音樂應該“更好找”：我們為什么在 Agent 時代做了一個音樂 CLI

從兩個場景說起

第一個場景：深夜vibe coding，想換首歌。

往常的流程是：手從鍵盤移開，切到手機App / 桌面App，刷一下推薦，三首都不對感覺，思路斷了，算了隨便放著。現在的流程是：在對話框里順手發一句「幫我找幾首適合深夜寫代碼的音樂」，AI 處理完，BGM 切了，附了一句推薦理由，你甚至沒有離開編輯器。

第二個場景：用飛書辦公了半天，想看看照片讓眼睛放松下。

直接在飛書發一句「用我的紅心歌單幫我生成一個照片墻」。于是出現下圖。

這就是ncm-cli 加上 OpenClaw 今天能做到的事。

“不知道聽什么”一直是個痛點，直到OpenClaw 出現

如大家所知，OpenClaw 代表著 Agent 交互方式的一個轉折點：AI 不再只是瀏覽器里的對話界面，它可以是你 IM 里隨時響應的助手，在你的機器上執行真實的操作。

我們意識到，在這個背景下，音樂是一個非常適合驗證這個范式的場景

為什么？因為「不知道聽什么」是我們日常遇到最典型的模糊意圖之一——你不是想搜索某首具體的歌，你想要的是「適合現在這個狀態的音樂」。這種模糊意圖，正是 AI 擅長處理的，用傳統搜索界面反而別扭。

而且音樂操作有一個天然的特點：輸入和輸出分離。你用手機發消息（輸入），電腦放音樂（輸出）。OpenClaw 的跨設備特性和這個場景完美契合。

我們是怎么思考工具形態的

確定這件事值得做之后，第一個問題是：做成什么形態？

App 不合適——要維護 UI，更新重，和 AI Agent 集成反而繞了一圈。插件或 SDK 依賴特定平臺，換一個 Agent 就要重做。

我們選擇了CLI。

這個判斷背后有一個很直接的邏輯：CLI 命令是 AI Agent 最天然的工具調用形式。一個ncm-cli play --song xxx的命令，對Claude、OpenClaw 里的 AI、或者任何其他 Agent 框架來說，調用方式完全一樣。CLI 本身不依賴任何 AI 框架，它就是一個能被任何東西調用的原子工具。

同時，CLI 也保留了「直接用」的可能性——人工輸入命令、Shell 腳本集成、自動化流水線，都沒問題。

基于這個形態，我們還設計了兩個Skill去真正的融入到Agent中：

netease-music-cli—— 適合「我知道要聽什么」的場景。搜歌、播放、控制隊列、管理歌單，直來直去。

這個Skill 有一個有意思的設計：我們沒有在Skill 定義里枚舉所有命令，而是讓 AI 自己通過--help去漸進式發現。

AI 拿到任務后，會先執行ncm-cli --help看頂層有什么，再根據需要鉆進具體子命令查參數，最后再執行。整個過程和人第一次用一個新CLI 工具的探索方式完全一樣。

這個設計有兩個好處：一是Skill 定義本身不需要隨命令的增減而更新；二是和后面將要介紹的動態命令系統形成了自然的協同——服務端新下發了一個命令，AI 下次就能通過--help發現并使用它，整條鏈路都不需要人工介入。

netease-music-assistant—— 適合「我不知道聽什么」的場景。它會先讀取你的紅心歌曲，分析你的偏好（曲風、情緒、時間段習慣），然后制定多維度搜索策略，從歌單、專輯、單曲多個維度混合推薦，每條結果都附帶個性化的推薦理由，還會自動去重（不重復推薦你已經收藏或近期推薦過的內容）。

兩個Skill 的分工很清晰：前者是執行層，后者是決策層。

我們做了什么

ncm-cli 支持三種使用方式：

命令設計：不是從按鈕出發，從AI“原子操作” 的視角出發

命令覆蓋范圍的選取，我們不是從「用戶會點哪些按鈕」出發，而是從「AI 完成一個音樂任務需要哪些原子操作」出發。

AI 處理一個請求，本質上是一個多步推理 + 執行的過程。以「幫我播放一首適合現在心情的歌」為例，AI 需要能做這些事：

圍繞這個流程，我們把命令分成了幾個層次：

另外有一個細節值得一提：所有命令默認輸出JSON，格式穩定，AI 可以直接解析，不需要做文本解析。

動態命令：讓CLI 保持「活」的

傳統CLI 有一個固有限制：命令是編譯進代碼的，新增一個功能，必須改代碼、發版、等用戶升級，整條鏈路很長。

ncm-cli 引入了一套動態命令系統，核心思想是：把命令的定義從代碼里移到服務端

傳統CLI的發版鏈路：

動態命令的更新流程：

CLI 啟動時，會向服務端發送一次同步請求，告知「我本地已經緩存了哪些命令的哪個版本」。服務端只返回有變化的部分，CLI 用這些增量數據在本地重建命令樹。

效果是：業務團隊可以獨立地添加、修改、下線命令，用戶不需要升級客戶端，下次啟動就能用到新功能。CLI 從一個靜態工具變成了一個持續生長的命令執行引擎。

播放形態

播放后端支持兩種：

內置播放器（mpv）：跨平臺，macOS/Linux/Windows 均可用。即使沒有安裝網易云音樂客戶端，也能直接播起來。

網易云音樂桌面客戶端：這個模式帶來了一種不同的體驗——AI 操控的不是一個獨立的播放進程，而是你已經安裝的那個 App 本身。技術上，ncm-cli 通過orpheus://URL Scheme 向客戶端發送指令，客戶端后臺常駐進程監聽并響應。App 沒有運行時會自動啟動。這意味著：你對 AI 說「幫我播放林俊杰的曹操專輯」，打開的是完整的網易云音樂界面——專輯封面、歌詞、音質、紅心、社交……全套 App 體驗，只是控制方式從點擊變成了自然語言。App 沒有被取代，它獲得了一個新的控制界面。

TUI 播放器是我們比較喜歡的功能之一——黑膠旋轉動畫、卡拉 OK 風格歌詞同步、場景切換，在終端里有一種莫名的儀式感。

TUI 有一個值得一說的特性：它可以和CLI 命令同時工作。TUI 跑著的時候，你仍然可以在另一個終端執行ncm-cli next、ncm-cli volume 80，TUI 界面會實時響應。這對 AI Agent 來說尤為自然——Agent 發出的命令和人在 TUI 里的操作是完全對等的。

怎么用

詳細使用指南見：網易云音樂CLI 使用指南

首先你需要安裝ncm-cli:

npm install -g @music163/ncm-cli

前往網易云音樂開放平臺完成入駐并獲取API 憑證，然后運行配置向導：

ncm-cli configure

接下來就可以使用了。有多種使用方式：

方式一：OpenClaw

詳細教程見：OpenClaw ncm-cli 快速上手指南

安裝OpenClaw 并連接你的飛書等IM軟件，然后安裝我們提供的skill：https://github.com/NetEase/skills，之后你就可以從手機隨時控制電腦上的音樂播放。

這種方式最適合日常使用：不需要打開終端，不需要記命令，用IM 發消息就好。

一個有趣的例子：你在飛書發一句「用我的紅心歌單幫我生成一個照片墻」。

這個請求看起來和音樂播放沒什么關系，但它展示了Agent 模式更大的想象空間——

ncm-cli 在這里不只是播放工具，而是音樂數據的結構化接口。Agent 拿到這些數據之后，可以做任何事——生成圖片、寫報告、分析偏好、發郵件，取決于你的想象力和 Agent 能調用的其他工具。

這是CLI 作為 Agent 工具的核心價值：一個專注、穩定的數據和控制接口，Agent 決定怎么用它

方式二：Claude Code Skills

npx skills add

https://github.com/NetEase/skills

安裝后，直接在Claude Code 對話：

> 幫我推薦幾首適合專注的純音樂

> 播放我最近聽的歌曲

> 下一首

> 把這首歌加到紅心

方式三：直接CLI

npm install -g @music/ncm-cli

ncm-cli configure # 配置憑證

ncm-cli login # 掃碼登錄

ncm-cli tui # 啟動 TUI 播放器

歡迎反饋

做這件事的初衷很簡單：「合適的」音樂應該更容易「被找到」，而不是每次都要在推薦算法和自己的猶豫之間拉鋸。AI Agent 提供了一個新的可能性——用自然語言表達當下的狀態，讓 AI 替你做決策。

ncm-cli 是我們探索這個方向的一個起點，還有很多沒做好的地方。

幾個問題想聽聽大家的想法：

你日常聽歌的「痛點」是什么？是找歌難，還是管理歌單煩，還是別的？

如果AI 能更主動地介入你的聽歌體驗（比如感知你的狀態、主動推薦），你希望它怎么做，又不希望它怎么做？

如果你有技術背景，有沒有想貢獻的方向？

歡迎在評論區聊，也歡迎到GitHub 提 issue。