1.3 万人点赞的 GitHub 项目，让 AI Agent 操作 Office 文件。

hlx

现在让 Agent 做 Word、PPT、表格文档处理。有很多 SKill 可以用。比如 Anthropic 官方提供了 PowerPoint、Excel、Word、PDF 这类预置 Agent Skills。【图片1】地址：https://github.com/anthropics/skills/tree/main/skillsMiniMax 也开源过一整套面向 Agent 的办公文档 skill，比如 minimax-xlsx、minimax-docx、pptx-generator、minimax-pdf。【图片2】地址：https://github.com/MiniMax-AI/skills但最近 GitHub 上又火了一个新项目，也是做 Office 文件处理，但路线更偏工具化。做了一套完整的 Office 命令行工具。项目叫 OfficeCLI。目前这个项目已经拿到 1.3 万+ Star，最近在开源圈讨论度还挺高的。01开源项目简介OfficeCLI 是 iOfficeAI 开源的 Office 自动化工具，让 AI Agent 能读取、编辑、生成 Word、Excel、PPT  文件。【图片3】开源地址：https://github.com/iOfficeAI/OfficeCLI它是单文件二进制、开源免费、不需要你电脑里面安装 Microsoft Office 就能用。支持 Word、Excel、PowerPoint 三件套。对 Agent 来说，这个项目把 Office 文件变成了一组可以稳定调用的命令。【图片4】以前让 Agent 做 PPT，很多时候要靠 Python 库、XML、模板、截图工具拼起来。能做，但流程散，错误也多。OfficeCLI 把这些能力收进一个 CLI 里。Agent 可以创建文件，可以读取结构，可以修改元素，也可以把最终效果渲染出来检查。这就很适合现在的 Agent 工作流。你给它一个任务，它可以自己拆步骤，然后调用 OfficeCLI 去完成文档操作。比如我装了这个 CLI，我让 Codex 根据公司统一的 PPT  模板生成一个新的 PPT。提示词：使用 OfficeCLI 来基于这个 ppt 的模板生成一个 PPT，风格参考我公司的这个模板。内容层面是关于汉东省京州市 116 事件经过汇报，页数在 15 页左右。下面这个视频是原模板效果和基于模板生成的新的 PPT 的效果：02最大的亮点是让 Agent 看见文档做 Office 文档，最麻烦的地方其实不在生成文件这一步。真正麻烦的是检查最终效果。PPT 里标题有没有超出边界，图表有没有挡住文字，表格排版有没有乱，Word 页眉页脚有没有跑偏，这些东西光看文档结构很难判断。OfficeCLI 的一个核心能力，是内置 HTML 渲染引擎。它可以把 .docx、.xlsx、.pptx 渲染成 HTML 或 PNG。因为 Agent 不再只是读一堆结构化数据，它可以拿到渲染后的页面，再根据视觉结果修正文档。【图片5】OfficeCLI 里有几个命令：officecli view deck.pptx htmlofficecli view deck.pptx screenshot -o deck.pngofficecli watch deck.pptxview html 可以生成浏览器能打开的预览。view screenshot 可以生成图片，方便多模态模型检查。watch 会启动一个本地预览页面，后续修改文档时，浏览器里的内容会跟着刷新。这也是 OfficeCLI 很适合 Agent 的原因。Agent 生成文档之后，不用完全靠猜。它可以看一眼，再修一轮。【图片6】03Word、Excel、PPT 都覆盖了OfficeCLI 覆盖的是 Word、Excel、PowerPoint 三种常见 Office 文件。Word ，可以处理段落、表格、样式、页眉页脚、图片、批注、脚注、目录、修订等内容。【图片7】【图片8】【图片9】Excel 这边，支持单元格、公式、图表、透视表、条件格式、数据验证、工作表操作等功能。项目文档里还提到，它内置了 350+ Excel 函数的自动计算能力。【图片10】【图片11】【图片12】PowerPoint 这边，支持幻灯片、形状、图片、表格、图表、动画、转场、备注、主题等内容。【图片13】【图片14】【图片15】【图片16】【图片17】【图片18】对于普通人来说，这些功能听起来有点细。但对 Agent 来说，这些细节很重要。因为 Agent 真正处理文档的时候，经常要做一串连续动作。它可能要改第二页的标题，替换某个图表的数据，把 Excel 里的某个区域变成透视表，再把结果写进一份周报 PPT。OfficeCLI 这种路径式操作就派上用场了。比如它可以用类似 /slide[1]/shape[1] 这样的路径定位元素，然后读取或修改对应内容。这比让 Agent 在一大坨 XML 里找节点好一些。04它对 Agent 做了不少友好设计OfficeCLI 它明显考虑了 Agent 的使用方式。它在很多地方都在照顾 Agent。比如所有命令都支持 JSON 输出。Agent 不需要从一堆终端文本里猜执行结果，可以拿到结构化数据继续推理。再比如错误信息也是结构化的。如果路径错了、属性名写错了、元素不存在，它会返回错误码和建议。Agent 可以根据这些信息自己调整下一步操作。还有内置 MCP。它可以注册到 Claude Code、Cursor 等环境里，把 Office 文档操作暴露成工具。项目文档里还提到，OfficeCLI 安装后可以自动检测一些 AI coding agent 的配置目录，并安装对应 skill 文件。这其实挺符合现在 Agent 工具链的发展方向。过去我们给 Agent 加能力，更多是写提示词、写规则、写工作流。现在越来越多项目开始把能力做成真正可执行的工具，再让 Agent 去调度。OfficeCLI 就是这个方向里很典型的一个项目。06如何使用安装也比较简单。可以通过 Homebrew 或 npm 安装：brew install officeclinpm install -g @officecli/officecli或者更简单，直接丢给你的 Claude Code 或者 Codex：【图片19】创建一个 PPT，然后加一页幻灯片：officecli create deck.pptxofficecli add deck.pptx / --type slide --proptitle="Hello, World!"officecli watch deck.pptx如果想看结构化结果，可以用 JSON：officecli get deck.pptx '/slide[1]'--json这套命令对人类来说是 CLI。对 Agent 来说，就是一组稳定的工具接口。内容来源于互联网[玫瑰]