天津
机器之心编辑部
大家总说新科技会淘汰老技术。
但大模型要想深度落地，必须拥抱老技术，拥抱兼容性。
在过去很长一段时间里，开发者想要测试 OpenAI 的模型能力，通常有两种路径：要么在 Playground 进行手动调试，要么编写一段 Python 或 Node.js 脚本来调用 SDK。
来回调用和包装 SDK 是很麻烦的一件事。回到结构化的世界，回到命令行调用工作流，是开发者们喜闻乐见的。
OpenAI 也知道这一点。
就在今天，OpenAI 的 Codex 团队开发者体验工程师 Jason Liu 发推公布了一个「小而有爱」的项目：
OpenAI 官方推出了命令行界面工具openai-cli，开发者只需在终端敲下一行命令，即可直接与 OpenAI 的最新模型深度交互，打破了过去SDK的限制。
根据Jason Liu 发布的信息，openai-cli具有如下特性：
- 通过 CLI 调用 Responses，并支持所有云端工具
- 提供 Unix 风格的结构化 CLI 输出
- 支持图像生成/编辑、语音转录、TTS
- 可以创建项目并配置 API Key
目前，项目已经开源。
- Github 链接：https://github.com/openai/openai-cli
CLI 是开发者的「瑞士军刀」？
1.极简的「管道（Piping）」自动化流水线
在传统的开发流程中，如果你想让 AI 分析 100 个日志文件的异常，你需要写一个循环读取文件的脚本。使用 openai-cli ，利用 Unix 的管道哲学，你只需要一行命令： cat error.log | openai chat --system "分析日志中的潜在风险" > analysis.txt 这种将 AI 能力「原子化」的做法，让 AI 能够像 grep 或 awk 一样参与到日常的系统运维中。
2.开发者本地调试的「零延迟」体验
当开发者需要测试一个复杂的 Prompt 或调整 Temperature 参数时，在代码里反复修改并重启程序是非常低效的。openai-cli 提供了一个即时的沙盒环境。通过在终端快速尝试不同的参数组合，开发者可以在确认效果后再将参数写入正式代码，极大缩短了调试周期。
3.后端基础设施的敏捷管理
对于需要管理大量 Fine-tuning 任务或向量数据库文件的团队，openai-cli 提供了比 Web 界面更高效的批处理能力。无论是批量删除过期的训练文件，还是实时监控微调任务的收敛情况，命令行提供的交互速度和可编程性都是 Web 页面无法比拟的。
AI 基础设施的「原生化」
OpenAI 推出官方 CLI，本质上是将其 API 能力向操作系统的底层「下沉」。当 AI 能力变成一个标准的命令行工具时，它就具备了无穷的组合潜力。它可以被封装进 Docker 镜像，可以被写进 Crontab 定时任务，也可以被集成到各种 IDE 的快捷操作中。
随着具备本地 AI 执行能力的「智能硬件」和「Agent PC」逐渐普及，开发者需要更轻量、更直接的方式与云端大模型进行协同。openai-cli 的出现，实际上是为本地自动化脚本（Agents）提供了一个标准的通信口，让本地硬件与云端大脑的耦合变得前所未有的简单。
此前，开源社区存在大量优秀的第三方 CLI 工具。官方工具的介入虽然会带来竞争，但更重要的是它确立了官方的调用规范和标准。对于第三方开发者而言，这更像是一个信号：AI 调用正在走向「标准化」。
openai-cli 的发布，代表了 OpenAI 对开发者工作流的深度理解——最好的工具应当是隐形的，原生的。
从 brew install openai/tools/openai 开始吧。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
