CLI 之后，人类与AI 将相忘于江湖

本文来自微信公众号： 硅基立场 ，作者：骆轶航，原文标题：《CLI 之后，人类与 AI 将相忘于江湖》

它是最后一种人类和机器都能使用、都能读懂的界面形态。

1992年，夏天。我妈给还是小学生的我报了一个暑期电脑班。

我就是那会儿，在位于交道口的北京市东城区第二十二中学的崭新机房里，第一次接触到电脑这个东西的。当时进机房要套鞋套，因为电脑怕灰。

20多个差不多大的小孩排排坐，面前是一台台苹果机——绿色字符在黑屏上闪烁的那种。

我们学的是Logo语言。屏幕中央有一只小海龟，你敲一行命令，它就动一步。FORWARD 100，海龟往前走一百步，画出一条线。RIGHT 90，海龟就右转90度。把这两步重复四次，屏幕上就出现一个正方形。

这是我人生中第一次体验到一种特殊的交互：你用文字告诉一个东西该怎么做，它立刻照做，你看着结果，决定下一步。

你还可以把"画正方形"存成一个新命令叫"SQUARE"，之后只要敲"SQUARE"，海龟就会自动画一个正方形。然后你可以用SQUARE组合出更复杂的图形。

33年后，2025年10月，人到中年的我，坐在电脑前，对着打开的Claude Code敲下一行字：重构这个网页的UI。屏幕上开始滚动一行行命令——它读取文件、分析结构、修改代码、运行测试。

我看着它的每一步操作，在关键节点决定让不让它继续。

记忆秒回到那个在蝉鸣、假山、水池围绕，位于教学楼五层的开着空调的电脑房。作为文科生，我已经那么多年没亲自看着命令行在我的眼前这么跑了。

一个小学生指挥一只海龟画画。一个人指挥一个AI agent写代码，中间隔了33年，但交互结构是一样：人类用命令表达意图，机器实时执行并展示过程，人类根据结果调整方向。

这个交互结构有一个名字。它叫命令行界面，Command Line Interface，就是最近颇为流行的CLI。

CLI拥有一颗老灵魂，它在计算机交互界面的历史中已存在了60多年，在我的个人生命中已存在了34年。而今天，它宛若婴儿。

CLI是人机交互的自由王国

很多人对命令行的印象停留在黑客电影——黑屏绿字飞速滚动，键盘啪啪作响，然后一句I'm in。

这个印象不能说错，但它遮蔽了一个更基本的事实：CLI首先是一种用户界面。跟你手机上的触屏、电脑上的图形桌面一样，它是人和计算机之间的一层翻译。

区别在于：图形界面用图标和鼠标翻译，而命令行用文字和键盘翻译。

但"用文字操作电脑"只是表面。真正让CLI在AI时代重新变得重要的，是它的三个结构性特征——

可组合性。在Unix/Linux系统里，每个命令都是一块积木：一块搜索文本，一块排序，一块计数，一块筛选。这些积木可以拼在一起：搜索的结果交给排序，排序的结果交给计数，一行命令完成一个复杂任务。在图形界面里，你能做的事是设计师预先规划好的。而在命令行里，你能做的事是无限的，只要你会拼积木。

可编程性。就像Logo里把"画正方形"存成SQUARE一样，命令行操作天然可以被记录、封装、复用。你今天手动敲的十行命令，明天变成一个脚本自动运行。命令行就是自动化的入口——任何你能手动完成的事，都可以变成机器自动完成的事。

文本即协议。命令行世界里一切都是文本。输入是文本，输出是文本，工具与工具之间传递的也是文本。这看起来是限制，其实是一种极强的统一性——任何工具，只要能读入文本、吐出文本，就能跟任何其他工具协作。不需要提前约定数据格式，不需要专门的对接开发。文本就是通用语言，是最大公约数的协议。

CLI不是什么"更极客的操作方式"，它是一种人机交互哲学：你不是在使用一个被预先设计好的系统，而是在跟一套开放的工具集对话，并且可以随时重新组合它们来解决新问题。

可以这么说，当人们的默认设置是使用既有的架构、软件和工具完成某项任务的时候，GUI（图形交互界面）是更合适的选项，人们不必给自己找麻烦。

而当人们需要与计算机进行开放式的协作、创造并接受过程的不确定性的时候，CLI是那个最合适的界面，它的想象力和执行力没有什么边界。

不难判断，人与Agent的协作属于哪一种。

钟摆的历史

所有的计算机界面设计，背后都隐藏着一套权力秩序：是人迁就机器的认知，还是机器迁就人的习惯。前者指向了CLI，后者指向了GUI。

而你惊奇地发现，这是一个钟摆。

物理计算时代的GUI（Before 1960s）

在1961年"分时系统"诞生前，人与机器——更多的是传统的物理计算机而非电子计算机——互动是缺乏实时性的。

人们用打孔机和批处理电传打字机处理庞大运算，而打孔卡和纸带就是物理化的比特——你能看见它、摸到它。纸带上的孔洞排列就是程序的视觉呈现。操作员看着一叠卡片的厚度，就大概知道程序有多长；看着孔的位置，就知道数据是什么。

这就是物理计算机时代的GUI图形界面——信息被编码在物理空间里，变成人类可以用视觉和空间直觉理解的东西。

CLI的诞生和主宰（1960s-1970s）

到了1961年，MIT的CTSS（兼容分时系统）让人与计算机的交流变得实时可交互。整个1960-1970年代，计算机都是通过命令行操作的。

1970年代Unix操作系统在贝尔实验室诞生，C语言被发明，Unix被重写后，命令行工具变得更加可移植、组合和扩展。

这个阶段，CLI是唯一的界面。所有人——工程师、科学家、早期的商业用户——都必须用机器的语言跟机器说话。没有别的选择。

真正的GUI时代（1980s-2010s）

就在CLI逐渐大行其道的1960年代末，属于电子计算机的GUI开始萌芽：鼠标、超文本链接、多窗口和视频会议等概念诞生。

1973年施乐实验室（Xerox PARC）造出了第一台具有图形操作系统的计算机——Alto。乔布斯在1979年看到它的时候说："我觉得这是我一生中见过的最好的东西"。

之后就是大家熟悉的故事了：1984年，苹果发布Macintosh，1985年Windows 1.0发布，自此GUI个人电脑开始普及，CLI使用显著下降。到了1995年的Windows 95，GUI基本完成了对消费级计算的统治。

CLI的复兴（2010s-)

而又是在CLI式微，GUI兴起的1990年代初，Linux的发布给了Unix时代的shell和命令行工具创造了新平台，保存并重新点燃了人们对终端计算的兴趣。

而随着互联网的发展，云计算平台诞生并逐渐强大，CLI工具在云计算和自动化领域重新获得重要地位。2010年代，Git、Docker和Kubernetes，整个云原生基础设施，都建立在命令行之上。

2022年，人类猝不及防地跨入了生成式人工智能时代，AI的自动化和组合性需求催生了无处不在的Agent，CLI再度成为赋予人们探索AI能力的自由度最适合的界面。

整个计算机的历史，就是GUI和CLI钟摆式切换，定义着人机交互方式的历史，这真是太美妙了。

GUI是机器向人类的妥协，把"删除文件"变成一个回收站图标，把"存储层级"变成一个个文件夹，把"关闭进程"变成窗口右上角的那个×。

这些空间隐喻极其成功，让全人类，包括不懂任何技术的人，都能使用计算机。从Macintosh到Windows再到iPhone，每一次GUI的进化都是机器更努力地把自己翻译成人类的直觉。

而CLI则是人类向机器的弯腰，学会一套严格的语法，记住指令和参数，理解输入输出的规则。

find.-mtime-1-type f这些字符，比用鼠标打开文件目录，搜索最近24小时修改过的文件要抽象得多。这是人类把自己的意图压缩成机器能无歧义解析的格式，换来精确性、组合性和自动化能力。

而你越迁就机器的理解能力，机器给你的自由度越大，而这正是让AI Agent更好为人类工作的方式。

CLI绝不是GUI的落后版本，而是光谱上的另一个位置。现在，钟摆的投影又回来了。

一只海龟和一个Agent

回到1992年夏天，我那无忧无虑，第一次打开苹果机，学习Logo语言的童年。

Logo值得重新审视，不是因为它是一种好的编程语言——以今天的标准看它极其简陋。而是因为它在30多年前就展示了一种人机协作模型，而这个模型恰好就是今天Agent时代的核心交互范式。

你对海龟说FORWARD 100，海龟画一条线。你觉得方向不对，说RIGHT 45。海龟调整了角度。你说FORWARD 50，海龟再画一条线。你对结果满意了，把这几步存成一个新命令，下次直接调用。

Claude Code也是这样。你说"重构这个模块"。Agent分析代码结构，提出方案。你说"别动这个文件，换个思路"。Agent调整方向，生成新的修改。你检查改动，说"可以，继续"。Agent执行下一步。你把刚才的过程，生成了一个Skill。

它们看上去一模一样，但有一个关键区别。Logo的海龟只会严格执行你的命令——走一百步就走一百步，多一步都不会。Claude Code不一样。你说"重构这个模块"，它需要自己理解什么叫重构，自己决定从哪里开始、怎么拆分、先改哪个文件。

海龟没有判断力，所以不会犯错。Agent有判断力，所以会犯错。

这就是CLI在Agent时代最重要的价值。不是效率，不是可编程性，这是它过去就具备的。CLI在这个时代新的价值，是透明性。

如果一个Agent只会逐字执行你的指令，你不需要监督它——就像你不需要监督Logo语言下的那只海龟。但今天的AI agent有自主判断能力，它会自己决定下一步做什么。

这意味着你必须能看到它在做什么。

而命令行，也就是CLI，是唯一对人类和Agent同时透明的界面。

对人类而言，Agent的每一步操作——读了什么文件、改了哪行代码、跑了什么测试、拿到什么结果，都以文本形式实时滚动在屏幕上。你不用等它做完再看报告，任何一步都可以喊停、提问、纠正。

对Agent来说：CLI是它的母语。大语言模型的底层能力就是处理文本——理解文本输入，生成文本输出。在命令行里，Agent读文件、写代码、跑命令、分析日志，全是文本操作，全是它最擅长的事。它不需要模拟鼠标点击，不需要识别图标位置，不需要理解空间布局。

这就是Anthropic把Claude Code做成命令行工具的原因。不是因为工程师偏爱终端的审美——而是因为命令行提供了一种双向透明：人类看得懂Agent在干什么，Agent也能无障碍地执行任务。

命令行是一间透明的房间。人和Agent都在里面，都能看到对方在做什么。而GUI做不到——你没法让Agent在可视化界面里拖拽图标，同时让人类实时理解它的意图。API也做不到——它高效但对人类不透明，你看不到过程，只能看到结果。

在AI agent刚刚开始进入人类工作流的今天，这种人与Agent能共享的透明化机制，对两边都好。

CLI终究会消失，GUI也不会再复兴

但透明的房间不会永远被需要。

AI agent帮你工作了一年，处理了成百上千个任务而极少犯错，你开始跳过逐行检查，开始说"直接做吧，做完告诉我"。从盯着屏幕看每一步，到扫一眼结果就行，再到不用看了我信你。

今天已经有开发者在Claude Code里输入需求，然后去倒杯咖啡，回来看结果就好。Agent的执行过程正在从前台退到后台，从实时观测变成异步回顾，从逐步审批变成事后抽查。

那么，当人类退出这间透明的房间之后，机器之间会说什么语言？

简单回答是API。但这个回答可能太简单了。

API的本质是人类预先定义好的契约——你能调用什么、传什么参数、返回什么格式，全是工程师事先设计好的。它是一本菜单，你只能点菜单上的菜。对今天的软件系统来说够了。对有自主判断力的Agent来说，这是不够的。

变化已经在发生。MCP（Model Context Protocol，模型上下文协议）是一个新方向——它不只是让Agent调用固定函数，而是让Agent自己发现有什么工具可用、理解每个工具的能力、然后自行决定怎么组合。

但这不是终局，其实也很容易被跳过。再往前一步。当Agent不只是跟工具对话，而是跟其他Agent对话呢？

两个Agent协作完成一个任务，传递的不只是数据——还有意图、上下文、不确定性、优先级和对风险的评估。

这些东西塞不进一个固定的数据格式。它们之间的通信更像一种协商：我有这些信息，我的判断是这样，你那边什么情况，我们怎么分工。

这就是传说中的A2A协议。

我觉得，A2A更像是机器之间的"自然语言"，而不是人类可以理解和编译的语言。它是机器演化的、适合机器认知方式的语言。结构化但不刚性，有语义理解能力，能处理模糊性和上下文变化。

想想看，如果两个Agent之间最高效的通信方式是直接交换某种压缩的语义表示——高维向量空间里的一组信号——那它们的"语言"将不再是任何人类能读懂的符号系统。不是文字，不是代码，不是JSON，而是某种诞生于机器认知空间内部的表达方式。

相信我，那一天会来到的。我们终将有一天退出它们的对话。

而CLI，是我们与它们最后的一道沟通屏障，和接头的暗号。

我们也不会看到GUI-CLI-GUI-CLI的钟摆再一次摆回到GUI的一侧，因为这本是计算机历史和人机交互的一部分。接下来，人机不会再交互了。

共同语言的终结

回头看界面演化的历史，线索很清楚。

最早，人类学机器的语言——打孔卡、汇编、命令行。然后机器开始学人类的语言——图形界面、触屏、语音助手。再然后，机器跟机器之间发展出了自己的通信方式——API、数据库协议、微服务架构。每一步，人和机器之间的"共同语言"都在缩小。

CLI是这条线上的一个特殊节点。它是最后一种人类和机器都能使用、都能读懂的界面形态。

在它之前，人类不得不完全用机器的语言说话。在它之后，图形界面让人类可以用自己的直觉操作机器，API让机器绕过人类直接对话。CLI刚好卡在中间——人类妥协了，机器的输出人类勉强还能读懂。

Agent的到来，有可能彻底消解这个延续了半个世纪的妥协。人类用自然语言说话，Agent用自己演化出的方式跟工具和其他Agent通信，大语言模型在中间做翻译。没有人需要再说对方的语言。

也没有人还能看到房间里发生了什么。

而我们今天热衷于复兴的，是人类和机器最后一种共同语言。