夜雨聆风
一、我们为什么需要 OfficeCLI
先说说现在让 AI 做 Office 文档，到底有多拧巴。
你让 AI 写个 PPT，它的标准流程是：现场写一段 Python，调用 python-docx、openpyxl 这类库，把内容"填"进文件，然后撒手不管。
问题出在哪？AI 根本看不见自己做出来的东西。
它往文件里写了一堆 XML，写完就收工。
标题有没有溢出文本框？不知道。
字体是不是全回退成了默认等线？不知道。
图表有没有真的生成？也不知道。
最后你打开文件，发现排版一塌糊涂，再截图回去让它猜着改——来回拉扯，比你手动做还累。
这就是过去 AI 办公的死结：会写，不会看；能生成，不能交付。
而办公室里大量工作——会议纪要、数据汇总、周报月报、批量改格式——恰恰是"规则清楚、重复发生、但必须检查"的类型。
AI 不是做不了，是缺一个能稳妥操作 Office 文件、还能自查的"手"。
OfficeCLI 补的就是这只手。
二、它能帮你解决哪些实际问题
它把 Word、Excel、PPT 的创建、读取、修改、分析、重组封装成命令行，AI 用敲命令的方式操作文档。落到具体工作上，直接能接的活至少有这几类：
1. 会议纪要流水线。 把录音转写、聊天记录丢给 AI："提取决策、待办、负责人和截止时间，整理成正式纪要，统一标题层级，补充表格。"读资料、提信息、排版式，一气呵成。
2. 数据从清洗到汇报。 "读取这份销售明细，检查列名和数据类型，删掉空行，按区域汇总销售额，标记异常值，生成汇总页，再把核心结论做成一页 PPT。"它内置 350+ 个 Excel 函数，公式写完当场算给你看——返回结果里直接带着计算值，不会出现交给你才发现满屏 #REF! 的尴尬。
3. 可以"对话式修改"的 PPT。 不是一锤子生成，而是持续打磨："第 3 页标题太长，缩短但别丢结论；图表下移半厘米，和正文留白对齐。"每个元素都有坐标，指哪改哪。
4. 批量脏活。 几十份合同统一查找替换、全公司旧文档统一字体和页眉页脚、读一份模板按新数据批量生成一百份文件——它的模板合并功能专为这个设计：版式设计一次，数据填充 N 次，份份一致。
最适合交出去的，从来不是最复杂的活，而是那些重复、规则明确、人工很烦、还得检查的活。
三、兼容 Office 365 和 WPS 吗
这是本文最想讲清楚的部分。OfficeCLI 的工程取舍非常一致：所有设计都优先考虑"AI 怎么用得稳"，而不是"人怎么用得爽"。
三层架构：能用语义，就别碰 XML
它把操作分成三层，由浅入深：
L1 语义视图： view outline / text / issues，AI 先快速读懂"这文档讲了什么、有没有问题"；L2 DOM 操作： add / set / get / remove，每个元素有稳定路径坐标，比如/slide[1]/shape[2]，AI 定位元素就像在文件系统里cd目录，不用懂 XML；L3 裸 XML 兜底： raw / raw-set，直接用 XPath 操作，高层够不着时也不会被卡死。
简单任务永远停在高层，只有搞不定才下沉——AI 不用一上来就啃 OOXML 那套命名空间地狱。
给 AI 一双眼睛：render → look → fix
整个工具最值钱的设计，是内置了一个从零自研的渲染引擎，能把 .docx、.xlsx、.pptx 直接渲染成 HTML 或逐页 PNG。
于是一个完整的工作流闭环出现了：渲染 → 看一眼 → 修复 → 再渲染确认。
AI 做完 PPT，会自己"看"一遍成品——标题溢出了、两个图形叠在一起了、页面太空了——然后定位元素直接修，修完再看。做、查、改，全程不用人插手。
这就是它和普通代码库的分水岭。
还有两个工程细节值得一提：常驻模式把文档留在内存里，命令间延迟接近零；
批处理默认原子性——任何一步失败整批回滚，不会留下改了一半的损坏文件。
AI 改文档最怕的"改到一半翻车"，被从机制上解决了。
接入方式：一条命令的事
它内置 MCP 服务器，对接主流 AI 编程助手只要一条命令：officecli mcp claude（或 cursor、vscode）。安装后还会自动把技能文件装进检测到的各个 Agent，做到"AI 一装就会"。
Office 365 和 WPS 能用吗
文件层面，都能用；软件层面，它压根不依赖任何办公软件。
OfficeCLI 是单文件二进制，Windows、macOS、Linux 全平台，运行不需要 .NET、不需要 Python，更不需要安装 Microsoft Office。它操作的是 .docx / .xlsx / .pptx 这套 OOXML 开放文件格式本身。
由此得出两个结论：
Office 365：完全兼容。Office 365 保存的就是 OOXML 格式，OfficeCLI 改完的文件用 Word、Excel、PowerPoint 打开一切正常； WPS：同样兼容。WPS 的文字、表格、演示保存为 .docx/.xlsx/.pptx时走的就是同一套格式标准，WPS 能打开它生成的文件，它也能改 WPS 保存的文件。
两个注意点：老格式 .doc / .xls（Office 97-2003）和 WPS 私有格式不在支持范围内，先"另存为"新格式即可；另外渲染引擎是自研实现，极个别冷门排版效果和 Office 原生渲染可能存在细微差异，正式场合交付前建议用本机 Office 或 WPS 再过一眼。
也正因为不依赖 Office，它能在没有图形界面的服务器、Docker 容器、CI 流水线里跑——这才是"AI 后端"该有的形态。
四、命令行，会是 AI 接管所有软件的入口吗
最后这部分，是我觉得比工具本身更值得琢磨的。
OfficeCLI 为什么能成？回头看，命令行有几个 GUI 天然不具备的特质：
可组合。 一条命令的输出是下一条命令的输入，几十步操作串成流水线，不需要人盯着点鼠标。
可验证。 每一步都有明确的返回结果，成功还是失败、改成了什么样，白纸黑字。AI 最怕的不是做错，是做错了不知道——命令行天然自带反馈回路。
可复现。 同一串命令跑一百次，结果一致。而"让 AI 模拟鼠标点第 237 个像素"这种事，错一次就全盘皆输。
任何软件，只要暴露出稳定的命令行或 API，理论上都可以被 AI 接管。 Office 三件套只是第一个被攻下的山头——因为它最标准化、最重复、最痛。
这个趋势其实已经开始了。OfficeCLI 自己会主动向 AI Agent 递出技能文件（SKILL.md），等于工具在自我介绍"我这么用"；
MCP 协议在给工具和模型之间铺标准管道； GitHub 上 Skills 生态正在爆发。
工具的假想用户，正在从"人"变成"AI"。
但是 "唯一入口"大概率不会成立。
GUI 不会消失——人做决策、做审美判断、做需要手感的事，图形界面依然是最低成本的方式。
更可能的格局是分层：人通过 GUI 和对话做决策与验收，AI 通过 CLI 和 API 做执行与自检。 就像 OfficeCLI 的三层架构一样，各层干各层擅长的事。
真正会变的，是软件的设计哲学。未来评价一个软件好不好用，可能要多问一句：它对 AI 友好吗？有没有命令行？有没有稳定的程序化接口？——因为能不能被 AI 接管，直接决定了你的工作流能不能自动化。
当工具都开始为 AI 而不是为人设计，"AI 能自己动手干活"才算真正落了地。
推荐阅读
