AI 能写代码、能画图、能剪视频，但一到改 Excel 报表、调 PPT 格式、合并 Word 文档这些日常办公场景，Agent 反而抓瞎了。不是不会，是没手——代码有 API，网页有浏览器，但 Office 文档是个黑盒。GitHub 上 4.7k Stars 的开源项目 OfficeCLI，给 AI Agent 装了一双能直接操作 Office 文档的手。
一行命令，Agent 接管 Office
OfficeCLI 的定位是"世界上第一个专为 AI Agent 设计的 Office 套件"。用法非常简单：
# 创建一个 Excel 文件
officecli create report.xlsx
# AI Agent 直接读写单元格
officecli set /sheet[1]/cell[A1] "Q1营收" --json
officecli set /sheet[1]/cell[B1] "1200万" --json
# 读取并返回结构化数据
officecli query /sheet[1]/table[1] --json关键之处在于它返回的是结构化 JSON。这意味着 AI Agent 能读懂结果、做判断、继续下一步操作，而不是瞎生成一段代码让你复制粘贴。
更关键的是——它不需要安装 Microsoft Office。单二进制文件，.NET 运行时嵌入，跨平台直接跑。Linux 服务器、Docker 容器、CI/CD 流水线，全部无头自动化。以前想自动处理 Office 文档，要么装一堆依赖，要么买 Office 365 许可证丢服务器上。现在一个 30MB 不到的二进制文件就搞定了。
三层文档架构
OfficeCLI 的核心是三层文档架构，让 AI 能"看懂"文档：
| 层级 | 定位 | AI Agent 怎么用 |
|---|---|---|
| L1: view | 语义化视图 | view text 提取纯文本，view outline 获取文档大纲，view stats 返回页数/字数/表格数 |
| L2: DOM | 结构化操作 | get/set/add/remove，像操作网页 DOM 一样操作文档元素 |
| L3: Raw XML | 原始 XML | raw/raw-set，直接 XPath 访问 OOXML 底层，兜底一切极端场景 |
举个例子：让 Agent 读一份 50 页的 Word 合同。它不会傻到把全文塞给 LLM 浪费 token。先用 view outline 抓大纲找到关键章节，再用 get 精准提取条款文本，最后用 set 修改对应段落。全程可控、可审计、可回滚。
另一个实用的功能是 view issues——文档有问题时直接返回诊断报告和建议修复方案，Agent 可以据此自动修复格式错误、补齐缺失字段。
落地场景
场景一：日报/周报自动生成
数据库/API 每天产出数据，写个脚本让 OfficeCLI 自动填充 Excel 模板、生成图表、导出 PDF，邮件发给老板。全程无需打开 Excel：
officecli open template.xlsx --resident
officecli batch update.json
officecli view screenshot --output report.png场景二：AI 直接改 PPT
丢给 Agent 一份数据和一个 PPT 模板，它自己完成读取模板结构、填充占位符、插入数据图表、调整配色和字体、导出最终版本。以前手搓半小时的事，现在 Agent 几分钟搞定。
场景三：CI/CD 文档自动化
代码提交后自动读取 API 注释生成技术文档、填充 Word 模板、跑 validate 检查文档完整性、不通过就阻断发布。文档和代码一起版本控制，再也不会出现"代码改了文档没改"的尴尬。
与 Microsoft 365 Copilot 的对比
Microsoft 365 Copilot 确实能做类似的事，但有几个现实问题：
- 价格：Copilot 按用户按月收费，企业级动辄几十上百万。OfficeCLI 是 Apache-2.0 开源，免费。
- 封闭性：Copilot 只认微软生态。OfficeCLI 可以跑在任何地方——服务器、客户内网、树莓派。
- 可编程性：Copilot 是聊天界面，很难嵌入自动化流程。OfficeCLI 是纯 CLI + JSON，天然适合脚本和 Agent 调用。
苏米注：这不是替代关系，是互补。Copilot 服务的是"坐在 Office 前的人"，OfficeCLI 服务的是"想让 AI 7x24 小时自动处理文档的系统"。两个赛道。
内置 MCP 服务器
OfficeCLI 还有一个隐藏亮点——内置 MCP（Model Context Protocol）服务器。MCP 是 Anthropic 推的开放协议，让 AI Agent 能标准化地调用外部工具。Claude、Cursor、VS Code、LM Studio 都已经支持。
这意味着 Agent 不需要学习 OfficeCLI 的具体命令，通过 MCP 协议"感知"到有一个能操作 Word/Excel/PPT 的工具，然后自己决定什么时候用、怎么用。这才是真正的 Agent 能力——不是人给 AI 写脚本，是 AI 自己找工具、自己组合、自己完成任务。
Cursor 3 发布、Qwen 3.7 Max 主打 Agent 原生、Claude Code 三强争霸——AI 的"大脑"已经足够聪明，现在缺的是"手脚"。OfficeCLI 就是那双能伸进企业文档里的手。
一个被忽视的趋势
过去两年 AI 创业的热点集中在聊天机器人、AI 编程、AI 生成内容。但企业里真正消耗人力的，是大量的文档处理——财务报表、合同审核、标书制作、数据汇总、PPT 美化。这些工作不性感，但占掉了白领 30%-50% 的时间。
OfficeCLI 代表了一个被忽视的巨大市场：让 AI Agent 接管企业文档工作流。它的技术路线很聪明——不是做一个"AI 版 Office"（那样太重了），而是做一个"Office 的 API 层"，让任何 AI 都能调用。轻、快、准。
未来 6 个月，会有大量 RPA 工具和 Agent 框架集成 OfficeCLI 或类似方案。企业级办公自动化，正在从"录屏脚本"进化到"AI 原生"。
源码：github.com/iOfficeAI/OfficeCLI
官网：officecli.ai