没有 API，如何自动化操作老旧 Windows 软件？

为什么普通 API 自动化行不通

没有 API 也可以自动化操作老旧 Windows 软件，但普通接口自动化解决不了这类问题。很多财务软件、ERP、仓储系统和内部工具没有 API、SDK 或脚本接口，关键流程只能通过按钮、表单、菜单和弹窗完成。

更实际的方案是 GUI Computer Use：AI Agent 通过 RDP 或 VNC 连接真实桌面，读取当前屏幕，执行一次受控操作，再检查操作结果。

AI Agent + RDP/VNC 的实际工作流

使用 rdp-cli，Agent 可以连接已经安装目标软件的 RDP 或 VNC 桌面。先按照快速上手指南建立连接，并保存返回的会话 ID。

可靠的执行循环是：

截取当前屏幕。
找到下一个输入框、按钮或弹窗。
执行一个小动作。
再次截取屏幕。
确认真实结果后再继续。

例如，Agent 可以这样检查远程 Windows 应用：

rdp-cli screenshot --session SESSION --out before.png

rdp-cli click --session SESSION --desktop \
  --x X --y Y --observation OBSERVATION

rdp-cli screenshot --session SESSION --out focused.png

rdp-cli type --session SESSION \
  --text "Remote task completed." \
  --observation NEW_OBSERVATION

rdp-cli screenshot --session SESSION --out after.png

坐标和 observation 必须来自最新截图。点击命令执行成功，只代表输入已经发送，并不代表软件真的接受了这个操作。

文件处理与人工复核

一个典型流程是：把表格上传到远程工作区，用老旧报表软件打开，选择日期范围，导出 PDF，再下载处理后的文件。只要服务器允许驱动器重定向，RDP 会话就可以传输文件和文件夹。VNC 适合控制已有桌面，但文件传输等能力取决于协议和服务器配置。

遇到未知弹窗或需要审批时，人员可以查看同一个会话，暂停 Agent 输入，在原生窗口或授权浏览器中接管操作，完成复核后再把会话交还给 Agent。

减少 GUI 自动化失败的规则

使用小而可验证的动作，不要连续盲点。
关键动作后重新截图。
等待加载界面和弹窗出现。
遇到未知登录页、警告或错误时停止。
不要把密码和 API 密钥放进提示词或文章内容。
使用可信网络或 VPN，只授予任务必需的权限。

如果存在稳定 API，应优先使用 API。GUI 自动化最适合图形化、老旧或无法集成的软件。它不要求先重写软件，就能让 AI Agent 操作企业已经依赖的 Windows 应用。

更多配置说明请参阅 rdp-cli 的 RDP 与 VNC 功能。