深度解析：为何 2026 年 AI Agent 更适合 Heredoc 而非 REPL 交互

随着“CLI Is All You Need”成为 AI Agent 领域的共识，命令行界面（CLI）已成为连接 Agent 与复杂软件的标准接口。然而，传统的 REPL（交互式解释器）模式迫使 Agent 像人类一样逐步执行短命令、读取结果并决策，导致复杂任务中出现大量的模型调用往返、上下文开销和等待时间。本文提出了一种优化思路：仍以 CLI 为入口，但采用代码（如 JavaScript）作为实际操作接口。实验项目 ego-browser 对比了 Heredoc（一次性代码块执行）与 REPL 两种模式。结果显示，虽然表达能力相似，但受训练数据分布影响，模型在 Heredoc 模式下倾向于生成包含完整控制流和循环判断的脚本，交由本地环境一次性执行；而在 REPL 中则倾向于分步试探。基于 Codex SDK 的四类真实浏览器任务测试表明，Heredoc 模式下的平均耗时降低了 35.0%，工具调用次数减少 35.5%，Token 消耗减少 29.8%，平均成本降低了 21.6%。这一发现为 2026 年的 Agent 基础设施建设提供了重要参考，即利用模型生成脚本的概率本能，将计算密集型任务下沉至代码层，而非反复消耗模型推理能力。

事件分析

💡 核心观点：将控制流从模型推理下沉至代码执行，是当前 AI Agent 降低成本与延迟的必经之路，Heredoc 模式更符合模型生成脚本的概率本能。