CLI 是更高效的开发工作流

Codex Windows 客户端是一个不错的 AI 编程工具。但用了一段时间后，我开始意识到一件事：每次都要打开窗口、手动建任务、逐条对话，才能推进一个工作流。这不是效率，这是在用鼠标模拟思维。

这篇文章不是在批评 Codex，而是想聊一个更根本的问题：对于开发者来说，CLI 在结构上就是比 GUI 更高效的工作方式。

GUI 的认知负担

GUI 的认知负担来自两层。

第一层是操作层：你需要记住功能在哪个菜单、按钮叫什么名字、流程分几步。界面设计得越复杂，这个负担就越重。

第二层是信息层：GUI 处理信息的方式是"搜索 + 查看细节"。你搜索定位到一条记录，点进去看详情，返回，再搜下一条。每一次钻取都是一次上下文切换，思维的连续性被不断打断。

处理十条 issue 反馈，你要在列表视图和详情视图之间切换二十次。这种碎片化的信息处理方式，消耗的不只是时间，还有注意力。

CLI 把信息变成流

CLI 的信息架构是线性的、流式的。数据直接在你面前流过，处理逻辑在同一行里表达完毕：

1

gh issue list | grep "crash" | xargs -I {} gh issue view {}

没有界面跳转，没有上下文切换。你的思维可以一直停留在问题本身，而不是停留在"怎么操作这个工具"上。

更重要的是，CLI 的操作可以写进脚本，脚本可以提交进代码库，代码库可以被团队共享。你的工作流本身变成了可版本化的资产。

批量处理：规模化的起点

假设你有一批用户反馈需要处理。在 GUI 里，你的流程是：打开工具，粘贴反馈，手动描述问题，创建 issue，再下一条。

在 CLI 里：

1

cat feedbacks.txt | parse_feedback | gh issue create --batch

GUI 里需要一个小时的工作，CLI 里是几秒钟的脚本。这不是操作习惯的差异，这是处理规模的差异。

并行修复：从串行到并发

批量创建 issue 只是起点。真正的效率差距在修复阶段。

GUI 工具是串行的——你跟它对话，等它回答，确认结果，再下一步。即使工具本身再强大，交互模式把你锁死在单线程里。

Claude Code 支持启动并行 subagent，结合 git worktree，每个 agent 在独立的工作目录里处理一个 issue，互不干扰：

1
2
3
4

for issue in $(gh issue list --json number -q '.[].number'); do
  git worktree add ./fix-$issue -b fix/issue-$issue
  claude --subagent --worktree ./fix-$issue --issue $issue &
done

每个 subagent 独立完成：理解问题、修改代码、提交 PR。整个流程不需要你盯着任何一个窗口。

十个 issue 同时在修复，时间复杂度从 O(n) 变成接近 O(1)。GUI 工具在这里的天花板是显而易见的——你无法同时操作十个对话窗口，而 CLI 的并行是操作系统级别的原语，没有上限。

可组合性：真正的灵活性

GUI 是封闭的。每个工具有自己的界面，彼此之间的数据流动需要人工中转。

CLI 的基本单位是文本流，任何工具都可以通过 pipe 连接：

1

用户反馈 → 解析脚本 → issue 创建 → agent 分配 → worktree 修复 → PR 提交

这条流水线里，每个环节独立替换、独立测试、独立优化。某个环节出了问题，你可以单独调试那一段，而不需要重走整个流程。这是 GUI 工具根本无法复制的架构灵活性。

结语

GUI 有它适合的场景——可视化需求、初次上手、非技术用户。这些场景 GUI 是正确的选择。

但对于开发者，对于需要处理规模化工程任务的技术用户，CLI 不只是"够用"，它在结构上就是更优的工作方式。批量处理、并行执行、可组合、可脚本化——这些不是 CLI 的附加特性，而是它的基本属性。

认知负担更低，处理规模更大，工作流可以版本化。这三点加在一起，足以说明问题。