WorkBuddy：一个面向内容创作的桌面自动化助手实践
最近我在整理一个小工具，暂时叫 **WorkBuddy**。它的目标不是做一个“万能自动化机器人”，而是把日常内容运营里比较重复、容易出错的步骤整理成一套可控的桌面辅助流程。
这篇文章主要记录一下 WorkBuddy 的设计思路、核心模块和一些踩坑点。整体偏工程实践，不会讲太多概念。
## 为什么要做 WorkBuddy
内容发布这件事看起来不复杂：写文章、打开平台、复制标题、粘贴正文、加标签、存草稿。
但真实做起来会有几个问题：
- 平台编辑器不一样，操作路径不统一
- Markdown、代码块、封面、标签这些细节容易漏
- 浏览器登录态、页面弹窗、输入框位置经常变化
- 如果完全依赖接口或无头浏览器，稳定性和合规性都不好控制
所以 WorkBuddy 的定位更像是一个“桌面工作助手”：它可以帮我把内容准备好、打开真实浏览器、定位页面元素、填写草稿，但最终发布仍然交给人工确认。
## 技术选型
WorkBuddy 当前主要基于 Python 实现，核心依赖包括：
- `pyautogui`：截图、鼠标、基础桌面操作
- `pynput`：键盘输入和快捷键
- `OpenCV`：模板匹配和按钮定位
- `PaddleOCR`：识别页面文字和输入区域
- `PyYAML`：配置管理
- `logging`：调试日志和异常追踪
整体没有使用 Selenium，也没有使用 Playwright。原因很简单：这个工具更关注真实桌面环境下的辅助操作，而不是浏览器自动化测试。
## 核心流程
目前 WorkBuddy 的一次草稿流程大概是这样：
```text
读取 Markdown
-> 平台风格改写
-> 选择平台 Adapter
-> 启动真实 Chrome
-> 打开创作页
-> OCR 识别输入框
-> 鼠标定位并点击
-> 键盘输入标题和正文
-> 保存草稿
-> 人工检查后再决定是否发布
```
这里最关键的是“人工确认”。工具只负责把重复劳动做掉，不替代人做最终发布决策。
## Adapter 设计
不同平台的编辑器差异很大，所以 WorkBuddy 里使用了 Adapter 架构。
例如 CSDN 的适配器会负责：
- 打开 CSDN 创作中心
- 检测是否登录
- 进入 Markdown 编辑器
- 定位标题输入框
- 填写标题
- 填写正文
- 添加标签
- 保存草稿
这样后续要扩展知乎、掘金、InfoQ、腾讯云开发者社区时，不需要改动主流程，只需要新增对应平台的 Adapter。
## 一个简化的调用示例
```python
from publish_assistant.adapters.csdn_adapter import CsdnPublishAdapter, CsdnDraft
from publish_assistant.utils.config import load_settings
from publish_assistant.utils.logging import setup_logging
settings = load_settings("config/settings.yaml")
setup_logging(settings)
adapter = CsdnPublishAdapter.from_settings(settings)
draft = CsdnDraft(
title="WorkBuddy：一个面向内容创作的桌面自动化助手实践",
body_markdown="这里是 Markdown 正文",
tags=("Python", "桌面自动化", "AI工具"),
)
adapter.prepare_draft(draft, save=True)
```
## 踩坑点
第一个坑是 OCR 不稳定。
页面缩放、字体渲染、窗口大小都会影响识别结果。所以我后来把调试流程固定成：
- 固定 Chrome 窗口大小
- 固定浏览器缩放为 100%
- 每一步都截图
- OCR 结果全部写入 debug 日志
第二个坑是输入中文和代码块。
如果完全逐字输入，速度慢，而且代码缩进容易出问题。现在的策略是：标题这种短内容逐字输入，正文这种长 Markdown 用更稳定的分块方式写入。
第三个坑是不同平台的“保存草稿”逻辑不一样。
有的平台会自动保存，有的平台需要点按钮，有的平台快捷键也能触发保存。所以 Adapter 里需要保留兜底逻辑，而不是只依赖一种路径。
## 后续计划
WorkBuddy 后面我会继续做三件事：
1. 提升 CSDN、掘金等平台编辑器定位的稳定性
2. 增加更清晰的失败截图和错误报告
3. 优化 Markdown 到平台编辑器的转换效果
目前它还不是一个“开箱即用”的商业产品，更像是我把日常工作流工程化之后的一个实践版本。
如果你也在研究桌面自动化、内容工作流或者 AI 辅助运营，可以一起交流。