Xia Desktop Agent

Windows桌面自动化代理。通过自然语言或预设指令控制桌面：截图、点击、输入、按键、打开应用、微信发消息/文件、ToDesk远程连接。Use when user asks to control desktop, send WeChat messages, establish ToDesk remote connection, or automate any Windows GUI task.

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

固定设备代码: 401315614 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）

方法	说明
screenshot(path)	截屏，返回路径
click(x, y)	点击坐标
type_text(text)	输入文字（优先SendMessage，降级剪贴板）
press_key(key)	按键（支持 enter, escape, f1-f12 等）
find_on_screen(img)	OpenCV模板匹配查找元素
open_app(name)	启动应用
list_windows()	列出所有可见窗口

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

问题	解决方案
输入无响应	尝试先 click 输入框获取焦点
中文输入失败	用 pyperclip + Ctrl+V，不用 pyautogui.write
微信快捷键冲突	确认 Ctrl+Alt+W 未被其他软件占用
ToDesk密码识别错误	重新截图，确保窗口在前台
截图保存失败	用英文路径 C:\temp\ 或 C:\home\