音乐CLI排行榜：Agent时代最佳找歌工具

试想两个生活片段。

深夜，你正心流爆棚地写代码，想换首BGM。以往的操作路径是：手离开键盘，切换到手机或桌面客户端，滑动推荐列表，三首都提不起兴致，思路断了，算了随便来一首。现在的方式：在聊天框里自然发一句「帮我找几首适合深夜写代码的音乐」，AI完成处理后，背景音无缝切换，还附带一句推荐理由——你甚至没离开代码编辑器。

另一个例子：在飞书写了大半天文档，想看看照片放松双眼。直接在飞书发送「用我的红心歌单为我生成一个照片墙」，结果瞬间生成。这就是 ncm-cli 搭配 OpenClaw 在当前阶段能提供的体验。

从“选歌焦虑”到即时响应：OpenClaw如何破解模糊需求

OpenClaw 代表了一种Agent交互范式的转折点：AI不再局限于浏览器内的对话框，它能成为你即时通讯工具里随时待命的执行体，在你本地的操作系统上完成真实操作。

我们判断，在这个框架下，音乐场景是最佳验证范式。原因很简单：「不知道听什么」是日常中最典型的模糊意图——你并非要搜索某首具体曲目，而是渴望获得「匹配当前心境的旋律」。这种模糊性正是AI的强项，传统搜索界面反而显得笨拙。同时，音乐操作存在天然属性：输入与输出分离。你用手机发指令（输入），电脑播放音乐（输出）。OpenClaw 的跨设备特性与这个场景简直是天作之合。

工具形态决策：为何选择CLI而非App或插件

确定方向后，首个问题是：做成何种形态？App不可取——需要维护UI，迭代繁重，与AI Agent集成反而多绕弯路。插件或SDK则受限于特定平台，更换Agent就得重写。

我们最终选择了CLI。这一判断基于一个直白的逻辑：CLI命令是AI Agent最自然的功能调用形式。一条 ncm-cli play --song xxx 的指令，无论对Claude、OpenClaw内置的AI，还是其他Agent框架，调用方式完全一致。CLI本身不依赖任何AI框架，它只是一个可以被任何系统调用的原子工具。

同时，CLI保留了「直接操作」的可能性——手动键入命令、Shell脚本集成、自动化流水线，均可实现。基于这一形态，我们设计了两套Skill来深度融入Agent：

netease-music-cli —— 针对「我知道要听什么」的场景。搜索、播放、队列控制、歌单管理，直截了当。这套Skill有一个精妙设计：我们并未在Skill定义中枚举所有命令，而是允许AI通过 --help 自行渐进式探索。AI接到任务后，会先执行 ncm-cli --help 查看顶层命令，再根据需要深入子命令查看参数，最后执行。整个过程与人第一次使用新CLI的探索方式如出一辙。

这一设计带来两个优势：一是Skill定义本身无需随命令变更而更新；二是与后续的动态命令系统形成自然协同——服务端新下发指令，AI下次即可通过 --help 发现并使用，整条链路无须人工介入。

netease-music-assistant —— 面向「我不知道听什么」的场景。它会先读取你的红心歌曲库，分析你的偏好（曲风、情绪、时间段习惯），然后制定多维度搜索策略，从歌单、专辑、单曲多个维度混合推荐，每条结果附带个性化推荐理由，并自动去重（避免重复推荐你已收藏或近期推荐过的内容）。两个Skill的分工非常清晰：前者负责执行，后者负责决策。

核心实现细节

ncm-cli 提供三种使用模式：

• AI Agent 集成（推荐）：自然语言操控，智能推荐，手机端指挥
• CLI 命令行：脚本嵌入，精准控制
• TUI：终端播放器的沉浸式体验

命令体系：基于AI“原子操作”而非功能按钮设计

命令覆盖范围的选择，我们并未从「用户会点击哪些界面按钮」出发，而是从「AI完成一个音乐任务需要哪些原子操作」出发。

AI处理请求，本质上是一个多步推理加执行的过程。以「帮我播放一首适合现在心情的歌曲」为例，AI需要依次完成：

围绕这个流程，我们将命令划分为几个层次：

• 感知层：执行前先获取当前状态，避免盲目操作（state、queue）
• 发现层：寻找候选内容（search、recommend daily/fm/heartbeat）
• 用户画像层：理解用户偏好，辅助个性化决策（user favorite、user history、user listen-ranking）
• 执行层：实际的播放控制（play、pause、next、seek、volume）
• 管理层：持久化操作，帮助用户整理收藏（playlist create/add/remove、song like）

此外值得提及：所有命令默认输出JSON格式，稳定可靠，AI可直接解析，无需额外文本处理。

动态命令机制：让CLI保持“活性”

传统CLI有一个固有局限：命令是编译进代码的，新增功能必须改代码、发版、等待用户升级，整条链路冗长。

ncm-cli 引入了一套动态命令系统，核心理念是：将命令的定义从代码中移至服务端。

传统CLI的版本更新链路：

动态命令的更新流程：

CLI启动时，向服务端发送一次同步请求，告知「本地已缓存了哪些命令的哪个版本」。服务端仅返回有变化的部分，CLI利用这些增量数据在本地重建命令树。

效果是：业务团队可以独立地添加、修改或下线命令，用户无需升级客户端，下次启动即可使用新功能。CLI从一个静态工具转变为一个持续演化的命令执行引擎。

播放模式设计

播放后端支持两种方案：

• 内置播放器（mpv）：跨平台支持，macOS/Linux/Windows均可用。即使未安装网易云音乐桌面客户端，也能直接播放。

• 网易云音乐桌面客户端：这种模式带来独特体验——AI操控的不是一个独立的播放进程，而是你已安装的网易云音乐App本身。

  技术实现上，ncm-cli 通过 orpheus:// URL Scheme 向客户端发送指令，客户端后台常驻进程监听并响应。若App未运行，则自动启动。

  这意味着：你对AI说「帮我播放林俊杰的曹操专辑」，打开的是完整的网易云音乐界面——专辑封面、歌词、音质、红心、社交……全套App体验，只是控制方式从点击变成了自然语言。

  App并未被取代，而是获得了一个全新的控制界面。

TUI播放器是我们较为得意的功能之一——黑胶旋转动画、卡拉OK风格歌词同步、场景切换，在终端里展现出独特的仪式感。

TUI有一个值得一提的特性：它可以与CLI命令同时运行。TUI运行时，你仍可在另一个终端执行 ncm-cli next、ncm-cli volume 80，TUI界面会实时响应。这对AI Agent来说尤为自然——Agent发出的指令与人在TUI中的操作是完全对等的。

快速上手指南

首先，安装 ncm-cli：

npm install -g @music163/ncm-cli

前往 网易云音乐开放平台 完成入驻并获取API凭证，然后运行配置向导：

ncm-cli configure

接下来即可开始使用。以下是几种操作方式：

方式一：通过OpenClaw

安装OpenClaw并关联你的飞书等IM工具，然后安装我们提供的skill（github.com/NetEase/ski… ），之后你就可以随时通过手机控制电脑上的音乐播放。

这种方式最适合日常使用：无需打开终端，无需记忆命令，通过IM发送消息即可。

一个有趣的例子：你在飞书发送「用我的红心歌单帮我生成一个照片墙」。

这个请求看起来与音乐播放无关，但它展示了Agent模式更广阔的想象空间——

ncm-cli在这里不仅是播放工具，更是音乐数据的结构化接口。Agent获取这些数据后，可以做任何事——生成图片、撰写报告、分析偏好、发送邮件，取决于你的创造力和Agent能调用的其他工具。

这正体现了CLI作为Agent工具的核心价值：一个专注、稳定的数据与控制接口，Agent来决策如何使用。

方式二：集成Claude Code Skills

npx skills add https://github.com/NetEase/skills

安装后，直接与Claude Code对话：

> 帮我推荐几首适合专注的纯音乐
> 播放我最近听的歌单
> 下一曲
> 把这首歌加入红心

方式三：直接使用CLI

npm install -g @music163/ncm-cli
ncm-cli configure  # 配置凭证
ncm-cli login      # 扫码登录
ncm-cli tui        # 启动 TUI 播放器
...

期待你的反馈

做这件事的初衷极为朴素：「合适的」音乐应当更容易「被找到」，而不是每次都在推荐算法的摇摆与自己的选择困难中挣扎。AI Agent提供了一个新的可能性——用自然语言描述当下的状态，让AI替你完成决策。

ncm-cli 是我们探索这一方向的起点，还有很多需要打磨的地方。

几个问题想听听各位的看法：

• 你日常听歌的「痛点」是什么？是发现新歌难，还是管理歌单繁琐，或是其他？
• 如果AI能更主动地介入你的听歌体验（例如感知你的状态、主动推荐），你希望它如何做，又不希望它如何做？
• 如果你有技术背景，是否有想贡献的方向？

欢迎在评论区讨论，也欢迎到GitHub提交issue。

来源：互联网