PayPal工程师演示智能体与交互式CLI的适配挑战：从Barista 9000看终端交互设计
PayPal工程师Mark Lummus和Navinkumar Patil在AI Engineer频道分享了一场关于智能体（Agent）如何与交互式命令行界面（CLI）协作的工作坊。他们指出，智能体常因无法解析人类可读的终端提示而静默失败，并探讨了通过tmux会话、IPC侧信道和上下文注入等三种技术路径来解决这一问题，而非单纯依赖增加命令标志位。
在AI工程实践中，让智能体操作传统的交互式命令行界面（CLI）是一个常见痛点。人类用户能看到问题提示和箭头键选项，但智能体往往只看到屏幕重绘循环，从而丢失界面状态，导致任务静默失败。针对这一挑战，来自美国支付公司PayPal的工程师Mark Lummus和Navinkumar Patil在AI Engineer频道发布了一期工作坊视频，深入探讨了智能体与CLI交互的设计原则。
该工作坊以“Barista 9000”咖啡订购CLI为案例，要求参与者调整代码以使智能体能够成功下单。Lummus和Patil指出，传统的解决方案是增加更多的命令标志位（flags），但这仅在输入独立且路径预先已知时有效。当后续问题依赖于之前的答案或实时API响应时，标志位方法变得笨拙。他们强调，交互式工作流本身包含的指导、选择和护栏，应当被智能体所遵循，而不是绕过。
视频中介绍了三种主要的技术应对策略：一是使用tmux会话来发送按键并捕获终端状态；二是建立IPC（进程间通信）侧信道，暴露结构化JSON数据以避免屏幕抓取的不稳定性；三是进行上下文注入，使选项和约束对智能体显式可见。此外，Lummus还建议尝试成本较低的模型，而非依靠最大推理能力暴力破解任务。这场讨论对于正在构建需要操作遗留系统或复杂终端界面的AI智能体的开发者具有直接的参考价值。