给软件装一张嘴：让 agent 用文本驱动软件，而不是盯像素点鼠标（知识分析）

上一集聊 Holo——教 AI 像人一样看屏幕、点鼠标去用软件。这一集是另一拨人对同一个问题（agent 到底该怎么「用」软件）给的相反答案：别教它用人类的界面，干脆给软件装一张「嘴」——一个命令行接口，agent 发文本命令、收 JSON，不用看屏幕。 这是「脑子借我一下 / Borrow My Brain」**知识分析** 线第 4 期，主角是 HKUDS/CLI-Anything（42.8K stars）。而且——这不是隔岸观火的点评：我们自己做表情包、抠图，背后那套出图流程，天天在用它（cli-anything + gimp）。 技术拉满：我们把仓库里**真实的核心代码**（output 双模式：一个 --json 开关，同命令既给人又给 agent）一行行摊开；讲一个 harness 怎么造（先逆向软件架构再装嘴 + 渐进披露 + 2461 测试=对 agent 的「信任」）；再**真跑一次**——照官方写法手搓一个最小 CLI + 接前几集那个 agent 壳，一句话让它自己 --help 发现、--json 驱动、链式调用，产出一张真 PNG，还从结构化报错里自我纠偏。 ◾ 一条说明（先看） 这是项目评测不是带货（哪怕我们自己在用）。客观给足 tradeoff：覆盖面靠社区堆（冷门软件可能没人做）、社区 CLI 质量参差、给 agent 一张能驱动软件的「嘴」是新攻击面/权限问题。也不搞「vs Holo 二选一」——有现成 CLI 用 CLI，没人做过的用 computer-use 兜底，两条路互补。跑分/star 是 repo 自报。 ◾ 时间戳 00:01 抓手 · 对同一问题的相反答案 01:30 心智模型 · 给软件装一张「嘴」 02:50 两条路之争 · 视觉点鼠标 vs CLI 翻译层 04:40 ★ 真实代码 · output 双模式（仓库真码） 06:50 ★ 一个 harness 怎么造（先读懂软件再装嘴） 09:00 ★ 真跑 · agent 自己驱动那张嘴 11:40 CLI-Hub · 社区飞轮 13:00 坑与边界 14:00 收口 · 两条路互补 ◾ 复现这个 demo 最小 agent-native CLI（照搬官方 output 双模式）+ agent 驱动它的全过程，都在仓库： projects/borrow-my-brain/research/ep037_cli_anything/demo/ 跑法：装 openai + pillow + click，配好 OPENAI_API_KEY，python agent_drives_cli.py。 ◾ 信源（会过期，请自行核对） HKUDS/CLI-Anything · https://github.com/HKUDS/CLI-Anything · CLI-Hub https://clianything.cc/ ◾ 其他平台 Spotify · Apple Podcasts · 小宇宙 · 网易云 脑子借我一下 / Borrow My Brain @Borrow_My_Brain