开发者工具公司如何靠 CLI 的 --help 进入模型权重，而非 MCP

有件事我一直想写下来。虽然有点晚了，但我还是想深入聊聊 MCP 与 CLI 之争，因为我的观点也许会让一些人觉得有意思。

MCP 服务器和一个带 `--help` 参数的普通老式 CLI 程序，真正的区别到底是什么？在我看来，一个为 agent 而写的 CLI 程序，不用发明任何新东西就能解决同样的问题？
https://x.com/adamwathan/status/1968738637358522629

开发者工具公司可以分为两个层级：S 级（赢家）和 F 级（输家）。一家公司究竟属于 S 级还是 F 级，关键全在模型权重。

S 级公司存在于训练权重之中。以 GitHub 为例。现在，我们可以没完没了地吐槽 GitHub 的各种问题，但有一点是事实：这些模型知道如何与 GitHub 交互，因为这种行为本身就存在于模型权重里。它们不需要任何 skill 或 MCP 就能拿到结果。你直接用 CLI 就行。

当你能发出这样的提示词时，你就是 S 级了。

提示词：使用 GH cli 创建一个仓库，提交更改，推送到 origin，将仓库设为公开并更新仓库描述。

现在，如果你是一家全新的开发者工具公司，而且还没进入模型权重，你有几个选择。首先，你得让用户下载并安装某种 skill 包，甚至可能是一个 CLI，与 S 级公司的 DevX 相比，这给用户增加了大量摩擦。

那么，你该怎么做？很简单。

从开发一个真正好用的 CLI 开始，在这个 CLI 上，打磨并优化你的 --help 部分。你要做的是衡量模型能否通过遍历 help 动词及其所有子动词来达成结果，然后优化所用的语言，选择效果最好的表述，让模型能用最少的工具调用达成结果。这可以通过一个循环或自动研究循环来实现自动化。

有了这个最基础的地基之后，下一步是在网上发布这个 CLI 的文档，然后专注于面向 agent 的 ASEO（Agentic Search Engine Optimization，智能体搜索引擎优化）web_search_tool。同样，从这一刻起，目标就是审视单个 agent 所走的路径，并对其进行优化，让 agent 能在一次网络搜索工具调用中获取它需要的所有信息。如果它还得翻遍你的文档，那说明你做得还不够好。继续优化。

要更上一层楼，你应该与各家实验室签订商业合同。也许你已经和实验室签了推理方面的合同。你要依靠他们，让他们把你的 CLI 文档纳入下一次训练。

如果你把这些都做到位，那么你就走在成为 S 级开发者工具公司的路上了。最棒的是，这不需要用户下载或安装 skill 包，也不需要配置 MCP 服务器或任何那些乱七八糟的东西。

ps. 社交媒体