	录制回放（写死坐标）	本技能（视觉驱动）
定位时机	录制时定一次	每次执行时实时定位
界面变了	静默点错	看图发现异常，改道
出错后	不知道，继续错	截图验证，立即发现
存什么	像素坐标	语义特征 + 判断方法

坐标是易耗品：分辨率、窗口位置、应用版本、系统语言，任何一样变了写死的坐标就失效。所以本技能存的是**「怎么找到它」**，不是「它在哪」。

核心原则

坐标绝不落盘 —— 坐标只存在于本次任务的上下文里，任务结束即作废。该记的是语义特征和判断方法。
每步都要验证 —— 视觉方案真正的价值不是"能看图"，而是"点完能确认"。判断标准：如果这一步失败了你不会察觉，那这一步就该加验证。
先想清楚交互方式 —— 同一个控件，单击和长按可能完全是两回事。拿不准就先试。

安装

git clone https://github.com/kenyanghui/wechat-ops.git

cp -r wechat-ops ~/.claude/skills/    # Claude Code
cp -r wechat-ops ~/.codex/skills/     # Codex

依赖

pip3 install pyautogui pyperclip pillow

并在「系统设置 → 隐私与安全性」中授权：

辅助功能 —— 才能模拟点击和按键
屏幕录制 —— 才能截图。缺这项时 screencapture 会静默返回成功但只拍到壁纸，只能靠看图发现

用法

python3 scripts/vision.py shot [名字]           # 截图，自动缩放到逻辑分辨率
python3 scripts/vision.py grid [名字] [间距]     # 叠加带刻度的坐标网格
python3 scripts/vision.py crop x1 y1 x2 y2      # 裁剪放大，看小图标/小字
python3 scripts/vision.py click X Y             # 单击
python3 scripts/vision.py dclick X Y            # 双击
python3 scripts/vision.py longpress X Y [秒]    # 长按
python3 scripts/vision.py activate 微信          # 按窗口/进程名激活并置前
python3 scripts/vision.py type "文本"            # 输入，走剪贴板，支持中文长文本
python3 scripts/vision.py key cmd+v             # 按键，支持组合键
python3 scripts/vision.py scroll N [X Y]        # 滚动，可指定鼠标落点
python3 scripts/vision.py pos                   # 打印屏幕尺寸与鼠标位置

截图统一存在 /tmp/wechat_ops/。

坐标系（先读这段，否则必错）

macOS Retina 屏上，截图分辨率和点击分辨率不是一回事：screencapture 输出物理像素（通常 2 倍），pyautogui 用逻辑像素。

vision.py 已自动把截图缩放到逻辑分辨率，所以：

图上量到的坐标 = 直接可用的点击坐标

这也是为什么所有操作都要走 vision.py，而不是直接 screencapture——手工换算 2 倍关系是最高频的错误来源。

已知陷阱

实测踩过的坑，完整版见 SKILL.md：

中文输入法会吃掉组合键 —— pyautogui.hotkey('command','v') 会退化成裸字母 v。须用 AppleScript 发键（vision.py 已处理）
读图命令会读到旧截图 —— 图本身没错，错的是它描述的那个瞬间已经过去了（crop/grid 已默认重新截图）
滚动前先把鼠标移进目标区域 —— 滚轮事件发给指针所在的那个视图
弹窗会挡住目标 —— 动作后一定截图

安全边界

以下动作先跟用户确认再执行：对外发布（发消息、发邮件、提交表单）、破坏性操作（删除、覆盖）、花钱（下单、支付）、任何不可逆的操作。

一个实用做法：把流程走到最后一步停住，让用户看到完整状态，再决定要不要按下那个不可逆的按钮。

License

MIT

维护纪律(skill-ops 工作流)

本仓库按 references/ops-workflow.md 维护:失败基线优先、安全闸门固化进代码、证据分级表述(已验证:证据 / 未验证:待确认)、守卫检查(bash scripts/check-skill.sh .)、CHANGELOG 版本化。改动 scripts/agent.py 时,服务器部署实例必须回填仓库后再发布。

README.md Unescape Escape

WeChat Ops

为什么不是「录制回放」