OpenAI官方CLI上線，跟復雜的SDK說拜拜

機器之心編輯部

大家總說新科技會淘汰老技術。

但大模型要想深度落地，必須擁抱老技術，擁抱兼容性。

在過去很長一段時間里，開發者想要測試 OpenAI 的模型能力，通常有兩種路徑：要么在 Playground 進行手動調試，要么編寫一段 Python 或 Node.js 腳本來調用 SDK。

來回調用和包裝 SDK 是很麻煩的一件事。回到結構化的世界，回到命令行調用工作流，是開發者們喜聞樂見的。

OpenAI 也知道這一點。

就在今天，OpenAI 的 Codex 團隊開發者體驗工程師 Jason Liu 發推公布了一個「小而有愛」的項目：

OpenAI 官方推出了命令行界面工具openai-cli，開發者只需在終端敲下一行命令，即可直接與 OpenAI 的最新模型深度交互，打破了過去SDK的限制。

根據Jason Liu 發布的信息，openai-cli具有如下特性：

1. 通過 CLI 調用 Responses，并支持所有云端工具
2. 提供 Unix 風格的結構化 CLI 輸出
3. 支持圖像生成/編輯、語音轉錄、TTS
4. 可以創建項目并配置 API Key

目前，項目已經開源。

• Github 鏈接：https://github.com/openai/openai-cli

CLI 是開發者的「瑞士軍刀」？

1.極簡的「管道（Piping）」自動化流水線

在傳統的開發流程中，如果你想讓 AI 分析 100 個日志文件的異常，你需要寫一個循環讀取文件的腳本。使用 openai-cli ，利用 Unix 的管道哲學，你只需要一行命令： cat error.log | openai chat --system "分析日志中的潛在風險" > analysis.txt 這種將 AI 能力「原子化」的做法，讓 AI 能夠像 grep 或 awk 一樣參與到日常的系統運維中。

2.開發者本地調試的「零延遲」體驗

當開發者需要測試一個復雜的 Prompt 或調整 Temperature 參數時，在代碼里反復修改并重啟程序是非常低效的。openai-cli 提供了一個即時的沙盒環境。通過在終端快速嘗試不同的參數組合，開發者可以在確認效果后再將參數寫入正式代碼，極大縮短了調試周期。

3.后端基礎設施的敏捷管理

對于需要管理大量 Fine-tuning 任務或向量數據庫文件的團隊，openai-cli 提供了比 Web 界面更高效的批處理能力。無論是批量刪除過期的訓練文件，還是實時監控微調任務的收斂情況，命令行提供的交互速度和可編程性都是 Web 頁面無法比擬的。

AI 基礎設施的「原生化」

OpenAI 推出官方 CLI，本質上是將其 API 能力向操作系統的底層「下沉」。當 AI 能力變成一個標準的命令行工具時，它就具備了無窮的組合潛力。它可以被封裝進 Docker 鏡像，可以被寫進 Crontab 定時任務，也可以被集成到各種 IDE 的快捷操作中。

隨著具備本地 AI 執行能力的「智能硬件」和「Agent PC」逐漸普及，開發者需要更輕量、更直接的方式與云端大模型進行協同。openai-cli 的出現，實際上是為本地自動化腳本（Agents）提供了一個標準的通信口，讓本地硬件與云端大腦的耦合變得前所未有的簡單。

此前，開源社區存在大量優秀的第三方 CLI 工具。官方工具的介入雖然會帶來競爭，但更重要的是它確立了官方的調用規范和標準。對于第三方開發者而言，這更像是一個信號：AI 調用正在走向「標準化」。

openai-cli 的發布，代表了 OpenAI 對開發者工作流的深度理解——最好的工具應當是隱形的，原生的。

從 brew install openai/tools/openai 開始吧。