A1 — 選一個 CLI Agent，開始用它做事（CLI Agent Intro & Selection）¶
← 回主路線 README · Track A: CLI Power User 第 1 站
⏱ 時間估算：1 週（約 5-10 小時）
📋 本章組成：學習目標 → 進入條件 → 必修閱讀 → 動手練習 → 精選 Projects → 自我檢查 🔑 關鍵名詞：本頁只用到 CLI agent（在終端機跑的 AI 工具）。MCP / Skill / plugin 等其他生態名詞會在 A2 / A3 第一次使用時再解釋。完整詞表見
resources/glossary.md。
讀完 Stage 0-2 之後、你想直接用現成的 CLI agent 把工作做完、不打算自己寫 agent 程式、只想先用現成工具完成任務？這條軌就是給你的。第一站：選一個 CLI agent、跑起來。
📌 學習目標¶
完成這一節後你會：
- 知道 7 個主流 CLI agent（Claude Code / Codex / OpenCode / Gemini CLI / goose / Aider / Hermes Agent）的差別
- 依自己的場景挑出第一個 CLI 工具
- 完成安裝 + 認證 + 第一個真正的任務（不是 hello world）
- 知道什麼時候該換 / 加第二個 CLI
🚪 進入條件¶
你應該已經： - 跑過 Stage 0 的 練習：CLI（會用命令列） - 有 Claude / OpenAI / Google 任一個帳號（不一定是付費） - 對 prompt 寫法基本上手（Stage 2）
📚 必修閱讀¶
resources/agent-paradigms.md⭐ — 5 種 agent 型態的全景圖；先讀這份知道 CLI agent 在整個 agent 生態中的位置（Type 2 + Type 3）resources/cli-agents-guide.md⭐ — 本軌的核心參考。7 個主流 CLI agent 並列比較、依 use case 推薦、實用搭配- Anthropic — Claude Code Quickstart — 官方安裝指南
- OpenAI — Codex Quickstart — Codex 安裝跟認證流程
🛠 動手練習（基礎 illustrative 練習）¶
動手練習 CLI-1：安裝 + 第一次跑¶
3 步走完：
- 裝：照你選的 CLI 的 quickstart 安裝（每個 CLI 官網都有 ≤ 5 分鐘的安裝指南）
- 挑一個低風險真實任務：不要寫「hello world」——挑一件你今天本來就要做的事（例：「整理我 Downloads 資料夾、把 PDF 全部 move 到 ~/Documents/PDFs」）
- 觀察 3 件事：它怎麼分解任務、何時要求確認、輸出格式如何
→ 用真任務跑、才能感受 agent 跟 chatbot 的差別。
動手練習 CLI-2：CLI 內建的 system prompt 檔¶
- Claude Code → 寫一個
CLAUDE.md在 repo 根目錄 - Codex → 寫
AGENTS.md - Gemini CLI → 寫
GEMINI.md - goose / OpenCode → 看各自的設定
寫進去 3 件事：「你的個性 / 偏好的 code style / 不能做的事」。再跑一個任務，觀察行為差異。
動手練習 CLI-3：第二個 CLI 並用¶
裝第二個 CLI（建議 Codex 或 OpenCode 當 backup）。用同一個 prompt 跑，比較輸出風格、速度、cost。不是要選一個贏家——是要學「不同 CLI 解同一個問題的角度不同」。
動手練習 CLI-4：認證細節¶
故意把 API key 弄錯一個字元，看 CLI 怎麼報錯。再做一次「正確 key 但 model 名稱錯」的實驗。Production 用一定會遇到 auth 問題，先在這裡踩過。
🎯 精選 Projects¶
按用途分 2 類、9 個項目一張表搞定。挑入口看「適合誰」、想深入細節（強弱項、推薦場景、實用搭配）→ resources/cli-agents-guide.md。
| 分類 | Project | ⭐ | 適合誰 | 為什麼推薦 / 備註 |
|---|---|---|---|---|
| 7 個主流 CLI agent | anthropics/claude-code | ⭐⭐⭐⭐⭐ | 第一個 CLI agent 首選 | 內建 SKILL / plugin 生態、CLAUDE.md prompt 系統、最完整的中文社群資源（★ 120k+） |
| openai/codex | ⭐⭐⭐⭐⭐ | 已訂 ChatGPT Plus / Pro 的人 | 用同一帳號就能在終端機跑（★ 80k+） | |
| sst/opencode | ⭐⭐⭐⭐⭐ | 要 self-host / 不想 vendor lock-in | 開源、不綁 LLM provider、社群迭代最快（★ 155k+） | |
| google-gemini/gemini-cli | ⭐⭐⭐⭐ | 處理大 codebase / 大 PDF | 1M token 長 context（★ 103k+） | |
| block/goose | ⭐⭐⭐⭐ | 想用既有 Claude/ChatGPT/Gemini 訂閱 + Ollama 本機 | 15+ provider 支援（含 Ollama），★ 43k+。已遷至 aaif-goose/goose（AAIF / Linux Foundation） |
|
| Aider-AI/aider | ⭐⭐⭐⭐⭐ | 要寫 code、想要 git 流程乾淨 | git-native、自動 commit / branch（★ 44k+） | |
| NousResearch/hermes-agent | ⭐⭐⭐⭐⭐ | 想要 cloud-deployed agent（Telegram / Discord / Slack 介面）+ 中文 LLM 生態 | 自動演化型 agent、200+ provider routing、含 GLM / Kimi / 小米 MiMo / MiniMax、內建 cron + skill 自動演化迴圈（★ 數據截至 2026-05；以官方 GitHub 為準）。⚠️ 自動演化 skill 是實驗性功能、缺第三方獨立審計、production 用前請自行驗證安全性與維護狀態、先在低風險場景試 | |
| 進階：互補工具 （不是 CLI、但常搭配） |
LM Studio | ⭐⭐⭐ | Windows / Mac 不想學 command line、想跑本機 LLM | 非開源 desktop app、拖拉介面跑本地 LLM |
| Ollama | ⭐⭐⭐⭐⭐ | 想本機跑 LLM 給 CLI agent 用 | 本地 LLM runner、跟 OpenCode / goose 搭配（★ 170k+）。詳見 Stage 1 — Local LLM 執行 |
💡 建議入手路徑：第一個 CLI 選 Claude Code（生態最完整）→ 試裝第二個（Codex / OpenCode）感受風格差異 → 想跑本機就加 Ollama → 想 cloud-deployed 跨平台用 Hermes Agent。
✅ 進 A2 前的自我檢查¶
你能不能：
- [ ] 講得出 7 個主流 CLI 的核心差別（不查表就答得出 3-4 個）
- [ ] 你已經選定一個主用 CLI，並有 working setup（裝好、認證好、跑過至少 5 個非 hello-world 任務）
- [ ] 寫過你自己的 CLAUDE.md / AGENTS.md / GEMINI.md
- [ ] 至少跑過第二個 CLI 一次，知道兩個的風格差異
如果可以 → 進 A2 — CLI Workflow Patterns。
如果不行 → 別跳。CLI 工具會用得 sloppy 不會用得 productive；A1 的 動手練習 CLI-1/2 至少各跑 3 次再走。
💡 給 Track A 學習者的提醒¶
CLI agent 跟 web 版（Claude.ai / ChatGPT）的差別不是「一樣的東西換介面」——CLI 能讀寫你電腦上的檔案、執行 shell 指令、改 git。這個能力差異先了解再用：
- 第一週：每個任務都加 --dry-run 或先 review 計畫再執行
- 不要直接讓 CLI 對 production codebase 做 commit
- 重要資料（key、合約、病歷）放在 .cursorignore / .claudeignore 排除