嘗試利用 AI 快速學習一個領域的基本知識，此學習紀錄來自於學習後的收穫整理。
一、起點：CLI 與 GUI 是兩種不同的「人機溝通哲學」
GUI 的本質貢獻，不是「把東西變漂亮」，而是把記憶（recall）轉成辨識（recognition）。螢幕上充滿視覺 cue，人可以用真實世界的直覺理解電腦，所以學習成本低、上手快。
CLI 剛好相反：沒有 cue，只能靠記憶。discoverability 極低，難以試錯學習。這是它的弱點。
但 GUI 有一個根本限制：操作是孤立的。每一個點擊都是一次性的人工動作，難以把「一連串操作」轉成「可重複執行的規則」。規模化、自動化在 GUI 下幾乎不可能。
CLI 要求使用者具備一種能力：把複雜問題拆成可組合的步驟，並用結構化方式描述。這聽起來是缺點（門檻高），但其實是它的核心優勢——因為「可描述」就代表「可自動化」，CLI 是機器可以直接操作的介面。
二、Shell 的運作鏈路：一條指令的生命週期
理解 CLI，必須先搞清楚幾個常被混淆的角色：
- Terminal：負責輸入與顯示的視窗介面
- Shell：理解指令並執行的解譯器（bash、zsh、PowerShell）
- Kernel：OS 核心，分配資源、建立 process
- Process：實際執行工作的程式
完整鏈路：
```
[鍵盤輸入]
→ Terminal 接收輸入
→ Shell 解析語法（指令、參數、pipe、redirect）
→ Shell 請 Kernel 建立 process
→ Kernel 分配資源（記憶體、stdin/stdout/stderr、pipe）
→ Process 執行工作
→ 正常輸出 → stdout → Terminal 顯示
→ 錯誤訊息 → stderr
→ 若有 pipe，stdout 流入下一個 process 的 stdin
```
三條資料流的設計意義
stdin / stdout / stderr 把資料流**分流**，讓每條流可以被獨立控制與重組。這是 pipe 能運作的基礎。
更關鍵的是「流」這個概念本身：stdout **一邊輸出、下游一邊處理**，不需要等全部完成才交付。這就是 streaming 思維——不要求「先完成再交付」，允許資料持續流動、持續處理。
> streaming 能處理無限流：log tailing、event processing、pipeline、agent tool chaining 都依賴這個設計。低延遲、可擴展、可組合。
對比「回傳式」：若全部處理完再輸出，中間資料需要存到 memory/temp，產生延遲，也限制了可擴展性。
三、Unix 哲學：可組合性是 CLI 的靈魂
Unix 哲學的核心是「**做好一件事**」——每個工具只負責一件事，然後透過 pipe 組合。
**有 pipe 的世界：**
```bash
cat access.log | grep 404 | sort | uniq | wc -l
```
**沒有 pipe 的世界：**
```bash
cat access.log > temp1.txt
grep 404 < temp1.txt > temp2.txt
sort < temp2.txt > temp3.txt
uniq < temp3.txt > temp4.txt
wc -l < temp4.txt
```
差異不只是「簡潔」，而是有無中間狀態。有 pipe 的版本，資料在流動中被處理，不需要暫存檔，也不需要等待每一步完成。
四、CLI 作為程式介面：exit code 與 machine-readable output
CLI 不只是給人打的，它本質上也是程式呼叫程式的介面。
CLI vs REST API 的本質對應
| 概念 | CLI | REST API |
| 呼叫方式 | `command` | HTTP request |
| 參數 | flags / arguments | query / body |
| 回傳狀態 | exit code | HTTP status code |
| 回傳資料 | stdout / JSON | JSON response |
| 執行位置 | 本機 | 遠端伺服器 |
| 通訊方式 | process call | network (HTTP) |
| 並發能力 | 低（開 process） | 高（server） |
| 狀態管理 | 通常無狀態 | 可有 session / state |
**Exit code** 用數字而非文字，是因為程式間溝通不需要「語意」，只需要「判斷」。`0 = 成功`，`非 0 = 某種失敗`，下游程式直接用數字做 branch，不需要解析文字。
**--json 輸出**的出現，是因為下游消費者（腳本、Agent）需要結構化資料，而不是給人看的文字。
五、AI Agent 為什麼天然選擇 CLI
### LLM + CLI 的天然契合
LLM 輸入輸出都是文字，CLI 的輸入輸出也都是文字。更關鍵的是，CLI 提供了：
- 確定性：相同指令總是相同行為
- 可組合性：小工具自由串接，Agent 不需要為每個任務特製工具
- 結構化回饋：exit code 判斷成敗，stdout 解析結果，stderr 做 debug
- 低頻寬：純文字，不需要看懂螢幕、移動滑鼠、等待渲染
Reasoning Layer（LLM) : 語意理解、模糊判斷、策略規劃
Deterministic Layer（CLI/Script) : 穩定執行、可重複、可驗證
總結
```
人機溝通的本質
├── GUI：辨識 > 記憶，操作孤立，難以自動化
└── CLI：可描述 = 可自動化，機器可直接操作的介面
│
▼
Shell 執行鏈路
Terminal → Shell → Kernel → Process
│
▼
三條資料流 stdin / stdout / stderr
→ streaming 思維（持續流動、持續處理）
│
▼
Unix 哲學：可組合性
Pipe 串接工具，不需中間狀態
│
▼
CLI 作為程式介面
exit code + JSON output = machine-readable API
│
▼
AI Agent 時代的 CLI
Reasoning Layer（LLM）+ Deterministic Layer（CLI）
Use code for rules, use LLM for judgment.
```
