最近 AI 圈最“折腾”的项目，非 Clawdbot 莫属了。三天两改！AI 圈顶流 Clawdbot 连换 3 个名字，却凭一个观点圈粉无数。

作为近期爆火的开源 AI 助手，它凭着“轻量、高效、可自定义”的特点圈粉无数， GitHub 星数一度逼近 7 万，甚至能 7×24 小时驻守各类平台，帮用户监控市场、管理邮件、操作文件，堪称 “全能打工人”。但爆红之后的麻烦也随之而来 —— 因为名称与 AI 巨头 Anthropic 的 Claude 在拼写和读音上过于相似，它收到了律师函警告，被迫改名。

第一次改名，它从 Clawdbot 变成了 Moltbot ，开发者还在 X 上自嘲 “Same lobster soul, new shell.（同样的龙虾灵魂，换了一身新壳）”，用 “ Molt （蜕皮）” 一词寓意项目被迫成长的无奈。本以为这次能平稳过渡，没想到短短几天，它又官宣了第三次更名，最终定为 OpenClaw，保留龙虾作为吉祥物，意在强调完全开源与社区驱动的初衷。

频繁的更名，也让项目陷入了短暂的混乱 —— 目前 npm 源、官方文档还在同步修改中，不少开发者吐槽“刚记熟一个名字，转头就又要更新配置”，连相关的依赖和调用方式都得跟着调整，属实有点折腾。

但即便如此，我还是被这个“爱折腾”的项目圈粉了 —— 不为别的，就为它抛出的一个极具争议却又让人无法反驳的观点： AI 天生更喜欢 CLI ， MCP 反而是垃圾。

这句话看似偏激，却戳中了很多开发者的痛点。

我们先说说 CLI —— 也就是 命令行工具。作为开发者最古老也最强大的工具之一，它早已渗透到我们工作的方方面面，成熟度无需多言：无论是系统操作、文件管理，还是项目部署、依赖安装，一行命令就能搞定，随手可用，几乎能完成你想要的任何工作。

更重要的是，在高度集中化的作业中， CLI 的效率优势直接拉满。相比于图形界面（ GUI ）的繁琐操作、多余渲染， CLI 无需消耗大量资源，也不用在各种按钮、菜单中切换，专注于任务本身，行云流水的命令输入，能最大程度减少操作干扰，提升工作流的连贯性。

而对于 AI 来说，CLI 更是 “天作之合”。

现在很多 AI 工具，尤其是图形化的 MCP 相关工具，看似易用，却要消耗大量 Token 来处理界面交互、上下文冗余信息，反而拖慢了效率；反观 CLI，简洁的文本交互的方式，刚好契合 AI 的输入输出逻辑，无需多余的适配，就能快速响应指令，完成任务，大大降低了 Token 消耗和交互成本。

有人可能会说：“我常用的功能，没有对应的 CLI 工具怎么办？”

答案很简单：缺什么，就让 AI 写一个。

以当下最常用的天气预报功能为例，市面上的天气预报工具要么广告繁多，要么功能冗余，其实我们只需要一个能快速查询天气、简洁高效的工具。与其到处找第三方应用，不如直接让 AI 帮我们手搓一个 CLI 版——不用复杂的逻辑，不用华丽的界面，一行命令就能查询指定城市的天气、温度、风力，满足日常使用需求就足够。

当然，这里也要澄清一点：吐槽 MCP，不代表否定所有辅助工具，更不意味着 CLI 能替代一切。

在我看来， Clawdbot 的观点，更像是一种“矫枉过正”的提醒 —— 我们不该盲目追求复杂的图形化、模块化，而忽略了最基础、最高效的工具。而真正能让 AI 发挥最大价值的，除了 CLI 的高效承载，还有一个不可或缺的核心：Skill 。

Skill 和 CLI 不同，它不是工具，而是“经验的沉淀” —— 由人类的经验来指导 AI ，告诉 AI 该如何判断场景、如何调用工具、如何优化结果，相当于给 AI 制定一套“操作规范”。

CLI 是 AI 的“手脚”，让 AI 能高效执行任务；而 Skill 是 AI 的“大脑”，让 AI 能规范、精准地完成用户自定义的各种复杂任务，避免出现“指令偏差”“操作失误”。两者相辅相成，才能真正发挥 AI +工具的最大价值。

空谈理论没有意义，接下来我们就进入实操环节 —— 手把手教你手搓一个天气预报 CLI ，再让 AI 制作一个 Skill ，学会规范使用这个 CLI，把刚才聊到的观点，全部落地成可直接使用的工具。

话不多说，准备好你的终端，我们开始动手！

第一步：手搓天气预报CLI（超简单，新手也能上手）

下面我们让 Claude 直接给我们整一个 weather 的 CLI 出来，打开 Claude，输入：

用 node 开发一个 CLI，名字叫 weather，用来查询指定城市的天气预报。  
命令行示例：weather 北京  
执行后输出包含今天以及未来7天的天气情况

回答完一些问题之后，Claude 就开始工作啦~

最后，由于需要调用第三方服务，我们需要去和风官网注册一下，获取 API Key 和 API Host，按照提示配置完成就可以正常工作啦~

下面，我们让 AI 帮我们生成相应的 Skill：

编写这个weather cli 工具相应的 Skill，方便 claude 调用

将这段描述发给 AI 后，AI 会自动生成 Skill，完全无需你手动输入命令。

让我们使用 weather-query 这个 Skill 来验证一下：

如果后续我们修改了 CLI 的调用格式、新增了功能（比如添加未来7天天气查询），只需要更新 Skill 规则，AI 就能快速适配，无需重新训练或修改核心逻辑——这就是 Skill 的价值：用人类的经验，降低 AI 与工具的适配成本，让 AI 更精准、更规范地为我们服务。

最后聊两句：
回头再看 OpenClaw（原Clawdbot）的观点，其实它想表达的核心，从来不是“否定某一种工具”，而是 “回归高效本质”。 AI 的发展，从来不是追求 “越复杂越好”，而是 “越实用、越高效越好”。CLI 的简洁高效，契合 AI 的交互逻辑；Skill 的经验沉淀，补齐 AI 的“决策短板”，两者结合，才能真正发挥 AI 的价值，让工具为我们赋能，而不是成为我们的负担。

这次 OpenClaw 的频繁更名，或许是一场无奈的折腾，但也让更多人关注到了 CLI 与 AI 结合的可能性。后续随着 npm 源、文档的逐步完善，相信这个坚持开源、敢于表达观点的项目，还会带来更多惊喜。 如果你也觉得 CLI 高效、Skill 实用，不妨跟着本文动手试试——手搓一个属于自己的 CLI 工具，再让AI制作对应的 Skill，亲身体验一把 “AI+CLI” 的高效便捷。

动手实践之后，你一定会明白：好的工具，从来都不需要华丽的外衣，够用、高效，就足够了。

如果在实操过程中遇到问题（比如 CLI 无法全局调用、API 查询失败），可以继续询问 AI，始终让它帮你来完成任务～