我们都搞错了？从Claude Code的火爆，看懂AI交互的本质

20多年前某个夏天的凌晨，空气里满是燥热。网吧里更是混浊不堪，方便面的香味、二手烟的臭味，还有青少年过剩的荷尔蒙，全都粘稠地混合在一起。

CS（半条命）的枪声和兄弟们的呐喊声从不远处传来，但我顾不上这些。我把自己缩在角落最不起眼的那个卡座里，把CRT显示器的亮度调到最低，心跳得像在打一盘赢不了的《星际争霸》。那年我还在上中学，这是我省下一个星期的早饭钱，换来的一整个“包夜”。但我不是来打游戏的。

屏幕上，是一个与周围所有华丽游戏界面格格不入的、全黑的命令行窗口。我的第一步不是攻击，而是“聆听”——用数字的方式，聆听这间网吧里几十台电脑的“呼吸”。

随后，我敲下了那行我至今都记忆犹新的扫描指令：

C:\> nmap -p 135 192.168.1.0/24

这个命令会像蝙蝠的回声定位一样，探测整个局域里，有哪些电脑开放了135端口。几分钟的等待，每一秒都像一个世纪。终于，扫描结果一行行地显示出来，我的目光锁定在了其中一行上：

  Host 192.168.1.250 is up.
  Port 135/tcp is open.

就是它了。

在当时，知道这个意味着什么的人可能不多，那些网管可能都不知道什么是cmd。 其实那是微软刚刚发布了MS03-026安全补丁，但网吧老板显然还没来得及给每一台机器都装上。 这个开放的135端口，就是RPC DCOM服务上那个致命的缓冲区溢出漏洞，它像一个没有上锁的后门，敞开在我的面前。

我深吸一口气，粘腻的空气呛得我有点咳嗽。我环顾四周，网管正在打瞌睡，邻座的哥们已经趴在键盘上睡着了。很好。我转回头，在命令行里加载了我的终极武器，那个从“华夏黑客联盟”论坛里下载来的、专门针对这个漏洞的exploit程序：

C:\> dcom_exploit.exe 192.168.1.250

回车。

没有华丽的进度条，没有确认弹窗。只有几秒钟死一般的寂静。 然后，一个新的命令提示符，凭空出现在我的屏幕上：

C:\WINDOWS\system32>

成功了。

那一刻，我感觉自己像一个数字世界的幽灵，悄无声息地穿过了这间喧闹网吧里的铜墙铁壁。我没有做什么坏事，只是用dir命令看了一眼C盘的文件列表，用echo "Agenl 到此一游，赶紧修复你的电脑" >proof.txt留下了一行无害的印记，然后便立刻断开了连接。

天快亮了，我结账下机，把那几块钱押金揣回兜里。走出网吧，清晨的凉风吹在脸上，我长长地舒了一口气。没人知道，在刚刚过去的几个小时里，这个穿着校服、貌不惊人的少年，曾短暂地扮演了一次“黑客”。

那种通过一行行精准、神秘的文本，获得计算机底层最高控制权的感觉，那种“我说，你听”的绝对掌控力，永远地刻在了我的脑子里。

开头跟大家分享的这个小故事，是我20多年前的亲身经历。 

所以我跟cmd很熟，跟cli也很熟，这也是为什么我对于今年Claude Code以及Gemini CLI、Amazon Q这类cli产品的大火，一点都不惊讶的原因。 

实际上，早在23年初我刚开始研究AI Agent产品的时候，我就觉得最应该、也最适合被AI改造的产品是什么？——是iTerm2，一个macOS上的终端软件。 

这并非空穴来风。

我在21年做一个数据存储的项目时。 我一个人，要管理一个机房里几十台服务器，每台机器都连着至少30块以上的硬盘。我们所有的机器，都是Linux系统，没有显示器，也没有图形界面。

所有的操作，从部署系统、监控硬盘状态，到迁移数据，全部通过SSH连接后，在命令行里完成。

而我们的同行是什么样的？他们推着一个小推车，上面放着显示器、键盘和鼠标，像古代的郎中一样，一台台电脑挨个连接过去，在图形界面上点来点去。

所以，当我们用脚本一键管理所有机器时，我们对他们，形成了绝对的“降维打击”。

时间快进到23年，一个叫open-interpreter的开源项目火了。

它能做什么？你可以在macOS的终端里，用自然语言让它生成并执行Apple Script，从而直接操作你的电脑。

比如你说“帮我把桌面所有截图文件移动到‘截图’文件夹里”，它就能自动完成。 我为什么讲这些故事？ 其实就是想告诉大家，CLI Agent的爆火，从来不是偶然，而是技术发展到今天的必然结果。

这背后，有两个密不可分的核心原因。

原因一：CLI，是与计算机交互的“母语”

我们可能都忘了，图形界面（GUI）其实是一个“翻译器”。它是为了让不了解计算机原理的普通人，也能通过点击图标、按钮这些形象化的操作，来使用电脑。 

但对于计算机本身而言，它最习惯、最高效的交流方式，就是命令行指令。

就像在我的那三个故事里：

• 2003年， 我用nmap和exploit程序，是在直接命令操作系统内核和网络协议栈为我工作。
• 2021年， 我用ssh、grep和bash脚本，是在直接指挥Linux系统进行批量文件操作和系统管理。
• 2023年， open-interpreter用Apple Script，也是在调用系统最原生的自动化语言。

CLI，就是计算机的母语。它绕过了所有图形化的包装，直达权力的核心。

AIAgent作为一个追求极致效率的“超级大脑”，它思考完之后，最自然的选择是什么？当然是说“母语”，直接调用CLI去执行任务，而不是去模拟人类，在一个个GUI窗口上“点击按钮”。 

让一个AI去学习如何操作GUI，就像让一个精通多国语言的外交家，去通过比手画脚来交流一样，滑稽、低效且多此一举。但是这个比喻，在2024年，曾活生生地、以一种让我觉得匪夷所思的方式上演过、火过。

24年，很多所谓的“UI Agent”产品突然就大火。它们的工作方式是什么呢？就是像人一样，先给你的屏幕截个图，然后用视觉模型去识别界面上哪里是按钮、哪里是输入框，再模拟鼠标移动过去，点击、输入。

它把一系列这样的操作连起来，假装自己是个人在操作电脑。 为了大模型能够更精准地识别和点击，还需要把截图反向提取UI元素，做Grounding定位。

原因二：GUI是“预定义的”，而世界不是

这是更深层次的原因。 

GUI的产品哲学，是 “引导” 和 “预设”。它的本质，是产品经理和程序员，提前预测了你可能会有的需求，然后把这些需求，做成了一个个固定的按钮、菜单和流程。 

这在过去是优点，但在AI时代，却成了它致命的“牢笼”。 

还是那个老掉牙的例子：你想在某个设计软件里，“把所有红色的元素调成蓝色，但要保持它们各自的透明度不变”。 

GUI无法提供一个“一键完成”的按钮。因为它在被设计时，根本无法预料到你会提出这样一个千奇百怪、又无比具体的需求。你只能按照它预设的、繁琐的步骤，一步步手动操作。 

GUI的“所见即所得”，可悲地变成了 “所见即所限”。

而AI Agent的到来，彻底打破了这个限制。

AI的强项，恰恰是理解和处理非预设的、无限的、动态的复杂意图。当你用自然语言提出一个需求时，AI Agent会把它分解成一系列最基础、最原生的命令行指令去执行。

• 它不需要一个“变蓝”的按钮。
• 它只需要知道如何find（查找）所有符合条件的对象，然后set_color（设置颜色）。

GUI为你画好了一张地图，你只能在固定的道路上行走。而CLI给了AI一片广阔的土地，让它可以根据你的目的地，自己规划出最短、最高效的路径。

所以，现在我们再来看Claude Code和Gemini CLI的火爆，就豁然开朗了。 

这不是在开历史的倒车，回到那个“黑屏白字”的原始时代。

恰恰相反，这是一场回归本质的终极进化。 

过去，是人类，必须去学习机器晦涩的“母语”（命令行），才能获得对机器的绝对控制权。 现在，是机器（AI），主动学会了人类的语言，然后用它最擅长的“母语”（命令行），去为我们服务。

我们终于可以扔掉GUI这个“翻译器”和“拐杖”了。我们不再需要去学习如何使用一个被预设好的工具，我们只需要清晰地思考、并准确地表达出我们的“意图”。 从“学会使用工具”，到“学会表达意图”——这，就是AI时代为我们带来的、最大的解放。

而这一切，都始于那个看似简单，却拥有无限可能的、闪烁着光标的黑屏白字。它连接着过去，也定义了未来。 AI无限强大，和GUI界面，这其实是冲突的。