Desktop Agent — Windows 桌面自动化

控制 Windows 桌面的 AI 代理。支持两种模式：

1. 预设任务 — 一键执行常见操作（微信、ToDesk）
2. 自然语言 — LLM 规划 + 自动执行任意桌面操作

依赖

pip install pyautogui opencv-python Pillow pyperclip pygetwindow requests
# 可选（增强输入可靠性）: pip install pywin32

快速开始

预设任务（推荐）

# ToDesk远程连接：启动 → 截图 → AI识别密码 → 发送给用户
python scripts/presets.py todesk_connect

# 微信发消息
python scripts/presets.py wechat_message <联系人> <消息>

# 微信发文件
python scripts/presets.py wechat_file <联系人> <文件路径>

ToDesk 远程连接完整流程

当用户说"远程连接"/"ToDesk"/"连接你"时，执行：

# Step 1-2: 启动ToDesk并截图
python scripts/presets.py todesk_connect
# 返回截图路径，用 image 工具识别临时密码
# Step 3: image(image=screenshot_path, prompt="识别设备代码和临时密码")
# Step 4: 发送识别结果给用户

设备代码: 用户本地配置（首次使用时查询）

临时密码: 动态生成，每次需截图识别

微信操作

前提：微信桌面客户端已登录，Ctrl+Alt+W 快捷键可用。

发消息:

import pyautogui, time, pyperclip
pyautogui.hotkey('ctrl', 'alt', 'w')      # 激活微信
time.sleep(1.5)
pyautogui.hotkey('ctrl', 'f')              # 搜索
pyperclip.copy('联系人名')
pyautogui.hotkey('ctrl', 'v')
time.sleep(1); pyautogui.press('enter')
time.sleep(1.5)
# 点击输入框 → 粘贴消息 → 回车发送

关键: 粘贴前必须点击输入框获取焦点。

自然语言任务

python scripts/task_executor.py "打开记事本，输入Hello World，保存到桌面"

内部流程：LLM 规划 → 安全检查 → 逐步执行 → 截图验证。

核心模块

DesktopAgent（scripts/desktop_agent.py）

输入方式优先级

1. SendMessage EM_REPLACESEL — 直接向控件发文字，exec环境最可靠
2. pyperclip + Ctrl+V — 剪贴板粘贴，需窗口有焦点
3. pyautogui.write — 仅英文，逐字符模拟

安全机制

• 最大 20 步操作，超时 5 分钟
• 危险操作关键词检测（删除、格式化、关机等）
• pyautogui.FAILSAFE = True（鼠标移到角落可紧急停止）

故障排除