为什么 AI 编程工具都在"复古"做 CLI？这是下一个十年最稀缺的东西#CLI新交互范式

这是下一个十年最稀缺的东西#CLI新交互范式

Perplexity 的 CTO 做了一个让不少 AI 开发者意外的决定：放弃 MCP，转而使用 API 和 CLI。他的理由很直接：MCP 太绕了，而 stdin/stdout 这个老古董，反而是 AI 最该用的协议。

这不是孤例。从 Anthropic 的 Claude Code 到 Google 的 Gemini CLI，从 GitHub Copilot Agent 到国内的飞书 CLI，所有主流 AI 编程工具都在把 CLI 作为自己的核心交互界面。为 AI 设计的MCP协议，被 AI 工具的创造者们自己放弃了……

它背后藏着一个更本质的问题：GUI 和 CLI，究竟谁才是 AI 的母语？

GUI 为人类设计，CLI 为执行设计

要理解这场转变，首先要理解 GUI 和 CLI 各自的设计哲学。

图形用户界面（GUI）诞生于 1984 年的 Macintosh，它的核心理念是拟物化：用人们熟悉的物理世界隐喻（桌面、文件夹、垃圾桶）来降低学习门槛[1]。Mark Weiser 在 MIT 推动的"Calm Computing"项目，进一步阐明了 GUI 的终极理想：最好的界面，是让人忘记界面存在的界面[1]。

这套设计哲学是极其成功的。几十亿普通人通过 GUI 学会了使用计算机，而不需要记住任何命令行语法。

但这套哲学的核心假设是：界面的用户是人，而人的认知资源是有限的。因此 GUI 的设计目标始终是降低认知负荷：把复杂的操作封装成直观的图标和点击动作。

CLI 则截然相反。它的核心哲学是显式性：每一个操作都必须被完整地描述，每一个输出都必须被精确地定义，没有隐喻，没有计算机帮你猜。这对人类来说是认知负担：需要知道命令的语法，需要理解参数的意义。但对 AI Agent 来说，这种显式性恰恰是最宝贵的特性。

因为 AI Agent 的核心任务不是学习使用计算机，而是执行精确的操作序列并返回可预测的结果。GUI 里的图标和动画对 AI 来说是噪声，它必须通过计算机视觉来"理解"界面：不仅慢，而且不可靠。CLI 上的一个 ls 命令，返回的是一个结构化的文本列表，AI 能精确地解析它、计数它、过滤它。

这就是为什么 Perplexity 的 CTO 觉得 MCP"绕"：MCP 虽然是专为 AI 设计的协议，但它本质上还是在模拟一种 GUI 式的思维（工具发现、上下文共享），而真正符合 AI 执行逻辑的，还是最朴素的 stdin/stdout。

AI 为什么在 CLI 上跑得更好

一个真实案例：

Ivan Velichko 在他的生产项目里用 Claude Code 做代码审查时，最高效的场景是什么？是 Claude Code 能够直接运行测试套件、调用 linter、触发 CI：这些操作的共同特点是：它们都是 CLI 命令，返回的都是结构化文本[2]。Claude Code 可以精确地读取测试输出，识别哪一行代码引入了问题，然后回滚。

如果这些工具是 GUI 版本会怎样？AI 需要用计算机视觉来识别测试报告里的红绿颜色，需要判断哪个图标代表失败：不仅需要更强的模型能力，而且引入了大量不必要的随机性。

对 AI 来说，GUI 是一种隐喻，而 CLI 是一种语言。 隐喻需要翻译，语言只需要解析。AI 学语言比学隐喻快得多，而且可靠得多。

这也是为什么最新的 AI 工作流方法论里特别强调小任务分块和显式上下文：本质上，是在用人类语言描述 CLI 的工作原则[3]。让 AI 知道它在处理什么问题，以及如何验证结果，描述的就是 CLI 的核心逻辑：输入-执行-验证，没有歧义。

GUI 退化为监控面板意味着什么？

如果这个趋势持续发展，软件系统的形态将发生一个根本性变化：

真正的业务执行发生在 CLI 或 API 层，而 GUI 将退化为人类观察 AI 工作进度的仪表盘。

这个转变已经在发生。GitHub Copilot Agent 和 Jules 的工作方式就是范式：在前台给 agent 一个任务描述，它在后台的云端上运行，完成后开一个 PR。真正的"编程"发生在看不到的地方，看到的是一个结果摘要。

从 HCI 的角度看，这是一个有趣的翻转。传统 GUI 的隐喻是人在控制机器：在操作电脑。CLI 化的 AI 工作流，隐喻变成了人在定义目标，机器在执行：这是目标导向编程与命令行哲学的融合。

对创意工作者和设计师来说，这个转变打开了一个全新的设计领域。未来产品会如何？虚拟空间是否需要建筑和 UI 设计师？可能需要新职业，如虚拟空间设计师，用元素搭建空间，创造故事……

这个问题的答案，就在 CLI 化的 AI 工作流里。

当 AI 承担了执行的工作，设计师的价值就从设计人与软件的交互界面转移到设计 AI agent 与工具的交互接口：这是一个完全没有被充分探索的设计领域 —— 设计师的新机会。

从多 agent 协作的流程设计，到人类审核节点的交互形式，从 AI 工具包的接口设计，到虚拟空间的构建语法：这些既是工程问题，也是设计问题，是跨界人最应该占据的位置。

Mark Weiser 在 1999 年写道，最好的技术是让人忘记技术存在的。但 AI 时代的新问题是：最好的技术，是让人忘记执行的存在：只需要定义目标，AI 帮你完成剩下的管道。

设计师的下一个前沿

CLI 不是复古，它是一个全新设计领域的入口。

历史上每一次计算平台的转移，都伴随着界面范式的更替：DOS 命令行 → Macintosh GUI → iPhone 触控。

每一次更替，最先理解新界面逻辑的人，都获得了巨大的先发优势。

AI 时代正在发生的变化，不是 GUI 和 CLI 之争，而是一个新的设计维度正在形成：AI Agent 界面的设计。这个界面不是给人类看的，是给 AI 执行的，但它同样需要设计：

如何让人类定义清晰的目标，如何让 AI 返回可操作的结果，如何在自动化和人工审核之间建立信任。

CLI 的历史角色，是人类与机器之间的翻译层；现在它多了一个翻译对象：AI Agent。

致最先触达未来的那一小部分人：愿你在理解这个转变的过程中，找到自己在那条新设计边界上的坐标，而那条边界，正是下一个十年最稀缺的东西。

参考

[1] Mark Weiser & John Seely Brown, "The Coming Age of Calm Computing", MIT Media Lab, 1999.

[2] Ivan Velichko, "A grounded take on agentic coding for production environments", iximiuz Labs, 2026-01-19.

[3] Addy Osmani, "My LLM coding workflow going into 2026", AddyOsmani.com, 2026-01-04.

[4] Anthropic, "Claude Code", Anthropic Documentation, 2025.

[5] Anthropic, "Model Context Protocol (MCP)", Anthropic Documentation, 2025.