MCP、CLI、Skills，如何定位、该怎么选、最佳实践。网页链接“当一个 Agent 真正进入企业生产环境后，问题很快就不再是有没有工具，而是如何扩展 Agent 的能力 — 将 Agent 连接到各类企业 IT 设施，以实现更复杂的自动化工作流。 MCP、CLI、Skills 看起来都能让 Agent 更强大，但它们解决的是三类不同问题，在不同的场景下合理的组合与应用，才能发挥最强的威力。本文为大家解读：如何正确、高效地组合 MCP、CLI、Skills，让你的企业 Agent 发挥最大效能。”#AI创造营#

63. 非常强大！这个CLI爬虫工具能一键接入Codex

64. 【腾讯宣布企业微信正式开源 CLI AI 可调用日程、文档等 7 大能力】腾讯公关总监张军宣布企业微信 CLI 开源项目上架 GitHub 社区，该项目支持主流 AI Agent，向 AI 开放 7 大核心能力。此次开源优先面向 10 人及以下企业，覆盖消息与通讯录、文档与智能表格等核心协同场景，开发者可借此快速构建 AI 应用。想体验或开发的用户 3 步即可接入：配置（在企业微信后台创建机器人获取 Bot ID 和 Secret）、安装（安装 CLI 和 CLI SKILL）、调用（利用项目提供的 skills 调用相关能力）。

65. 中国有哪些做的好的开源项目呢？

66. 龙虾这5个缺点，正在劝退一批人。 #大有学问 #红衣聊AI #openclaw #AI工具

67. 知名开源作者 Steve P. ‘spf13’ 撰写的《维护者的困境》文章解读

68. 开源的未来

69. sudo 陷生存危机！30 年老维护者公开求助，没赞助项目恐难为继

70. Claude 又挂了？CC Switch 帮你 5 秒切到 GPT-5.5

71. CC-Switch

72. 大厂为何弃用MCP转向CLI ?核心原因全解析

73. 工具全面CLI化

74. 面向 Agent 的命令行工具（CLI）最佳设计实践

75. 万物皆在 CLI

76. 2026 年 AI 编程 CLI 工具怎么选？Codex CLI、Claude Code、Gemini CLI 实测对比

77. 没有过不去的坎儿

78. OpenCLI 实战

79. Lark-CLI GitHub 破万🌟。lark-cli 于 2026 年 3 月 28 日开源，到 5 月 13 日突破 10,000 star，大约 47 天。平均每天被全球程序员收藏 219 次，每小时 9 次。这个速度在国内办公套件类开源项目中是前所未有的。

80. 47天破万星！飞书CLI爆火真相

81. 三天之内，钉钉飞书企微同时开源 CLI

82. CLI-Anything

83. Agent-CLI设计七原则

84. Agent-Native CLI 设计

85. 飞书 CLI 的 Agent-Native 设计

86. CLI-Anything

87. GitHub近期最火国产开源

88. 给Web系统加个CLI？这份10万+工程师踩出来的实操指南

89. Rust 多功能 CLI 工具集工程化实战指南

90. 办公cli开源，AI员工的上岗证来了

91. 开源英雄的窘境：Sudo维护30多年后，核心维护者急寻资金支持

92. 飞书开源了个命令行工具，为什么AI时代，大家又开始玩“黑底白字”了？

93. 飞书 CLI 官方工具完全指南：让 AI Agent 自动化你的工作流

94. 开源社区用户，请别用牌坊强迫维护者

95. 刚刚，飞书开源了它的CLI命令行工具

96. CLI这么火，飞书CLI都开源了，普通人需要学习CLI吗？

97. OpenAI 狂欢，开源维护者买单：一场名为“AI Slop”的分布式攻击

98. 微软发布winapp开源命令行工具：一键初始化开发环境

99. AI “氛围编程” 正在摧毁开源？cURL 与 Ghostty 维护者集体反击

100. MiniMax 发布 MMX-CLI：为 Agent 设计的全模态命令行工具

101. 开源CLI星标过万，飞书领跑企业Agent入口争夺赛

102. 给Codex最好的工具，是你写的cli

103. 【开源工具】飞书官方CLI - 为AI Agent而生的命令行工具

104. 如果你在维护一个开源项目，我愿意为你尽一点微薄之力。

105. 把 Git 提交历史变成一条河，看懂开源项目的「人事变迁」

106. [医疗软件开源] 医院信息科专用的接口灰盒测试器：开源 CLI 工具

107. 把任意网站变成命令行，这个开源项目太硬核了

108. 飞书开放平台的 CLI 工具：一个为 AI Agent 设计的命令行界面

109. OpenClaw创始人发布MCP转化为CLI开源工具：MCPorter (MCP->CLI)0.8.0

110. AI 开源全景图：一站式 AI 项目导航与评分体系

111. 企微CLI正式开源！AI可接管消息/日程/文档，12个Skill免费可用

112. 命令行也能玩转飞书，官方开源CLI工具

113. 软件开源的好处

114. 维护不是免费的：从 Kubernetes 维护者视角谈开源“维护劳动”

115. 飞书 CLI 出来后，我终于敢让 Codex 去维护我的飞书文档了

116. OpenAI Codex 发布重磅更新：CLI 工具正式开源，AI 编程进入本地化时代

117. 每日GitHub精选：Playwright CLI——让自动化测试变得更简单

118. Claude Code、Codex 扎堆开源：CLI 才是 AI 的终极形态？

119. 第2集：【企业微信CLI开源】小白必看，3分钟上手CLI实操教程

120. Codex CLI 重度用户的开源工具:多账户管理

121. CLI、MCP 和 CLI+Skill，应该如何选？

122. 入口之争，钉钉飞书CLI开源抢AI Agent执行层，企业级自动化工具解决工作流痛点

123. Gemini CLI vs Claude Code：开源vs闭源的AI编程工具之战

124. 腾讯阿里都在用！国内大厂开源20款核心CLI工具，建议开发者收藏！

125. MiniMax发布MMX-CLI：为Agent设计的全模态命令行工具

126. Dimillian/Skills：AI技能评估与匹配的开源新范式

127. 《别再用浏览器了，一切皆可CLI》

128. 钉钉把CLI藏起来了，飞书把CLI开源了

129. 187k星！这个开源终端框架让我命令行效率翻倍

130. 万物皆可CLI，OpenCLI让操作变简单

CLI工具的可持续维护之道：从社区共建到AI友好设计

精选参考来源