OpenParable
Skip to content
← Back to skills

desktop-automation

Apps & Automation

当用户要在 Windows 桌面上做 UI 自动化——窗口管理、鼠标点击、键盘模拟、桌面截屏、弹窗处理、应用控件定位时使用。

View on GitHub ↗
QUICK START

How to use this skill

Bring this guide into your coding agent with a prompt tailored to the tool you use.

  1. Open your project in Codex.
  2. Copy and paste the prompt below.
  3. Review files and risks before approving any action.
Prompt to paste
Inspect the Agent Skill at https://github.com/ntygod/ZhiWei/blob/HEAD/src/main/resources/skills/desktop-automation/SKILL.md and all supporting files. Report provenance, permissions, scripts, dependencies, and security risks. Propose an exact installation into .agents/skills/desktop-automation, but wait for my approval before writing files or running scripts.

Copying this prompt does not install or run the skill. Review third-party files before use.

桌面自动化指南

pyautogui + pywinauto 控制 Windows 桌面应用。仅 Windows，且必须用 shell_exec 走宿主 Python 进程（code 是沙箱，访问不到真实屏幕和窗口）。核心约束：操作前必须截图确认状态，不盲操作。

适用场景

  • Windows 应用 UI 自动化
  • 窗口管理（查找 / 激活 / 调整大小）
  • 对话框 / 弹窗处理
  • 键鼠模拟 / 控件操作
  • 屏幕截图 / UI 元素定位
  • 重复性桌面操作批量执行

不适用场景

  • 网页自动化 → browser-automation
  • 命令行操作 → shell_exec
  • Linux / macOS 桌面 → 当前不支持

工作流

  1. 依赖检查：shell_exec(command="python -c \"import pyautogui, pywinauto\"")，缺则提示用户 pip install pyautogui pywinauto pillow
  2. 写脚本到文件：操作步骤写到 cwd 下脚本文件（路径取自工具返回的 workingDirectory），再 shell_exec(command="python <脚本路径>") 执行；不用 python -c 拼复杂多行
  3. 截图先：操作前必须截图看到当前状态，不盲操作
  4. 优先 pywinauto 控件定位：通过控件树拿元素（标题 / class / 自动化 ID），比坐标点击稳得多（窗口移动 / 分辨率变都不会失效）
  5. 加等待：每个键鼠操作之间 time.sleep(0.3-1.0) 等 UI 响应；点完按钮等加载完再下一步
  6. FAILSAFE 必开：脚本顶部 pyautogui.FAILSAFE = True，鼠标移到屏幕角即终止脚本（紧急退出）
  7. 破坏性操作要确认：删文件 / 关闭未保存窗口 / 提交表单等，必须用户授权后才动手
  8. 失败回退：连续 2 次定位不到控件 → 重新截图比对，可能是窗口状态变了

详细参考

  • pyautogui + pywinauto 脚本片段（截图 / 定位 / 操作 / 键鼠组合）：{skill_dir}/references/pyautogui-recipes.md