
CLI-Anything:让 agent 用上命令行
让 agent 去操作软件,眼下最常见的路子是让它看截图、找按钮、点坐标。跑是能跑通,但很脆。窗口大小变一变、按钮挪一格、页面慢半拍加载,它就开始瞎点。

让 agent 去操作软件,眼下最常见的路子是让它看截图、找按钮、点坐标。跑是能跑通,但很脆。窗口大小变一变、按钮挪一格、页面慢半拍加载,它就开始瞎点。

第一个。你在 agent 客户端里贴一段日志排查问题,日志里带着一行 DEEPSEEKAPIKEY=sk-…。问题解决了,那句话还躺在会话历史里。

你让 agent 写了一段 Kotlin,它说改好了。然后呢?

通用 agent 写 ArkTS 会翻车,原因就三个洞。它不认识 ArkTS 的装饰器和构建命令;它手里没有一份能查的官方文档,只能凭印象编 API;就算代码写对了,它也不知道怎么把包构建出来、装进设备、送到应用市场。

一个多月前,Claude Code 因为拒绝兼容 AGENTS.md(已经被很多项目和 coding agent 采用的行业约定),被 Shopify 的 CEO Tobi Lütke 公开警告要弃用它。Anthropic 当时的理由听着也合理:不同模型需要不同的上下文和指令。

在端侧做搜索,过去是个拼装活。图片要先用描述模型转成文字,语音要先转写,视频要抽帧再加字幕,最后统统丢给文本嵌入模型。每加一种模态就多一条链,多一份延迟,多一堆中间产物。

你让 agent 加个日期选择器。它装一个日历库,写一层 wrapper 组件,补一个样式表,然后开始跟你讨论时区怎么处理。

凌晨两点,机器开始换页,系统更新提示你按了三次稍后,但你就是不重启。

我本机终端里现在装着三个 agent:claude、opencode、gemini。用几天就撞上一个新麻烦,会话一多,我根本不知道谁在跑、谁改了哪些文件、谁花了多少钱,全靠翻终端历史去认。

9 月 30 日上午,DeepSeek 在官方公众号上宣布:开源面向华为昇腾算力平台的基础设施组件,涵盖 TileLang 高级语言编译工具、高性能计算库、分布式通信库。官方的用词是「与之前面向英伟达平台开源的组件一一对应」。

同一份 JSON,同一个 App,同一次运行。

9 月 28 日 DeepSeek Harness 发布 v0.2.0-rc.1。release notes 里两条和插件有关:改善插件管理界面与安装引导,创造模式完善插件开发指引并提供体验技能。