
来源:github · 原文链接:https://github.com/HKUDS/CLI-Anything · 整理:github_bot · 发布时间:2026-10-17
一、项目概览
CLI-Anything 由香港大学数据智能实验室(HKUDS)开源,仓库当前累计 53,504 Star、4,849 Fork,采用 Apache-2.0 许可,主语言 Python。项目标语是「Making ALL Software Agent-Native」——让所有软件都能被 Agent 驱动。
它解决的问题非常具体:AI Agent 的推理能力已经足够强,但操控真实专业软件的能力极弱。现有路径只有三条,且都不理想——脆弱的 GUI 自动化(截图、点击、RPA)、覆盖面残缺的官方 API、以及砍掉 90% 功能的「重新实现」。CLI-Anything 选择第四条路:为软件源码自动生成一套完整的命令行接口,再由这套 CLI 去调用真实软件后端完成渲染与处理。
配套的 CLI-Hub(clianything.cc)是社区分发层,把已生成的 CLI 聚合成索引,一条命令即可安装。这使它不只是一个代码生成工具,而更像一个正在成形的「Agent 原生软件市场」基础设施。
二、核心特性速览
| 特性 | 说明 |
|---|---|
| 一行命令生成 CLI | /cli-anything <软件路径或仓库> 触发全流程 |
| 全自动 7 阶段流水线 | 分析 → 设计 → 实现 → 规划测试 → 编写测试 → 文档 → 发布 |
内置 --json 输出 | 每条命令都有结构化输出,Agent 直接消费,无需再解析 |
| REPL 与子命令双模式 | 交互会话用 REPL,脚本与流水线用子命令 |
| 统一命名与包结构 | 所有产物落在 cli_anything.* 命名空间,命令统一为 cli-anything-<软件名> |
| 真实后端零妥协 | 生成合法项目文件后交给真实应用渲染,不做玩具替代 |
| 增量优化 | /cli-anything:refine 做覆盖差距分析,非破坏性地扩展功能 |
| 多框架适配 | Claude Code、Cursor、Codex、OpenCode、OpenClaw、GitHub Copilot CLI 等 |
三、系统架构设计

整个系统可以按三条纵向层次来理解:交互与命令层、生成核心层、后端与数据层。
交互与命令层由 Agent 入口(如 Claude Code 会话)与插件命令层构成。用户在 Agent 中执行 /cli-anything ./gimp,请求先进入 cli-anything-plugin/commands/ 下的命令定义,再由插件把请求转发给生成引擎。同层还有 HARNESS.md 这份方法论规范充当「SOP」——它不参与执行,但约束执行,是生成质量的隐性控制面。
生成核心层是 7 阶段流水线的宿主。它一手扫描目标软件源码(SRC 节点,从源码中提取 API、脚本接口与可编程能力),一手向验证门禁输出产物。门禁节点对应的是 1,955 项测试所代表的验收标准:生成的 CLI 必须通过单元测试、端到端测试与 CLI 子进程验证,才算「验证通过」,才能进入下一步。
后端与数据层包含生成产物与真实执行环境。生成出的 CLI(Click + REPL)向下有两条通道:一是读写项目文件(ODF、MLT XML、SVG 等中间格式),二是调用真实后端(LibreOffice headless、Blender --background、melt 渲染器等)完成实际渲染。这正是「零妥协」的落点——CLI 本身只是结构化接口,真正的算力与渲染能力仍然来自原软件。
一句话概括数据流:Agent 发起生成 → 插件触发流水线 → 引擎扫描源码并遵循 HARNESS 规范 → 产出 CLI → 门禁校验 → CLI 读写项目文件并调用真实后端。
四、核心流程与主循环

流水线由 HARNESS 方法论驱动,围绕「生成一个能投产的 CLI」这一枢纽展开六个可见工位:
- 分析源码(scan GUI to API):扫描目标软件代码库,理解其内部结构,把 GUI 上的操作映射成可编程的 API 调用点。这一步决定 CLI 的能力上限。
- 设计命令(command groups):规划命令分组、状态模型与输出格式。命令如何切分、状态存在哪里、JSON 字段怎么命名,都在这里定型。
- 实现 CLI(Click + REPL):基于 Click 构建命令行程序,同时实现 REPL 交互界面、
--json输出、撤销/重做。这是流水线最重的一环,也是当前焦点阶段。 - 规划测试(TEST.md):生成测试计划文档,区分单元测试与端到端测试,明确每类测试要覆盖什么。
- 编写测试(unit + e2e):实现完整测试套件,包括用合成数据的单元测试、用真实文件与软件跑通的端到端测试。
- 发布安装(pip install -e .):生成
setup.py,安装到 PATH,Agent 通过标准的which与--help自行发现能力。 枢纽侧的「HARNESS 方法论」贯穿每一步——它沉淀的是从 13+ 套生产级 CLI 中提炼的教训,例如必须用真实软件、渲染鸿沟、滤镜转译、非整数帧率的时间码精度、以及「永远不要因为退出码为 0 就相信导出成功」的输出验证原则。
流程不是一次性的线性链路,而是带两条反馈回路的循环:迭代优化(/cli-anything:refine 做全局差距分析)与覆盖扩展(指定功能方向做定向补齐)。每次运行都是增量的、非破坏性的,可以反复执行直到覆盖率达到生产水平。
五、核心模块解析
| 模块 | 职责 |
|---|---|
cli-anything-plugin/ | Claude Code 插件主体,承载命令定义、SOP 文档与安装脚本 |
cli-anything-plugin/HARNESS.md | 唯一权威方法论 SOP,记录经过验证的模式与踩坑经验 |
repl_skin.py | 统一 REPL 界面:品牌横幅、风格化提示符、命令历史、进度指示 |
commands/(主构建 / refine / test / validate / list) | 插件五个入口命令,分别负责生成、扩展、测试、校验与枚举 |
cursor-plugin/、codex-skill/、opencode-commands/ | 面向其他 Agent 框架的适配层与安装器 |
cli-hub/ | 社区 CLI 索引与一键安装分发服务 |
<软件名>/agent-harness/ | 每个目标软件的可安装包,含 Click CLI、核心模块、工具类与测试 |
PUBLISHING.md | 贡献与发布指南,规定如何把新生成的 CLI 提交进生态 |
值得单独说的是 repl_skin.py。它把「所有生成的 CLI 长得一样」这件事工程化了——不同软件、不同后端、不同作者生成的 CLI,在交互体验上保持一致的横幅、提示符与进度反馈。对 Agent 而言这是可预测性,对人类而言是学习成本的一次性摊销。
六、特色能力
真实软件渲染,零玩具实现。 LibreOffice 生成 ODF 再导出真实 PDF(校验 %PDF- 魔术字节),Blender 通过 bpy 与 --background 渲染 PNG,Audacity 借 sox 处理音频。CLI 不是替代品,而是软件的结构化接口。README 明确了一条硬性设计原则:后端缺失时测试直接失败而非跳过。
测试验证相当扎实。 官网列出的合计为 1,955 项测试 100% 通过,拆分为 1,318 项单元测试、487 项端到端测试与 19 项 Node.js 测试。其中 s&box 244 项、Blender 208 项、Inkscape 202 项,量级分布与软件复杂度基本吻合。测试分层也清晰:单元测试、原生端到端(项目文件结构合法性)、真实后端端到端、CLI 子进程验证。
智能会话管理。 持久化项目状态、支持撤销/重做、带上下文的 REPL 提示符(如 blender[ProductShot]*> 里的 * 表示未保存变更)。
增量优化能力。 refine 命令对软件完整功能与当前 CLI 覆盖范围做差距分析,然后实现新命令、测试与文档。这一点很关键——它承认「一次生成不足以覆盖全部功能」,并给出了可重复执行的补救路径。
七、工具链与生态
适配层覆盖了主流 Agent 编程工具:Claude Code(插件市场一键装)、Cursor(Desktop 生成器插件)、Codex(可独立安装的 skill)、OpenCode,以及 OpenClaw、Qodercli、GitHub Copilot CLI 等。同一份 HARNESS.md 被复制到各框架的命令目录,方法论保持单一来源。
生态侧已有 20+ 款生产级 CLI 落地,横跨图像编辑(GIMP)、3D(Blender)、矢量(Inkscape)、音频(Audacity)、办公(LibreOffice)、直播(OBS Studio)、视频剪辑(Kdenlive、Shotcut)、图表(Draw.io)、视频会议(Zoom)、文献管理(Zotero)、原生调试(LLDB)、GPU 分析(Nsight Graphics)、性能分析(Unreal Insights)、游戏开发(s&box)等领域。
CLI-Hub 承担分发:cli-hub 包 + cli-hub-matrix/ 分类矩阵(3d-cad、game-development、image-design、knowledge-research、video-creation),加上 cli-hub-meta-skill,构成了发现—安装—贡献的闭环。贡献路径也明确:生成 CLI 后按 PUBLISHING.md 提交 PR,Hub 即时更新。
代码规模上仓库已有 60+ 个顶层目录,说明社区提交速度相当快——这在带来覆盖面的同时,也意味着质量水位需要靠 HARNESS 与验证命令来守。
八、部署与安全
安装极简:
# 1. 在 Claude Code 中安装插件
/plugin marketplace add HKUDS/CLI-Anything
/plugin install cli-anything
# 2. 为任意有源码的软件生成 CLI
/cli-anything ./gimp
# 3. 安装并使用生成的 CLI
cd gimp/agent-harness && pip install -e .
cli-anything-gimp --help
cli-anything-gimp --json layer add -n "Background" --type solid --color "#1a1a2e"
cli-anything-gimp # 进入交互式 REPL
环境要求为 Python 3.10+、目标软件已安装、以及一款受支持的 Agent 工具。Windows 用户需装 Git for Windows(含 bash 与 cygpath)或使用 WSL,否则会遇到 cygpath: command not found。
许可为 Apache-2.0,可自由使用、修改与分发,商业集成没有法律障碍。安全性方面需要自行评估的是:生成的 CLI 会调用本机安装的真实软件并读写项目文件,等价于把一个可编程入口暴露给 Agent——生产环境应在受控目录与最小权限下运行。
已知局限同样要正视:依赖前沿基础模型(README 点名 Claude Opus 4.6、Sonnet 4.6、GPT-5.4 级别),弱模型产出的 CLI 可能不完整或有误;依赖可用源代码,纯二进制软件需反编译,harness 质量会显著下降;通常需要多次 refine 才能把覆盖率推到生产级。
九、适用场景
创意与媒体是本项目验证最充分的战场:GIMP 做图像批处理与滤镜、Blender 做 3D 场景构建与渲染、OBS Studio 做场景与录制配置、Kdenlive/Shotcut 做视频剪辑流水线的程序化编排。这类软件此前几乎完全不可被 Agent 触及。
企业与办公场景把 LibreOffice、Zoom、NextCloud、GitLab 这类系统转成可用命令串联的服务,适合做报告生成、会议调度与录制获取的自动化。
数据与开发工具——JupyterLab、Superset、Jenkins、Gitea、Portainer——的价值在于把多步人工操作固化成一条可复现、可审计的命令序列。
把散装 Web API 统一成有状态 CLI 是最被低估的用法:把文档或 SDK 手册喂进去,得到的是一个逻辑清晰的命令组,替代几十次裸 API 调用。对 Agent 来说,这既是能力提升,也是 token 节省。
此外还有一类衍生玩法:对 GUI 软件执行一次 /cli-anything 后,可以顺带全自动生成 Agent 任务、评测器与 Benchmark——因为整条链路是纯代码与终端操作,天然可复现、可迭代。
十、总结评价
CLI-Anything 的真正价值不在于「又做了一个代码生成器」,而在于它押注了一个判断:结构化 CLI 是人与 Agent 共通的万能接口。文本命令天然匹配 LLM 的输入格式,--help 自带能力发现,--json 提供结构化消费,which 完成工具注册——不需要为 Agent 单独设计协议,也不需要重构原软件。相比 GUI 自动化,它拿掉了截图的脆弱性;相比重新实现,它保住了专业软件的完整能力。
适用人群很清晰:需要把专业桌面软件纳入 Agent 工作流的工程师、做 Agent 基础设施与工具链的团队、以及希望让自己的开源项目一夜之间「Agent 可用」的维护者。HKUDS 的学术背景加上 53k Star 的社区动能,让它在同类方案里具备明显的先发优势。
局限也不该被 Star 数掩盖。第一,它高度依赖前沿模型,用弱模型跑这条流水线基本是在浪费算力;第二,它依赖源码,闭源二进制软件这条路走不通;第三,单次生成几乎不可能覆盖全部功能,refine 是必经步骤而非可选项;第四,1,955 项测试的通过率很漂亮,但这是仓库内自测的口径,社区贡献的新 CLI 能否维持同样水位,取决于 HARNESS.md 的约束力和评审严格度——而 README 中测试总数在正文与表格之间存在 1,774 与 1,955 两处表述不一致,这类细节也提示文档同步仍有打磨空间。
总体判断:这是一个方向正确、工程扎实、且踩中了 Agent 工具化浪潮的项目。它值得现在就试——但要带着「生成只是起点,refine 才是常态」的预期去用。
参考链接:项目仓库 https://github.com/HKUDS/CLI-Anything | CLI-Hub https://clianything.cc/