GitHub开源项目|用47条命令让AI操控WPS和PS,闭源软件自动化的新思路

每次做周报PPT要反复调格式、写论文时手动整理几十篇文献、在PS里一个一个导出活动海报……这些重复性操作占据了大量工作时间。有没有办法让AI直接替你操作这些软件？GitHub上的开源项目 harness-anything 给出了一个大胆且实用的答案。

作者注：我在写这篇文章之前，把项目的 GitHub README、README_CN 以及最新提交记录都仔细看了一遍。以下所有描述均来自项目公开资料，没有添加任何虚构内容。但项目本身依赖 Windows COM 接口，有一定上手门槛，后面会具体说明。

💡 一句话说清楚：harness-anything 是一个 AI Agent 控制中枢，通过封装 Windows COM 接口，把 WPS Office、Adobe Photoshop、Illustrator 和 Zotero 等桌面软件变成了 AI 可调用的命令行工具——47条CLI命令覆盖文档、表格、演示、设计和学术研究全场景。

一、这个项目解决了什么问题？

CLI-Anything 是香港大学数据科学实验室推出的一个优秀框架——让 AI 通过命令行操控 GIMP、Blender、LibreOffice 等开源软件。但它有个明显的局限：只支持开源软件。

现实中，国内用户大量使用的是 WPS Office、Adobe 全家桶这类闭源商业软件。harness-anything 的作者看到了这个缺口，基于 CLI-Anything 的七阶段 Harness 方法论，把 WPS、Photoshop、Illustrator 和 Zotero 的 COM 自动化接口封装成了标准化的 CLI 命令，让 AI Agent 可以像操控开源软件一样操控这些闭源工具。

作者的实际看法：这个思路本身很有价值。国内很多单位的电脑里装的是 WPS 而不是 MS Office，学术界用 Zotero 管理文献的人也越来越多。但能把它们”串起来”让 AI 统一调度，这事之前确实没人系统地做过。不过话说回来，COM 接口这个技术方案意味着它只能在 Windows 上跑，macOS 和 Linux 用户直接无缘，这一点在尝试之前就要有心理准备。

二、核心能力拆解

🔹 WPS / Microsoft Office 操控（47条命令）

这是项目最核心的模块，也是命令数量最多的部分。它通过 Windows 的 COM 接口（KWPS、KET、KWPP.Application），实现了对 WPS 文字、表格、演示三大组件的完整操控：

📌 关键能力一览

• 全格式导出：支持 DOCX / XLSX / PPTX / PDF / TXT / HTML / CSV / RTF / ODT 九种格式

• AI友好输出：所有命令支持 --json 参数，AI Agent 可直接解析结构化数据

• 后台静默运行：设置 Visible=False 后WPS在后台执行，适合批量自动化

• 会话管理：支持撤销/重做，最多50步操作历史

实际使用提醒：这里有个细节值得注意——WPS 的 COM 接口和 MS Office 并不完全一样。如果你电脑上装的是 MS Office 而不是 WPS，需要把 ProgID 从 KWPS.Application 改成 Word.Application 等对应值。项目文档里提到了这点，但没给全对照表，实际配置时可能需要自己查一下注册表。

🔹 Zotero 学术研究智能体（27个学术技能）

如果说 WPS 模块解决的是”办公效率”，Zotero 模块瞄准的就是”学术研究效率”。它集成了 27 个学术技能，覆盖了从文献检索到论文撰写的完整流程：

🎯 使用示例

# 列出所有学术技能 cli-anything-zotero skills list  

#启动 Meta 分析流程 cli-anything-zotero skills pipeline meta_analysis 

 # 获取 Nature 期刊图表规范 cli-anything-zotero skills journal “Nature”

🔹 Adobe 设计软件操控

项目还实现了对 Adobe Illustrator 和 Photoshop 的 CLI 操控。设计师可以通过命令行让 AI 创建矢量图形（AI）和编辑位图图像（PS），支持图层管理、选区操作、文字编辑、滤镜和多种格式导出。

作者的判断：Adobe 这部分是目前相对来说最”早期”的模块。README 里的描述比较概括，实际能稳定完成的操作不如 WPS 模块那么全面。如果你主要从事设计工作、想用 AI 批量处理 PS 文件，建议先看一下 cli-anything-adobe 子仓库的具体命令列表，再决定是否入手，避免期望过高。

三、实战案例：WPS PPT 自动化生成

项目中最令人印象深刻的，是作者用这套工具做的”5校招生数据全景 PPT”实战。完全使用 JSON 数据驱动 + 元素类型路由 + WPS COM 即时生成，为 5 所高校自动生成高质量的招生宣传 PPT：

这个案例的启示：作者用这个案例其实说明了一种可复用的方法论——只要你有一份结构化的 JSON 数据，再加上一套设计模板，就能用同样的思路批量生成任何主题的 PPT。不一定是招生数据，周报、月报、项目汇报都可以套用这个框架。这是我觉得整个项目里最值得借鉴的部分。

四、技术架构：为什么能这样工作？

整个项目的核心思路非常清晰——CLI 命令（Click 框架）→ Session 会话层（撤销/重做/持久化）→ Core 核心模块 → COM Bridge → 目标应用程序。

五、环境要求与上手门槛（重要）

项目的技术栈很明确：Windows 10/11 + Python 3.10+ + pywin32。WPS 需要 2019 及以上版本，Adobe 软件需要 2023+ 版本。

pip install git+https://github.com/yb2460/cli-anything-wps.git cli-anything-wps document new –type impress –name “演示” cli-anything-wps export render output.pptx -p pptx

⚠️ 使用前务必注意以下几点：

1. 仅支持 Windows：由于依赖 Windows COM 接口，macOS 和 Linux 无法使用。
2. 需要安装对应软件：WPS 或 MS Office 必须实际安装在电脑上，光装 CLI 工具没用。
3. 有一定命令行基础要求：需要通过终端执行命令，对纯小白不太友好。
4. MS Office 需改 ProgID：如果用的是 MS Office 而非 WPS，需将 ProgID 改为 PowerPoint.Application / Word.Application / Excel.Application。

关于上手难度的补充说明：我特意去看了项目的 issue 区，目前提交的问题不多，说明用的人还比较早期。如果你在安装时遇到问题，可能需要自己看源码里的 COM ProgID 配置。作者提供了一个 check_env.py 脚本可以检查环境，建议先跑这个脚本再动手装。

六、写在最后

harness-anything 的出现，代表了一种思路的转变：只要软件有可编程接口，就能被纳入 AI 的指挥系统。它不追求重新实现这些软件的功能，而是作为一座桥——把 AI Agent 的指令翻译成软件能理解的操作。

对于经常和文档、表格、PPT 打交道的打工人，对于需要管理海量文献的研究者，对于需要批量处理设计素材的设计师——这个项目提供了一个全新的效率思路。47 条命令，把重复劳动变成一行指令。

不过也要说句实话：这个项目目前还是偏技术向的工具，普通用户上手需要一定的学习成本。如果你只是偶尔做个 PPT，可能直接用现成的 AI PPT 生成工具（如 Gamma、Beautiful.ai）更省事。但如果你有批量、定制化、和数据联动的 PPT 生成需求，这个项目值得深入研究。