如果你曾经想让 AI 帮你直接操作 WPS 做报告、控制 Photoshop 生成设计稿、或者一键启动学术文献综述流程——但每次都卡在"AI 看不见桌面软件"这道墙前——那么 harness-anything 值得你花时间了解一下。这个开源项目基于 Windows COM 自动化接口，将 WPS/MS Office、Adobe Illustrator、Adobe Photoshop、Zotero 全部包装成标准 CLI 命令，让 AI Agent 能像调用函数一样直接驱动这些桌面软件，完成从文档编辑、PPT 生成到学术写作的完整工作流。

一、问题背景：AI Agent 的"最后一公里"

当前 AI Agent 生态最明显的短板之一，是对 桌面原生软件 的操控能力几乎为零。以 WPS、Office、Photoshop 为代表的重量级应用，长期以来只能靠人工鼠标点击，或使用私有宏语言（VBA/JSX）来实现批量操作。这带来几个实际痛点：

• AI 大模型无法直接"看"到 WPS 正在编辑的文件，只能生成文字，无法自动执行
• VBA/JSX 宏不易被 LLM 调用，且语法老旧、调试困难
• 学术工作流（Zotero 文献检索 → 写论文 → 投稿）缺乏可编排的 Skill 层
• PPT 批量制作需要大量人工排版，数据更新后整套流程要重做

harness-anything 的核心思路是：把 COM 接口包装成 CLI，再把 CLI 包装成 AI Agent 可调用的工具。这条路径并不复杂，但它打通了 AI 与桌面软件之间最关键的那段通路。

二、项目全景：四大模块一览

harness-anything 是一个"伞形仓库"（monorepo），目前包含以下四个独立可用的子项目，共同构成一套办公+设计+学术的 AI Agent 控制中枢：

三、核心架构：CLI-Anything 7 阶段 Harness 方法论

harness-anything 的所有子项目都遵循同一套架构范式——CLI-Anything Harness 方法论。其核心思想是：将任意桌面软件的控制层抽象为统一的 CLI 接口，使 AI Agent 通过结构化命令与底层软件交互，而无需关心软件内部的实现细节。

整个调用链的关键是第 3 层的 COM Bridge（pywin32）。COM（Component Object Model）是 Windows 平台上的标准进程间通信机制，WPS、MS Office、Adobe Illustrator、Photoshop 均暴露了 COM 接口，pywin32 则是 Python 访问这些接口的标准库。harness-anything 的价值在于，它将繁杂的 COM API 调用封装成了对 AI Agent 友好的简洁 CLI，并统一输出为 JSON 格式，方便大模型解析。

⚠️ 注意：该项目目前仅支持 Windows 10/11 平台，依赖 pywin32 库访问 COM 接口。macOS / Linux 用户暂时无法使用。

四、模块详解 ①：cli-anything-wps——47 条命令操控 Office 全套件

cli-anything-wps 是 harness-anything 中功能最完整的模块，提供 47 条 CLI 命令，覆盖 WPS Writer（文字）、WPS Calc（表格）、WPS Impress（演示）全三件套。对于持有 WPS 或 Microsoft Office 的用户，只需修改 ProgID 即可无缝切换到 Word / Excel / PowerPoint。

bash · 安装

pip install git+https://github.com/yb2460/cli-anything-wps.git

主要功能范围

模块	主要能力	典型命令
Writer（文字）	段落/标题/列表/表格/图片/查找替换/字体样式	wps document insert-table
Calc（表格）	工作表管理/单元格读写/公式/合并/批量填充	wps calc set-cell
Impress（演示）	幻灯片增删改/文本框/形状/背景/导出	wps preset apply academic
导出	DOCX / XLSX / PPTX / PDF / TXT / HTML / CSV / RTF	wps export render output.pptx
PPT 设计系统	4 套预设 + 14 种布局 + 5 维度质量审查	wps preset apply academic --talk-type defense

bash · WPS 快速上手

# 新建一个演示文稿
cli-anything-wps document new --type impress --name "季度汇报"

# 应用学术答辩预设样式
cli-anything-wps preset apply academic --talk-type defense

# 导出为 PPTX 文件
cli-anything-wps export render output.pptx -p pptx

WPS 模块内置了完整的 REPL 交互模式，支持 undo/redo 操作历史，并以 JSON 格式输出执行结果——这意味着 AI Agent 可以直接解析返回值，判断操作是否成功，从而实现更精细的流程控制。

五、模块详解 ②：WPS PPT 自动化生成——JSON 数据驱动 + 5 校实战案例

WPS 子目录中还包含一个完整的 PPT 批量自动化生成系统，以 5 所高校招生数据展示为案例，演示了"JSON 数据 → WPS COM → 高质量 PPTX/PDF"的完整链路。这个子项目本身就是一份非常有参考价值的工程实践。

该系统支持 13 种元素类型，通过 JSON 描述驱动，彻底解耦数据层与展示层：

textimagetablecards_2x3cards_1x4_infocard_list_widetagline_bartimeline_horiz+ 5 more

bash · 运行 PPT 生成引擎

# 进入南科大项目目录
cd WPS/南科大

# 执行生成：WPS 可见模式 → 同时输出 PPTX + PDF
python build_sustech.py

布局规范方面，该系统遵循"透明卡片不挡背景、标题居中无装饰线、正文字号≥22pt、每页至少包含图表+表格两种元素"的严格约束，保证了批量生成 PPT 的视觉一致性。

六、模块详解 ③：cli-anything-zotero——27 个学术 Skill 的全流程写作智能体

对于科研人员来说，cli-anything-zotero 可能是 harness-anything 中最有实用价值的模块。它在 Zotero 文献管理基础上，集成了 27 个结构化学术 Skill，覆盖从文献检索到论文发表的完整流程。

7 大 Skill 分类详解

分类	Skill 数	核心能力
search	3	快速文献检索 / 系统评价 / 深度文献搜索
research	4	创意生成 / 头脑风暴 / 假设验证 / 深度研究
writing	5	写论文正文 / IMRAD 稿件 / 引用格式 / 提纲生成 / 稿件修改
review	5	5 人模拟审稿 / 同行评审 / 七轮对抗式改稿 / 引用可靠性验证
visualization	4	学术幻灯片 / 示意图 / 学术海报 / 期刊图表规范
analysis	3	探索性数据分析 / 统计分析 / 证据质量评估
pipeline	2	完整学术发表流水线 / 从想法到论文全链路

特别值得关注的是 journal 期刊图表规范 功能：可以针对 Nature、Science、Lancet、NEJM、Cancer Research 等顶级期刊，直接查询其配图规范（尺寸、色彩、字体要求等），确保投稿图表符合期刊标准。

bash · 学术 Skill 使用示例

# 列出所有可用学术 Skill
cli-anything-zotero skills list

# 启动论著写作推荐流程
cli-anything-zotero skills pipeline original_article

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

# 查询 Nature 期刊图表规范
cli-anything-zotero skills journal "Nature"

# 检索 machine learning 相关文献
cli-anything-zotero catalog search "machine learning"

七、模块详解 ④：Photoshop & Illustrator Harness——AI Agent 直接驱动设计软件

设计软件的自动化历来是个难题，Photoshop 的脚本语言（JSX/ExtendScript）门槛高、文档散乱，让许多开发者望而却步。harness-anything 的 PS/AI Harness 模块通过 COM 接口，将这两款软件的核心操作同样封装为 Python CLI，大幅降低了 AI Agent 接入的门槛。

Photoshop Harness 命令组

命令组	功能描述	示例
project	新建/打开/保存 PSD 文档	project new poster.psd -w 1920 -h 1080
layer	图层增删改、可见性、透明度、混合模式	layer add --name "背景"
text	文字图层（字体、大小、颜色）	text add --content "Hello" --size 72
image	图像调整（裁切、旋转、翻转、画布大小）	image resize -w 1200
filter	滤镜操作	filter blur --radius 5
export	导出 PNG / JPEG / WebP / PSD	export png --output result.png

bash · Photoshop Harness 快速上手

# 安装依赖
cd photoshop-harness/agent-harness
pip install -e .

# 新建 1920×1080 海报文档
cli-anything-photoshop project new poster.psd -w 1920 -h 1080

# 添加标题文字
cli-anything-photoshop text add --content "2026 Annual Report" --font "Arial" --size 72

# 导出为 PNG
cli-anything-photoshop export png --output result.png

bash · Illustrator Harness 快速上手

# 安装依赖
cd illustrator-harness/agent-harness
pip install -e .

# 新建 500×500 Logo 画板
cli-anything-illustrator project new logo.ai -w 500 -h 500

# 添加品牌文字
cli-anything-illustrator text add "Brand" --x 100 --y 100 --font "Arial" --size 72

# 绘制矩形形状
cli-anything-illustrator shapes rect --x 50 --y 50 --w 200 --h 100

# 导出 SVG 矢量文件
cli-anything-illustrator export svg output.svg

八、适用场景与典型用例

🎯 谁适合使用 harness-anything？

• 构建 AI 工作流的开发者：需要让 LLM 直接操作 Office 文档、生成设计稿，harness-anything 提供了现成的 COM 封装层
• 科研工作者：使用 Zotero 管理文献，希望接入 AI 辅助写作和审稿流程
• 数据分析 / 运营团队：需要周期性批量生成数据报告 PPT，避免重复的人工排版工作
• 设计自动化探索者：想用代码驱动 Photoshop 或 Illustrator 完成批量图片处理、Logo 生成等任务
• AI Agent 框架集成者：项目的 JSON 输出格式和 CLI 结构与 LangChain、AutoGen 等主流 Agent 框架高度兼容

一个典型的 AI Agent 工作流示例

以"AI 自动生成季度销售报告 PPT"为例，完整流程可以这样串联：

1. AI Agent 读取数据库或 Excel 数据，生成结构化 JSON
2. 调用 cli-anything-wps 的 document new --type impress 创建演示文稿
3. 通过 preset apply 应用设计预设（颜色、字体、布局）
4. 逐步插入标题页、数据图表、总结页等内容
5. 执行 export render output.pptx 导出最终文件
6. （可选）同步用 Photoshop Harness 生成封面配图

整个过程无需人工干预，AI Agent 通过解析每条命令的 JSON 返回值来判断下一步操作，实现真正意义上的端到端自动化。

九、系统要求与快速配置

类别	要求
操作系统	Windows 10 / 11（必须，COM 接口依赖）
Python	3.10 及以上版本
Office 套件	WPS Office 2019+ 或 Microsoft Office 2016+（二选一）
学术模块	Zotero 7+（可选，用于学术 Skill 模块）
设计软件	Adobe Illustrator 2023+（可选）/ Adobe Photoshop 2023+（可选）
Python 依赖	pywin32（COM 接口核心库）

💡 关于 WPS vs MS Office 切换：COM 接口与 Microsoft Office VBA 完全兼容。如果需要操控 MS Office，只需将 ProgID 从 KWPS.Application / KET.Application 改为 Word.Application / Excel.Application / PowerPoint.Application 即可，代码逻辑无需改动。

十、总结与评估

harness-anything 解决了一个实实在在的工程问题：如何让 AI Agent 真正落地到桌面软件操作层。相比直接使用 VBA 宏或 Python-pptx 等方案，它的优势在于统一的 CLI 抽象层和 Agent 友好的 JSON 输出；而相比无代码的 RPA 工具，它更轻量、更易于集成到现有 Python 工作流。

当然，当前版本也有一些值得关注的局限性：

• 平台限制明显：仅支持 Windows，macOS / Linux 用户完全无法使用
• 软件版本依赖较强：Illustrator / Photoshop 需要 2023 及以上版本
• COM 接口稳定性：部分操作在软件版本变化或权限问题时可能出现 COM 调用失败
• 学术模块的 Skill 质量：27 个 Skill 的实际输出质量仍取决于底层 LLM 的能力

综合来看，如果你是一名在 Windows 环境下工作、希望深度集成 AI Agent 与 Office 或 Adobe 设计工具的开发者，harness-anything 是目前开源生态中少有的、真正打通这条链路的工程实践，值得关注和参考。