前言¶
用大模型干活时，一个常见浪费是：让贵的模型先设计方案，然后又让同一个贵的模型去逐字填充内容、批量生成文件。前一步需要的是判断力，后一步需要的只是执行力，两者按同一 token 价格计费并不划算。
agent调用cli 这个 Skill 处理的就是后一步：方案已经定好之后，把内容填充、扩写、批量文件生成这类 token 密集的执行任务，转交给本地已经装好的外部 CLI 代理去跑，比如 opencode、claude/claudecode、qwen、gemini、codex，或者其他模型 CLI。
这是什么¶
一句话定位：一个用于「编排外部本地 CLI 代理」的 Agent Skill，让高成本模型负责规划，让低成本或本地 CLI 负责执行。
以下是基本归属与元信息，均来自其 SkillHub 页面：
- 名称：agent调用cli
- 坐标：
@user_b51927e1/cli-agent-orchestrator - 版本：0.1.0
- 来源：community
- 分类：ai-agent
- 发布者：user_b51927e1
- 标签：
requires_api_key=false - 页面评分 100000，下载 523，安装 0
它属于通用 SKILL.md 格式的 Skill，不是独立软件。
核心功能¶
根据官方简介，它覆盖的能力可以归为三组。
第一组是任务委派。在高成本模型已经设计好计划或框架之后，把后续的 token 密集型执行交给外部 CLI 代理，包括内容起草、扩写、补全、批量生成文件、批量提示词执行等。
第二组是外部代理管理。涉及并发控制、执行结果校验、运行报告、模型披露，以及 CLI 安装检查。这里的模型披露指的是在产物或报告中说明实际参与执行的是哪个模型/CLI，避免执行来源不透明。
第三组是环境前提检查。在真正委派之前先确认目标 CLI 是否已经安装可用，减少任务跑到一半才发现依赖缺失的情况。
需要注意，官方简介把它定位为「delegate」和「manage」层，不负责方案设计本身。规划仍然由主模型完成，Skill 只处理执行侧的调度。
安装与启用¶
官方页面给出了坐标，但没有在可核实的范围内提供安装命令或配置字段。因此这里不臆造命令。
按 SkillHub 的通用约定，使用坐标 @user_b51927e1/cli-agent-orchestrator 即可定位并安装该 Skill。安装后在支持 SKILL.md 的 Agent 环境中启用，启用方式遵循宿主 Agent 自身的 Skill 加载机制。
有几点需要如实说明：
- 官方资料中没有给出针对 Cursor、Codex CLI、Claude Code 的差异化安装说明，本文不作推测。
- 页面标签为
requires_api_key=false，含义是该 Skill 本身不强制要求额外 API Key；但被委派的本地 CLI 代理是否需要 Key，取决于那个 CLI 自身的配置。 - 该 Skill 依赖外部 CLI 已存在于本机，属于前置条件，不是 Skill 安装时自动完成的。
典型用法¶
官方简介描述的可复现流程如下，这是理解其工作方式的最直接依据。
1、先由高成本模型产出计划或框架，明确要生成什么内容、分成哪些文件、每部分的约束。
2、运行 CLI 安装检查，确认 opencode、claudecode、qwen、gemini、codex 中至少有一个可用。
3、按计划把执行任务分批委派给选定的 CLI 代理，并发度由 Skill 统一控制。
4、对 CLI 返回的结果做校验，生成运行报告，并在报告中披露实际使用的模型/CLI。
下面这个伪代码块示意第 3、4 步的数据流向，不是官方提供的可执行脚本：
plan = high_cost_model.design(task) # 步骤 1
cli = check_installed() # 步骤 2
results = delegate_batched(plan, cli) # 步骤 3
report = validate_and_disclose(results) # 步骤 4
它的典型用法不是「一句话生成一篇文章」，而是「方案已定，剩下交给便宜的执行方批量填充」。
适用场景与注意¶
适合的场景：
- 方案设计完成后，需要批量生成文件或批量执行提示词，token 消耗大。
- 希望用本地已装的更便宜模型 CLI 承担重复性执行工作。
- 需要对执行过程做并发控制、结果校验和报告留痕。
- 需要在产物中明确说明执行来源，做到模型披露。
需要注意的限制：
- 版本为 0.1.0，属于早期版本，行为可能随后续更新变化。
- 安装数为 0，说明目前采用者很少，缺少公开的社区验证案例，本文不引用任何用户反馈。
- 它只负责委派与管理，不保证被委派 CLI 的质量；执行效果取决于所选模型 CLI 本身的能力。
- 前置依赖是本地必须已装好目标 CLI，环境准备不到位时整个流程无法启动。
- 评分 100000 与下载 523 这两个数字来自 SkillHub 页面，属平台展示数据，不构成质量判断依据。
结尾¶
这个 Skill 的价值在于把「规划」和「执行」分开计价：贵的模型负责想清楚，本地或便宜的 CLI 负责做出来。在批量内容生成、多文件产出这类 token 密集场景下，这种分工能直接降低成本。
官方地址：https://api.skillhub.cn/user_b51927e1/cli-agent-orchestrator
SkillHub 页面：https://www.skillhub.cn/skills/user_b51927e1/cli-agent-orchestrator
