AI终于能自己动手了：这个开源项目把79款软件塞进终端，还给AI上了三道安全锁

AI终于能自己动手了：这个开源项目把79款软件塞进终端，还给AI上了三道安全锁

【免费下载链接】CLI-Anything"CLI-Anything: Making ALL Software Agent-Native" -- CLI-Hub: https://clianything.cc/项目地址: https://gitcode.com/GitHub_Trending/cl/CLI-Anything

你有没有发现，现在的大模型聊起天来头头是道，真让它"动手干活"却常常掉链子？

让它帮忙修张图、剪段视频、导个3D模型，它要么只会告诉你"你可以这样操作"，要么就是在屏幕上瞎点——靠截图识别按钮，点偏一格就全盘皆输。

最近在GitHub上被反复刷屏的CLI-Anything，就是冲着这个尴尬来的。它的野心写得很直白：让全世界所有的软件，都能被AI Agent直接指挥。

更关键的是，它不是让AI"乱摸"终端，而是设计了一条完整的链路：先读懂软件说明书，再把功能封装成命令，最后关进安全沙箱里执行。

一、它到底是个啥？一句话：给软件配了个"翻译官"

你可以这么理解：

以前我们人类用软件，是拿鼠标点按钮；AI想用软件，只能"看屏幕、猜位置、点鼠标"，像个蒙着眼睛的人。

CLI-Anything 干的事，是给每个软件配一位翻译官——把软件里成百上千个按钮和菜单，翻译成一条条文字命令。AI只要说"把这张图裁成正方形，加个模糊背景"，翻译官就把它变成终端里能执行的指令。

项目出自香港大学数据智能实验室（HKUDS），定位一句话概括：今天的软件是给人用的，明天的用户是Agent。

它已经攒下了一份相当夸张的成绩单：官方目录里收录了79款软件，横跨3D建模、图像设计、音视频、办公、数据库、运维、科研等三十多个领域；累计2461个测试全部通过，不是玩具演示，而是真刀真枪调用软件本体干活。

二、三步链路：解析、封装、沙箱，一步都不能少

这套东西最值得说的，是它把"AI操作软件"拆成了一条清清楚楚的流水线。

第一步：解析——让AI学会看"说明书"

几乎所有命令行工具都有一个习惯：敲一下帮助参数，它就吐出自己会干什么、参数怎么填。

CLI-Anything 的第一步，就是把这堆原本给人看的文字说明，整理成AI能理解的结构化描述：这个工具叫什么、有哪几个动作、每个动作要填什么、填错了会怎样。

打个比方，就像把一本厚厚的家电说明书，压缩成一张"遥控器按键图"，AI扫一眼就知道每个键是干嘛的。

第二步：封装——把按钮变成有记忆的命令

这是它真正下功夫的地方。它没有粗暴地把软件功能一股脑倒出来，而是按照人的工作习惯重新组织：项目管理、核心操作、导入导出、状态查询，分组清清楚楚。

更贴心的是"有记忆"。传统命令行是"一锤子买卖"，执行完就忘；CLI-Anything 生成的工具会记住当前打开的是哪个项目、改到哪一步了，还支持撤销和重做。

这一点对AI太重要了——它能像人一样"先看看现状，再决定下一步"，而不是闭着眼睛乱改。

同时每条命令都支持结构化输出，AI不用再从一堆花里胡哨的表格里猜意思，拿到的就是干净的数据。

第三步：沙箱——三道锁，防止AI"手滑"

这才是整个项目最容易被忽略、却最要命的部分。让AI碰终端，等于把家门钥匙交给一个刚入职的实习生。

CLI-Anything 的防线大致分三层：

第一层是预演。很多工具提供"只跑不改"的模式，先让AI把整套动作彩排一遍，确认无误再真正落盘。

第二层是危险动作强制留后路。比如有工具要直接改音乐软件的核心数据库，它会先检查软件是否正在运行，写入前自动备份；想跳过备份？对不起，强制写入也会先给你存一份。

第三层是入口白名单与内容清洗。以浏览器自动化为例，项目里专门写了一套防护：本地文件、脚本伪协议这类危险入口一律拦截，内网地址是否放行由开关控制，网页里那些"忽略之前的指令"之类的可疑文本也会被识别出来。

说白了，就是不让AI被一个恶意网页牵着鼻子走，去翻你电脑里的私房文件。

三、真本事：它已经让AI干出了这些活

光说机制太抽象，看几个已经跑通的真实案例。

案例一：AI自己造了一台火星车

在FreeCAD的演示里，Agent一步步搭出一台"好奇号"风格的探测车。每完成一个零件，就自动生成一张四视图预览，你可以在浏览器里实时看着模型长出来。

案例二：三分钟画完一张技术图

有开发者让AI用Draw.io从零画"HTTPS握手全过程"——三次握手、加密协商、数据传输、四次挥手，全流程自动排版，最后直接导出图片。

案例三：给视频自动上字幕

视频字幕工具被封装后，AI能自己识别语音、生成双语字幕、调整样式并压进画面。下面这组前后对比很直观：

案例四：AI自己打游戏

最离谱的一个演示，是Agent通过命令行读取游戏状态、选卡、选路线，实时打完一局《杀戮尖塔2》。

从建模、绘图、剪视频到打游戏，背后没有一次"截图找按钮"。这就是它最核心的价值：把靠眼睛猜的模糊操作，换成靠命令说话的确定性操作。

四、普通人能玩吗？门槛比想象中低

很多人一听"命令行"三个字就头大，其实这套东西的上手路径已经铺得很平。

先说硬件：绝大多数场景不需要独立显卡。它本质是调度你电脑上已经装好的软件，Blender渲染、LibreOffice转PDF、音频处理这些活，还是那些软件自己在干。真正吃算力的是你背后那个AI助手。

再说安装：项目提供了一个"应用商店"式的入口，装上之后就能浏览、搜索、一键安装现成的工具包。想给GIMP修图、给Blender建模、给LibreOffice转文档，都是一条命令的事。

最后说"造新工具"：如果你用的软件还没被收录，也不用从零写代码。把软件源码或项目地址丢给Claude Code、Cursor、Codex这类AI编程工具，它会自动跑完七个阶段：分析源码、设计命令结构、写实现、定测试、跑测试、写文档、打包发布。

全程你只需要做一件事：告诉它"我要这个软件能被AI用"。

适合谁？

自媒体创作者可以用它批量处理素材、自动上字幕；办公族可以让AI整理表格、转换文档格式；做3D和设计的，可以把重复的建模、导出流程交给Agent；至于开发者和运维，更是天然对口——那些每天要敲几十遍的命令，终于可以交给AI自己组合了。

五、写在最后：真正的门槛，从来不是"能不能"

CLI-Anything 让我感触最深的，不是它支持了多少款软件，而是它想清楚了一件事：

AI要接管软件，难点不在"操作"，而在"信任"。

会点按钮不难，难的是让它点得准、点得对、点错了还能退回来。解析说明书是为了让它别瞎猜，封装命令是为了让它有章可循，沙箱和备份是为了让你敢把电脑交给它。

这三件事凑齐了，"AI员工"才算真正能上岗，而不是只能在演示视频里表演。

当然，它离"人人都能用得顺"还有距离：依赖软件本体、部分工具仍需手动配置环境、不同软件的完成度也参差不齐。但方向已经很明确了——未来你用软件的方式，可能真的会从"打开界面"变成"吩咐一句"。

最后留个问题给大家：如果AI能替你操作电脑上任意一款软件，你最想让它先接手哪件苦差事？是剪视频、做表格，还是每天重复几十遍的导出流程？评论区聊聊。

【免费下载链接】CLI-Anything"CLI-Anything: Making ALL Software Agent-Native" -- CLI-Hub: https://clianything.cc/项目地址: https://gitcode.com/GitHub_Trending/cl/CLI-Anything