Windows 桌面自动化

解决的具体问题

Windows 桌面任务里，很多动作发生在 GUI 层：需要按坐标点击、拖拽、滚动，向指定窗口输入中文，枚举并切换窗口，或对屏幕内容截图后发给同事。这类任务通常无法仅靠文件接口或网页 API 完成。windows-auto 提供一组围绕桌面操作组织的脚本，把鼠标、键盘、窗口管理和截图发送拆成可组合步骤。

技能如何工作

核心能力包括：

• 鼠标控制：scripts/mouse.py 支持移动、点击、双击、拖拽、滚动和截图，适合处理重复性 GUI 操作。
• 键盘输入：scripts/keyboard.py 支持文字输入、单键和组合热键；中文输入通过剪贴板完成，因此目标窗口需要已经聚焦。
• 窗口管理：scripts/window.py 可列举、查找、聚焦、最大化/最小化、关闭和移动窗口，适合在多个应用之间编排流程。
• 截图与发送：scripts/screenshot_powershell.py 使用 PowerShell 调用 .NET 的 System.Windows.Forms 与 System.Drawing 实现零依赖截图，支持全屏、区域和多显示器；scripts/screenshot_and_send.py 截取全屏并准备发送到群聊；scripts/send_file.py 可发送 Word、PDF、图片等文件。

使用上，它通常通过执行脚本的方式接入自动化流程：先确认窗口状态与坐标，再调用鼠标/键盘/窗口脚本，最后用截图或文件发送脚本输出结果。参考资料还覆盖坐标系统、常用热键、典型流程和紧急停止方法。

适用边界与注意点

• Python 截图和鼠标流程依赖 pyautogui 与 pillow，PowerShell 截图则适合不想安装额外 Python 依赖的环境。
• 部分操作如 UAC 弹窗可能需要管理员权限。
• 中文输入依赖剪贴板，若窗口未聚焦可能把内容写入错误位置。
• 出现误操作时，可将鼠标快速移到屏幕左上角 (0,0) 以中止自动化。