纯视觉 RPA
截图 + VLM 定位聊天区、输入框与未读红点，不依赖 Accessibility 控件树，适配真实桌面环境。
桌面智能体 · Chat Desktop Agent
让 AI 看懂你的聊天窗口
自动、自然、可控地回复
基于视觉大模型（VLM）的桌面 RPA 客户端。通过屏幕截图理解微信 / 企业微信界面，生成回复并模拟键鼠发送——无需接入 IM 内部接口，纯视觉驱动。
效果演示
聊天达人自动识别微信窗口、分析未读消息并生成回复的完整流程录屏。
核心能力
智能对话回复
聊天 Provider 分析截图上下文，生成口语化回复；内置防自我循环，避免对自己消息重复回复。
可扩展 AI 服务
聊天能力通过 manifest + bundle 插件化接入，默认内置通义千问（阿里云百炼），可替换为自有模型。
安全可控
测试模式仅生成不发送；白名单限定回复对象；API Key 仅存本地，不上传云端。
多应用支持
微信 / 企微自动布局识别；钉钉、飞书等可通过框选向导手动标定区域后使用。
省 Token 设计
像素 diff 检测新消息、红点本地扫描，空闲轮询几乎不调用 API，降低日常使用成本。
工作原理
-
01
识别布局
启动时测量聊天主区、输入框与未读区域坐标并缓存。
-
02
感知变化
轮询像素 diff 与未读红点，发现新消息后截取聊天区域。
-
03
生成并发送
Provider 返回回复文案，客户端模拟粘贴 + Enter 完成发送（可开测试模式跳过）。
快速上手
环境要求
- macOS 或 Windows
- 微信 / 企业微信（或其他支持框选的 IM）
- 阿里云百炼 API Key（或自定义 Provider）
- macOS 需授权屏幕录制与辅助功能
使用步骤
- 安装并打开聊天达人桌面客户端
- 进入设置，填写视觉接口密钥（API Key）
- 选择目标应用（微信 / 企业微信等）
- 建议先开启测试模式，点击启动验证回复效果
- 确认无误后关闭测试模式，开始正式自动回复
默认使用通义千问（百炼）作为聊天服务，Base URL 为阿里云兼容模式，一般无需额外修改。