过去一年，很多人对 AI Agent 的期待，一直停留在“帮我写点东西”“帮我总结网页”“帮我跑一段代码”。但真正有价值的 Agent，不应该只待在浏览器和对话框里。

它应该能进入真实软件，操作真实文件，产出真实成果。

最近 GitHub 上一个开源项目 harness-anything，就把这个方向往前推了一步。它不是又一个聊天机器人，也不是简单套壳大模型，而是把 WPS、Microsoft Office、Photoshop、Illustrator、Zotero 这类传统桌面软件，包装成 AI Agent 可以直接调用的命令行工具。

项目截图：harness-anything 把桌面软件能力封装给 Agent 调用

简单说，以前 Agent 想做一份 PPT，往往只能生成 Markdown、HTML 或者一堆建议；现在它可以直接向 WPS 发命令：新建幻灯片、插入标题、绘制图表、导出 PDF。

这件事的意义，不在于多了几个命令，而在于 AI 开始从“内容生成器”变成“软件操作员”。

一、AI Agent 最大的短板：不会操作老软件

今天很多 Agent 看起来很聪明，但一进入真实办公环境就卡住。

原因很简单：企业和个人的核心工作流，并不都在网页里。大量工作还停留在 Word、Excel、PPT、WPS、Photoshop、Illustrator、Zotero 这些桌面软件中。

这些软件有几十年的历史，功能强大，但界面复杂。人可以用鼠标慢慢点，AI 却很难稳定理解 GUI：按钮位置会变，弹窗会挡住，菜单层级很深，屏幕识别也容易出错。

所以很多所谓 Agent 自动化，最后还是绕回了“让模型写脚本”。但脚本又要针对每个软件单独适配，开发成本很高。

WPS/Office 自动化：文档、表格、PPT 都能被命令驱动

harness-anything 的思路很直接：不让 AI 看界面，而是把软件能力全部变成 CLI。

AI 不需要知道按钮在哪，只要执行命令即可。

二、WPS/Office：把文档、表格、PPT变成命令行资产

项目里最适合普通办公场景的，是 cli-anything-wps。

它通过 Windows COM 接口操控 WPS 或 Microsoft Office，把 Word、Excel、PPT 的常见动作封装成 47 个命令。

Writer 可以插入段落、设置标题、创建列表、插入表格、添加图片、查找替换、调整字体。

Calc 可以读写单元格、批量填充、插入公式、合并单元格、增删工作表。

Impress 可以新建幻灯片、修改文本框、绘制形状、切换背景、应用主题，并导出 PPTX、PDF、HTML、CSV 等格式。

这对 Agent 的价值非常直接。

学术与文献工作流：Zotero 从资料库变成 Agent 工具箱

以前你让 AI 做一份汇报材料，它最多给你一份大纲；现在它可以直接调用 WPS，生成真正可打开、可编辑、可交付的文件。

这一步很关键。因为企业里判断 AI 有没有用，看的不是它说得多漂亮，而是能不能交付一个文件、一个表格、一份报告、一套幻灯片。

三、Zotero：学术工作流也可以被流水线化

另一个值得关注的是 Zotero 模块。

它把文献管理、论文写作、审稿、图表规范、统计分析等学术动作，拆成一组可调用的 Skill。比如检索文献、整理研究假设、生成综述结构、按期刊规范处理图表，甚至调用特定期刊的格式要求。

这类能力看起来小众，但对研究人员非常有价值。

学术写作里，真正耗时间的往往不是“写一句话”，而是检索、整理、筛选、引用、改格式、做图表、查投稿规范。AI 如果只能聊天，帮助有限；但如果能和 Zotero 这种工具打通，就能把重复劳动压缩成流程。

这也说明 Agent 的未来不只是通用助手，而会越来越像行业工作台：办公 Agent、学术 Agent、设计 Agent、财务 Agent、法务 Agent，都需要连接自己领域里的核心软件。

四、Photoshop和Illustrator：设计软件也能被命令驱动

harness-anything 还接入了 Photoshop 和 Illustrator。

Illustrator 模块可以新建文档、管理图层、绘制矩形、椭圆、线条、多边形，添加文字，调整字体、颜色，并导出 PNG、JPEG、SVG、PDF。

Photoshop 模块则可以新建 PSD、修改画布尺寸、处理图层、做选区、裁切旋转、添加文字、套滤镜，并导出 PNG、JPEG、WebP 等格式。

这意味着 Agent 不再只是给设计师“提建议”，而是可以真正参与制作流程。

比如批量处理海报、统一修改尺寸、导出多种格式、生成基础矢量图形、完成水印和裁切。这些工作不一定需要高创造力，却非常消耗时间，正适合交给 Agent。

当然，它还不能替代专业设计师。因为审美判断、品牌一致性、复杂构图仍然需要人来把关。但它可以先吃掉大量机械操作，把设计师从重复点击里解放出来。

五、真正有启发的是JSON驱动PPT

项目里还有一个演示案例：用 JSON 数据自动生成高校招生 PPT。

它把学校信息、图表、图片、表格、时间线、卡片等内容写进 JSON，再由 Python 引擎自动路由到不同的幻灯片元素。最后生成 PPTX 和 PDF。

这套机制比单纯“让 AI 写 PPT”更有价值。

因为它把 PPT 生产拆成了三层：数据层、结构层、渲染层。

数据层负责放内容，结构层决定页面元素，渲染层调用 WPS 生成成品。这样一来，AI 不只是随意生成几页幻灯片，而是在一个可控模板中批量生产标准化材料。

JSON 驱动 PPT：结构化数据直接生成交付材料

对企业来说，这才是真正能落地的 AI 自动化。

销售战报、保险方案书、培训课件、项目周报、经营分析、客户简报，本质上都可以变成“结构化数据 + 模板 + 自动渲染”。

如果这套链路跑通，AI 就不再是写稿助手，而是资料生产线。

六、它的限制也很明显：Windows Only

这个项目目前最大限制，是强依赖 Windows COM。

WPS、Microsoft Office、Adobe 软件的自动化主要走 COM Bridge，所以 Windows 10/11 是基本前提。Mac 和 Linux 用户基本用不了。

另外，Adobe 模块需要本机安装正版 Photoshop 或 Illustrator；WPS 模块也需要安装 WPS Office 或 Microsoft Office。它不是云端 SaaS，而是本地桌面软件自动化框架。

这既是缺点，也是特点。

缺点是部署门槛高；优点是它能接入企业真实环境里那些已经存在的软件资产。很多公司不可能马上把所有流程搬到云端，但可以让 AI 通过本地接口操作现有工具。

这条路线很务实。

七、为什么这个项目值得关注

工具链概览：Agent 从聊天走向执行

harness-anything 的价值，不是它今天支持了多少命令，而是它代表了一种 Agent 落地方式：

• 不要只让 AI 生成内容，要让 AI 调用工具。

• 不要只让 AI 打开网页，要让 AI 操作真实软件。

• 不要只让 AI 给建议，要让 AI 交付文件。

未来两类 Agent 会分化得很明显。

• 一类是聊天型 Agent，负责回答、陪伴、解释、总结。

• 另一类是执行型 Agent，负责打开软件、处理文件、生成材料、跑流程、交付结果。

真正能进入企业生产力场景的，大概率是后者。

从这个角度看，harness-anything 不只是一个 GitHub 工具，而是一个信号：AI Agent 正在从“会说”走向“会做”。

而所谓“会做”，不是模型口头承诺自己能完成任务，而是它真的能调用 WPS 生成一份 PPT，调用 Photoshop 导出一张图，调用 Zotero 整理一组文献。

这才是 AI 应用从玩具走向生产工具的分界线。

项目地址：
https://github.com/yb2460/harness-anything