全是 Web 没 CLI 怎么行：一次把 StarAgent WebTerminal 改造成

来源类型： 微信公众号文章
日期： 2026-06-02
标签： AI, 记忆系统, 办公效率, 网络安全, 编程, 芯片, 大模型
原文链接： https://mp.weixin.qq.com/s/5qwjuSZmENMovuEStczQEg

摘要

阿里妹导读全是 Web，没有 CLI，怎么行？Agent 都会写代码了，远程排障还要人肉点网页、复制命令、盯滚动条，这画面多少有点“地铁老人看手机.jpg”。本文记录一次围绕 StarAgent/Drogo WebTerminal 的工具化实践：我们没有把 GPU hang、core dump 调试等场景固化成一个个“祖传脚本套件”，而是把 WebTerminal 抽象成稳定的 CLI 执行面，再用 Skill 描述操作方法。Agent 在任务中动态生成命令、读取结果、继续决策，最终完成远程 GPU hang 分析、文件上传下载、以及 Emacs + eshell + gdb 的交互式 c...

核心内容

阿里妹导读

全是 Web，没有 CLI，怎么行？Agent 都会写代码了，远程排障还要人肉点网页、复制命令、盯滚动条，这画面多少有点“地铁老人看手机.jpg”。本文记录一次围绕 StarAgent/Drogo WebTerminal 的工具化实践：我们没有把 GPU hang、core dump 调试等场景固化成一个个“祖传脚本套件”，而是把 WebTerminal 抽象成稳定的 CLI 执行面，再用 Skill 描述操作方法。Agent 在任务中动态生成命令、读取结果、继续决策，最终完成远程 GPU hang 分析、文件上传下载、以及 Emacs + eshell + gdb 的交互式 coredump 调试验收。

插播：我对 Skill 的态度很朴素：Skill 不是法器，不是咒语，也不是“复制进去 Agent 就突然开悟”的玄学符纸。Skill 本质上就是说明书，是贴在工具箱盖子上的那张“先拧这个、再接那个、别把手伸进风扇里”的操作指南。真正能把活干成的，必须是 CLI：参数清楚、行为稳定、输出可解析、错误可复现、证据能落盘。所以这套东西的核心不是“写一个很长的 Skill 让 Agent 背下来”，而是把能制度化的都制度化，把能流程化的都流程化，把以前靠老师傅手感、群里口口相传、网页上点点点的部分，全部压进 wt 这种可执行接口里。Skill 只负责告诉 Agent：什么时候该登录、什么时候该 run、什么时候该 interact、什么时候该停手问人。至于真正挥锤子的活，必须交给 CLI。否则就是让 Agent 看着说明书徒手修发动机，场面很感人，结果很危险。（文章内容基于作者个人技术实践与独立思考，旨在分享经验，仅代表个人观点。）

WebTerminal 黑屏模式补充说明

号外号外，重大更新：
WebTerminal 终于可以像 SSH/SCP 一样用了
这轮最核心的新能力很直接：新增wsh/wcp，把 WebTerminal 从“打开浏览器点来点去”推进到“直接黑屏操作”。用户可以手动上去敲 shell，程序也可以直接调用命令；传文件也不再靠页面弹窗，而是走 wcp ，用法尽量贴近 ssh / scp 的肌肉记忆。感谢@先濠提供的多屏多容器支持，这让 session -> container -> role -> host 这条链路终于能落到比较完整的模型里，而不是只盯着一个默认页面硬猜。也感谢和@思潜的交流。聊完之后思路突然变得很明确：既然目标是让 WebTerminal 更像原生终端，那就别老想着再包一层 CLI 了，干脆往native terminal 化继续推，连 CLI 味儿都尽量去掉。
核心用法
先通过浏览器完成一次官方登录，把 cookie 缓存下来：
-
-
-
-
-
$ ./bin/wt auth login --target-ip x.y.z.wwt: waiting for browser login cookies; finish login in the opened browserauthenticated: Trueuser: defaultsource: browser之后就可以直接黑屏进 shell，或者把它当成可编程的远程命令执行入口：
-
-
-
-
-
$ ./bin/wsh x.y.z.wattached direct: x.y.z.w$ ./bin/wsh x.y.z.w -- 'hostname; pwd'hippo-033126067104.na175/home/admin/hippo/worker/slave/drogo-share_worker-h20-na175.worker-h20-na175_11_33/main文件传输也直接走wcp：
-
-
-
-
$ ./bin/wcp /tmp/wcp-demo.txt x.y.z.w:/tmp/wcp-demo.txt --forceuploaded: /tmp/wcp-demo.txt -> /tmp/wcp-demo.txt$ ./bin/wcp x.y.z.w:/tmp/wcp-demo.txt /tmp/wcp-demo.down.txt --forcedownloaded: /tmp/wcp-demo.txt -> /tmp/wcp-demo.down.txt
这次补上的关键体验
认证只需要浏览器进一次门，后续操作复用 auth cache。默认 cache 在~/.drogo-webterminal-helper/direct/default.auth.json，wsh/wcp会直接复用；如果换机器，也可以把这个 cache 拷过去继续用。shell 终于像个正常终端。exit不再卡死，远端 EOF / closed / reset 会正确退出；本地 terminal 的 rows / cols 会同步给 WebTerminal，窗口 resize 后也会继续同步，不再是一个小得离谱的假 shell。浏览器模式还保留，但不再是主路径。wtsh/wtcp --transport browser仍然可以作为兜底；默认使用 direct HTTP/WebSocket 做黑屏操作。
一点遗憾
纯黑屏登录暂时没有硬上。阿里 SSO 的 HTTP 登录链路会进入 RSA、风控、账号安全检查，继续硬怼收益不高，还容易把账号搞进风险提示。所以当前最稳的路线是：浏览器负责合规授权，真正干活走黑屏 shell。不算 100 分的“全黑屏”，但已经把最高频、最烦、最容易误操作的部分从网页里拽出来了。
以下是 V1 内容

前言：先把仓库拍你脸上
代码仓库在这里：foundation_models/webterminal-cli。先说结论：如果你也受够了“打开网页、点登录、复制命令、盯输出、再复制下一条”的人工智障流水线，那这个仓库就是给你准备的。它不负责让 WebTerminal 变得更漂亮，它负责让 WebTerminal 终于长出 CLI。是的，2026 年了，我们还在为“能不能别用手点网页”而奋斗，听起来很离谱，但工位现实就是这么朴素又残酷。这玩意儿的目标也很直接：让 Codex / Cursor / Claude Code 这类 Agent 不再隔着 DOM 猜命，而是通过wt像普通 shell 一样控制远端。能跑命令，能传文件，能开 gdb，能一条条交互，能把证据落盘。少一点“我好像看到了”，多一点“日志在这，别装死”。仓库欢迎试用、拍砖、提 MR，尤其欢迎那些一边骂“tmd 怎么全是 Web”，一边还能把工具补上的同学。
背景：Agent 要的不是另一个网页按钮，它要手脚
最近很多 AI Coding / Agent 实践都会落到同一个问题：模型会想、会写代码，甚至能一本正经地给你写 800 行设计文档；但真正接入企业内部系统时，经常卡在“可执行接口”上。它脑子很大，手却被绑在网页按钮上。远程机器排障就是典型场景。人可以打开 WebTerminal，点击登录，输入命令，看输出，再决定下

...(内容截断，完整内容请查看原文)

本页由自动化脚本生成，待人工审核补充