华为云 AI Shell 实测：自然语言真的能替代 hcloud 命令吗？

用了半个月 AI Shell，说点大实话——哪些场景真香，哪些场景还得老老实实翻文档。

1. 先搞清楚一件事

华为云的产品矩阵里，命令行工具这块现在有两个东西：

• KooCLI（hcloud）：传统 CLI，参数驱动，适合脚本化、自动化场景
• AI Shell：自然语言驱动的智能命令行工具，本质是给 hcloud 套了一层 NL → CLI 的翻译层

这两个不是替代关系，是不同抽象层级的东西。KooCLI 是"笔画"，AI Shell 是"你说要什么字，它帮你写出来"。

我的理解：AI Shell 定位在 日常查询 + 简单操作 场景，KooCLI 定位在 CI/CD 脚本 + 复杂编排 场景。搞清楚这个定位差异，后面才能判断什么时候用它、什么时候绕开它。

2. 实战对比：同样的事，两条路

我拿三个最频繁的场景做了对比测试。

场景一：查北京区域的 ECS 列表

传统方式（hcloud）：

# 先查 region 列表
hcloud ECS ListRegions --cli-region=cn-north-4

# 再查 ECS 详情（需要记住 region ID 和分页参数）
hcloud ECS ListServers \
  --cli-region=cn-north-4 \
  --limit=50 \
  --offset=0 \
  --query='servers[*].{ID:id,Name:name,Status:status,Flavor:flavor.name}' \
  --table

AI Shell 方式：

# 一句话
aishell 帮我查一下北京区域的 ECS 资源

AI Shell 自动翻译成 hcloud 命令、执行、格式化输出。这个过程你不需要知道 region ID 是 cn-north-4，不需要知道 ListServers 接口的参数名。

结果： AI Shell 胜，快 3-5 倍。

场景二：安全组配置排查

这是我遇到的一个真实场景——安全组规则配错，导致某个服务不可达。

传统方式：

# 查安全组列表
hcloud VPC ListSecurityGroups --cli-region=cn-north-4

# 查某安全组的规则
hcloud VPC ShowSecurityGroup \
  --cli-region=cn-north-4 \
  --security_group_id=sg-xxxx

# 查入方向规则
hcloud VPC ListSecurityGroupRules \
  --cli-region=cn-north-4 \
  --security_group_id=sg-xxxx \
  --direction=ingress

然后自己对着输出找问题——端口范围、源 IP、优先级，哪条配错了全靠肉眼。

AI Shell 方式：

aishell 检查一下我的安全组 sg-xxxx 的配置有没有问题

AI Shell 拉取所有规则，自动分析：

• 检测到 3306 端口只对 0.0.0.0/0 开放（高危）
• 检测到某条规则优先级冲突
• 检测到冗余规则（IP 段被后续规则覆盖）

然后给出修复建议：

[!] 检测到以下问题：

1. [高危] 入方向规则 3306 端口对所有来源开放 (0.0.0.0/0)
   建议：限制为指定 IP 段 10.0.0.0/8
   修复命令：hcloud VPC CreateSecurityGroupRule ...

2. [警告] 规则 sg-rule-abc 的优先级与 sg-rule-def 冲突
   建议：将 sg-rule-abc 优先级改为 50

3. [信息] 规则 sg-rule-xyz 被后续规则覆盖，建议删除

结果： AI Shell 完胜——不仅帮你查，还帮你分析和改。这活传统方式要 5-10 分钟，AI Shell 30 秒。

场景三：批量创建多个云资源

aishell 帮我创建一台通用型 ECS，2C4G，挂载 40G 数据盘，加入安全组 sg-xxx，放在北京区域

AI Shell 会自动解析：

• 实例规格（2C4G → s6.large.2 或对应规格）
• 系统盘类型（默认 high-io）
• 数据盘配置（40G）
• 安全组关联
• 区域映射

然后分步骤执行，每一步确认。这个过程 hcloud 大概要拼 3-5 条命令，AI Shell 一条自然语言搞定。

3. 联动工作流：AI Shell + 码道 + Hermes Agent

这是我认为最有价值的场景——做 Agent 开发的时候，AI Shell 可以作为"资源操作层"嵌入工作流。

举个例子，我在用 Hermes Agent 做自动化运维脚本时，工作流长这样：

Hermes Agent（编排层）
  ├── 码道（代码生成层） → 写 Python/Shell 脚本
  └── AI Shell（资源操作层）→ 查询/操作华为云资源

具体场景：需要写一个脚本巡检 ECS 健康状态。

# Step 1: 用 AI Shell 查当前所有 ECS 实例
aishell 列出北京区域所有运行中的 ECS，输出格式选 JSON

# Step 2: 把 AI Shell 输出的 JSON 喂给码道生成巡检脚本
# 在码道 IDE 中粘贴 AI Shell 输出的 JSON 结构
# 码道自动生成 Python 巡检脚本

# Step 3: 用 AI Shell 执行修复
aishell 对异常的 ECS 实例重启（先确认）

这个协作方案的关键点在于：

• AI Shell 负责"问和做"：不用记 hcloud 命令，自然语言交互，适合临时性、探索性操作
• 码道负责"写"：生成可复用的脚本和代码
• Hermes Agent 负责"编"：编排整个工作流的执行逻辑和条件判断

4. 必须说的实话

用了这半个月，有几点不吐不快：

[+] 真香的场景

1. 日常查询：查 ECS、OBS、VPC 资源状态——一句话搞定，比翻 hcloud 文档快太多
2. 排错分析：安全组配置、网络连通性、资源异常——AI 自动分析比人工翻日志快
3. 初次接触某服务：不熟悉的 hcloud 命令，用自然语言问 AI Shell，它自动转成正确命令，顺带学了参数

[!] 需要留意的场景

1. 复杂参数组合：有些 API 的参数组合很复杂（比如创建 Load Balancer 要配一堆监听器、后端服务器组），AI Shell 可能理解偏差，需要二次确认
2. 幂等性和重复执行：AI Shell 适合"一次性操作"，不适合在脚本中反复调用——天然语言到命令的转换不是确定性的，同样的描述每次可能翻译成不同参数组合
3. CI/CD 流水线：别想着用 AI Shell 做自动化部署——它设计上是交互式工具，不该进流水线。流水线老老实实用 hcloud + 脚本

[x] 坑

1. 长命令确认流程：AI Shell 对敏感操作（创建资源、删除资源）会要求人工确认，这是好事，但频繁确认在批量操作时有点烦
2. 输出格式不统一：有些命令返回 JSON，有些返回表格，有些带 Markdown 格式。写脚本处理输出时很头疼
3. 上下文丢失：对话式操作容易丢失上下文——上一条命令的结果这条用不了，得再来一遍

5. 选型建议

6. 总结

AI Shell 是一个方向正确的产品。它对标的是 AWS 的 Q Developer CLI 这类工具——用自然语言降低云资源管理的心智负担。在"日常查询+排错分析"这个场景，做得比传统 CLI 好很多。

但别指望它能完全替代 hcloud。复杂参数、批量操作、CI/CD ——这些场景下，传统 CLI 的精确度和可控性天然碾压自然语言方案。

最佳姿势：AI Shell 做交互层，hcloud 做执行层，码道做生成层。三个工具各司其职，打组合拳。

对我来说，AI Shell 最大的价值不是"替代 hcloud"，是"降低从自然语言到 hcloud 命令的翻译成本"。当你记不住某个 API 参数、不确定 region ID、想快速排查问题时——它是最快的入口。当你写自动化脚本、搭 CI/CD 流水线时——老老实实用 hcloud。

参考链接：

• 华为云 AI Shell 产品页：https://www.huaweicloud.com/product/aishell.html
• KooCLI 文档：https://support.huaweicloud.com/cli/
• 华为云产品首页：https://www.huaweicloud.com/
• 码道代码智能体：https://codearts.huaweicloud.com/