7.3K Star！一个面向 AI Agent 的 Office 文档的开源工具！

如果你让 AI Agent 写过 PPT，就一定经历过那种"写了但看不见"的尴尬。

文档自动化这个领域，很长一段时间里开发者和 Agent 都在用同一批 Python 库（python-pptx、python-docx、openpyxl）。

这些库能读写结构，但渲染是另一个世界的事。你要预览？那就得装 LibreOffice，或者让它去调微软的 Graph API。Agent 在服务器里跑得好好的，一到渲染环节就卡壳。

这就导致一个很尴尬的现象：Agent 能"写"文档，但不能"看"文档。 它写出来的东西自己没法质检，交付质量完全靠运气。

直到 OfficeCLI 出现，这件事才真正有了转机。

项目简介

OfficeCLI 是一个面向 AI Agent 的 Office 文档命令行工具，支持 .docx、.xlsx、.pptx 的创建、读取、分析和修改。

它是单二进制分发，不需要本机装 Microsoft Office，也不需要 Python 环境。

它的核心价值其实分成两层，而第二层才是真正关键的：

第一层：把 Office 文档变成 Agent 能操作的结构化对象。

不管是 PPT 里的 slide、shape、table、chart、动画、3D 模型，还是 Word 里的段落、样式、表格、公式、脚注、修订追踪，还是 Excel 里的单元格、公式、数据透视表、条件格式——OfficeCLI 都能用命令行路径的方式直接定位和操作。

比如你想在第一张幻灯片上加一个文本框，只需要：

officecli add deck.pptx '/slide[1]' --type shape \
  --prop text="Revenue grew 25%" --prop x=2cm --prop y=5cm \
  --prop font=Arial --prop size=24 --prop color=FFFFFF

对比一下 Python 的写法（import、Inches、Pt、slide_layouts……至少 10 行起步），差距一目了然。

第二层（更关键）：自带渲染能力，能把 Word / Excel / PPT 渲染成 HTML 或 PNG。

这意味着 Agent 写完文档后可以立刻"看"到结果——它可以把渲染出的 PNG 喂给多模态模型，或者直接读 HTML 结构来判断排版是否合理。

OfficeCLI 提供的是一个完整的 生成 → 预览 → 修改 反馈循环。

它的渲染引擎是从零开始写的，覆盖了形状、图表（趋势线、误差线、瀑布图、K 线图、迷你图）、公式（OMML → MathJax）、3D .glb 模型（用 Three.js）、平滑切换（morph）、幻灯片缩放、各种形状效果……单二进制里塞了这么多东西，说实话有点夸张。

三层架构

OfficeCLI 给 Agent 设计了三层操作模式，推荐永远从高层开始，遇到复杂需求再往下钻：

• • L1（语义视图）：create / view / get / query / validate —— 读大纲、读统计、查问题、取结构化 JSON。Agent 用这一层就能搞定 80% 的日常需求。
• • L2（DOM 操作）：add / set / remove / move / copy —— 按元素路径增删改查，相当于对文档的 DOM 直接动手。
• • L3（原始 XML 访问）：raw —— 真有特殊需求，可以直接读写 OOXML。这一层是逃生舱，99% 的场景用不到。

这个分层设计特别聪明。Agent 不需要一上来就啃 XML，大多数时候一条命令就够了；但真遇到复杂场景，它也有能力一路钻到最底层。

而且它的元素定位用的是 稳定 ID 寻址，不是单纯的索引。比如 /slide[1]/shape[@id=550950021]，这种路径在插入/删除操作后依然有效，对多步骤工作流特别友好。

三种使用姿势：Agent、人类、开发者

OfficeCLI 把用户分成了三类，每一类都有对应的入门路径：

给 AI Agent 的：一行搞定

curl -fsSL https://officecli.ai/SKILL.md

把这一行贴进 Agent 的对话，它会读取 SKILL 文件（239 行、8K tokens，涵盖命令语法、架构设计、常见坑），自动安装二进制，然后就能直接用了。安装后还会自动把 officecli skill 注入到它检测到的所有 AI 编码 Agent 里——Claude Code、Cursor、Windsurf、GitHub Copilot 这些都支持。

给人类用户的：两条路

• • A 路线（GUI）：装 AionUi，一个桌面应用，直接用自然语言描述你要什么，它用 OfficeCLI 做底层生成文档。
• • B 路线（CLI）：从 GitHub Releases 下对应平台的二进制，跑 officecli install，就完事了。

给开发者的：30 秒上手

# 安装 (macOS / Linux)
curl -fsSL https://raw.githubusercontent.com/iOfficeAI/OfficeCLI/main/install.sh | bash

# 创建空 PPT
officecli create deck.pptx

# 启动实时预览 (浏览器打开 http://localhost:26315)
officecli watch deck.pptx

# 另开一个终端加幻灯片，浏览器会即时更新
officecli add deck.pptx / --type slide --prop title="Hello, World!"

每一条 add / set / remove 都会让浏览器实时刷新。而且如果是 3 步以上的连续操作，推荐用 open / close 的常驻模式减少文件 I/O 开销：

officecli open report.docx   # 加载到内存
officecli set report.docx ... # 零文件 I/O
officecli close report.docx   # 保存并释放

写在最后

我觉得 OfficeCLI 最有意思的一点，不是它功能有多全——而是它从第一天就明确了一个核心设计原则：为 Agent 而不是为人类设计。

几乎所有同类工具的默认假设都是"人来写代码调 API"，而 OfficeCLI 的默认假设是"Agent 来发命令、看结果"。

以后做 PPT，真的不该只剩 python-pptx 苦修了。

GitHub： https://github.com/iOfficeAI/OfficeCLI

官网： https://officecli.ai

如果本文对您有帮助，也请帮忙点个 赞👍 哈！❤️