无论你做不做非诉，你一定知道企查查。

只不过，非诉律师和企查查打交道更多一些，工商信息、司法风险、知识产权，每个项目基本上要查一遍。过去的用法是打开网页、输关键词、复制粘贴。

就是因为要猛猛干这种所谓的dirty work，会让不少低年级律师怀疑进入律师行业的意义。

2026年3月底，企查查上线了一个新东西：CLI工具。

这件事本身是件小事，但翻开史书会发现，历史这艘巨轮的转舵往往是从小事开始的。

CLI是什么

CLI，全称Command Line Interface，命令行界面。

我们日常用的软件——企查查APP、微信、Word——都是GUI，图形用户界面。GUI的逻辑：做个漂亮界面，用图标、按钮、菜单组织功能，你用眼睛找、鼠标点进去。

CLI不一样。没有页面，没有按钮。黑框框里输一行文字，敲回车，返回结果。

GUI像去银行窗口办业务，工作人员拿出表格引导你一步步填写；CLI像拿到了直通档案库的专线电话，直接说"给我查乐视公司的工商登记信息"，对方把数据打包发来。

GUI vs CLI 对比

更快，更直接，但得知道该怎么和电脑进行沟通。

CLI是AI的母语

GUI对人更友好，为什么还要做CLI？

因为CLI不是给人设计的，是给程序——和AI——设计的。

AI模型训练时读了海量资料：命令行手册、技术文档、Stack Overflow的问答、GitHub上的脚本。CLI这套语言，AI在训练阶段接触过几亿个例子，用起来像母语。让AI操作GUI，等于让它看着一张图猜功能在哪。效率低，还容易点错地方。

有个工具叫yt-dlp，用来下载视频。它的命令长这样：

yt-dlp -f "bestvideo[ext=mp4]+bestaudio[ext=m4a]/best[ext=mp4]/best" --merge-output-format mp4 --write-sub --sub-lang zh-Hans --embed-subs URL

下面是这行CLI命令各参数的详细拆解：

1. 格式选择 ( -f )

-f "bestvideo[ext=mp4]+bestaudio[ext=m4a]/best[ext=mp4]/best" 这是命令中最复杂的部分，它设定了一个优先级顺序：

第一优先级：下载画质最好的 MP4 格式视频 + 音质最好的 M4A 格式音频，然后把它们合并。

第二优先级 ( / )：如果找不到上述组合，则下载能找到的最好的单一 MP4 视频文件。

第三优先级 ( / )：如果连 MP4 都没，就下载能找到的最好的任何格式视频。

2. 合并容器 ( --merge-output-format mp4 )


ffmpeg

3. 字幕处理

--write-sub：确认下载字幕文件。

--sub-lang zh-Hans：指定只下载简体中文（ zh-Hans）字幕。如果该视频没有这个语言代码的字幕，这一项会跳过。


.mp4


.srt


.vtt

4. 结尾 ( URL )

这里填入你想要下载的视频链接（如 YouTube, Bilibili 等）。

大多数人看到这串东西，头都大了。

第一反应是关掉窗口。AI看到这个毫无压力——它见过无数这样的命令，每个参数什么意思、怎么组合，一清二楚，即使不清楚通过 --help 也可以查明。

CLI对普通人来说是一个较高的门槛，但对AI来说是精准的工具说明书。

企查查CLI同理。

qcc risk --help 列出十几个参数，律师不需要弄懂每一个。AI自己读、自己用，你只需要说"帮我查这家公司的司法风险"就够了。CLI的输出是干净的结构化数据，AI直接消化，不需要再去"翻译"页面上的视觉元素。

渐进式披露：CLI真正厉害的地方

再说一个概念：渐进式披露（Progressive Disclosure）。不把所有信息一次性塞给AI，先给概要，按需展开。

AI工作有一个"上下文窗口"，一次性能处理的信息量有限。塞进去的东西越多，两个问题同时来：Token费用涨，推理质量跌——信息太密，反而容易找不到重点。

CLI的结构天然契合这件事：命令是一棵树，可以逐层展开。

AI刚拿到qcc，什么都不知道，先运行 qcc --help ，得到顶层目录：company、ipr、operation、risk四个模块。全貌有了，但只用了很少的上下文。

然后任务来了，要查某家公司的司法风险。AI运行 qcc risk --help ，拿到这个模块下的子命令和参数。搞清楚之后，再用具体命令去查，只拿回跟任务相关的数据。

整个过程，AI像翻一本目录清晰的档案：先看总目，再找分类，最后取出那一份。不需要一开始就把整本档案读完。

CLI命令树——渐进式披露示意

对比一下MCP：接入qcc的MCP，AI开始工作之前，要把全部工具的名称、描述、参数格式一次性加载进上下文。还没开始查第一个问题，已经烧掉了一大笔Token。工具接得越多，代价越高，而且你根本用不到其中大部分。

GUI更不用说了。让AI在网页上做尽调，它要把页面上所有内容——广告、导航、无关字段——全部拉进来处理。越查越慢，越查越贵。

渐进式披露让AI自己决定要知道什么、什么时候知道。CLI给了AI这种自主权，MCP和GUI都没有。

企查查背后的那步棋

企查查为什么要做CLI？

开发者接入是表面理由。真正值得注意的是时间线。

2026年3月，Perplexity的CTO Denis Yarats在公司内部宣布：放弃MCP，回归API和CLI。Perplexity是美国头部AI搜索公司，估值约180亿美元。消息传出来，YC的CEO Garry Tan在社交媒体跟帖："MCP说实话就是很烂。"

MCP是Anthropic在2024年11月推出的协议，当时被誉为"AI集成的USB接口"，全行业热捧，企查查也跟着上线了MCP版本。

MCP的问题出在成本结构上。它的设计逻辑是：在AI开始工作之前，先把所有可用工具的说明、参数、格式全部加载进上下文。接入10个工具，可能还没开始查第一个问题，就已经烧掉几千个Token。权限管理也是全有全无——要么完全信任这个工具，要么完全不用。你没法说"只给读权限，不给写权限"。正式商业场景里，这是个漏洞。

企查查选择了双轨并存：MCP处理需要AI推理判断的复杂场景，CLI处理确定性操作，直接出数据，零Token消耗。同一套账号，共用一个API Key，不重复计费。比只做MCP要务实得多。

MCP会不会彻底消亡，我不知道。但CLI在Agent时代焕发第二春这件事，现在看来已经不是趋势预判，而是正在发生的事情。

MCP vs CLI——上下文加载对比