简介：AutoFlow是一款面向办公人群的零代码桌面自动化工具，专为解决日常重复点击、批量填表等枯燥操作而设计，无需编程基础即可上手。它通过一键录制鼠标键盘动作生成可执行流程，并支持在图形界面中拖拽调整步骤、双击修改参数，配合图像识别功能可精准定位动态界面中的按钮，变量批量填表与JSON配置映射则让客户信息录入、编号查表填充等场景实现全自动处理，且纯本地离线运行、无需联网。资源包共156个文件，约99.95MB，以86个dll动态库和58个pyd扩展模块为核心运行组件，另含2个exe主程序、6个json配置及少量说明与日志文件，解压后即可直接使用。目前已有49人学习关注，适合希望摆脱机械重复劳动、又不想学习编程的Windows办公用户参考使用。
1. 桌面自动化还能这么玩：录制一遍鼠标键盘，图像识别加变量填表全自动跑
上周帮财务同事处理一批报销单，三十多张 PDF 要挨个打开、截图、把金额和发票号抄进 Excel。她本来打算手动干一下午，我让她把操作录了一遍——鼠标点哪里、键盘敲什么、哪一步要等窗口加载，全录下来。然后我把「金额」和「发票号」两个位置改成变量，让工具从 Excel 里逐行读，跑完三十多张只用了不到四分钟。这就是 AutoFlow 这类桌面自动化工具的核心价值：不写代码，靠录制回放加图像识别定位，把重复性的 GUI 操作变成可批量执行的流程。
这份资源是一个本地离线运行的桌面自动化工具包，主打三件事：录制鼠标键盘动作、用图像识别定位界面元素、支持变量填表做批量处理。适合经常跟 Excel、ERP、网页后台、桌面客户端打交道，又不想学 Python 或 RPA 重工具的办公自动化从业者。零代码门槛意味着上手快，但图像识别的稳定性边界和变量传参的细节，才是决定你能不能真正把它用起来的关键。
2. 录制回放与图像识别：AutoFlow 的定位逻辑和第一条可跑流程
2.1 录制模式到底录了什么
很多人以为「录制」就是把鼠标坐标和键盘按键记下来，回放时按坐标点一遍。如果真是这样，换个分辨率或者窗口位置一变就全废了。AutoFlow 的录制实际上记录了三类信息：操作类型（点击、输入、等待、滚动）、时间间隔、以及操作时刻的屏幕图像特征。回放时优先用图像识别去匹配目标元素，坐标只作为兜底。
这个设计思路和按键精灵那类纯坐标工具的区别在于：它把「找元素」和「执行动作」拆开了。找元素靠模板匹配，执行动作靠录制时记录的事件序列。好处是窗口挪了位置、分辨率微调，只要目标图标还能被识别到，流程就不会断。代价是图像识别的阈值和匹配区域需要调，调不好就会出现「明明看到了但就是点不中」的玄学问题。
我一般建议第一次用的时候，先录一条最简单的流程：打开记事本，输入一行字，保存。跑通了再往上加复杂度。下面是一个典型的录制配置文件结构，AutoFlow 通常会把录制结果存成 JSON 或类似的步骤描述文件：
{ "flow_name": "demo_notepad", "steps": [ { "action": "click", "target": { "type": "image", "template": "templates/notepad_icon.png", "threshold": 0.85, "search_region": [0, 0, 1920, 1080] }, "wait_after_ms": 500 }, { "action": "type_text", "text": "hello autoflow", "interval_ms": 50 }, { "action": "hotkey", "keys": ["ctrl", "s"], "wait_after_ms": 800 } ] }这段配置里几个参数值得说清楚。threshold是模板匹配的相似度阈值，0.85 意味着截图区域和模板图有 85% 以上相似就认为找到了。调太低会误匹配，调太高稍微有点颜色偏差就找不到。search_region限定搜索范围，全屏搜慢且容易误判，限定到目标窗口所在的矩形区域能明显提速。wait_after_ms是动作后的等待时间，给界面响应留余量，设太短会在窗口还没加载完就执行下一步。
2.2 图像识别定位的实操配置
图像识别能不能稳定工作，七成取决于模板图截得好不好。我踩过的坑是：直接用全屏截图里抠出来的小图标当模板，结果回放时因为背景色微变就匹配不上。正确的做法是截取目标元素时尽量只包含元素本身，不要带周围背景，同时在不同状态下各截一张（比如按钮的普通态和悬停态）。
AutoFlow 一般支持多模板匹配，也就是同一个目标可以配多张模板图，命中任意一张就算找到。配置方式通常是在template字段里给一个数组：
{ "action": "click", "target": { "type": "image", "templates": [ "templates/btn_normal.png", "templates/btn_hover.png" ], "threshold": 0.82, "search_region": [200, 300, 800, 600], "retry": 3, "retry_interval_ms": 300 } }retry和retry_interval_ms是应对界面加载延迟的关键参数。有些窗口点完按钮后要等一两秒才弹出下一个界面，如果只匹配一次就放弃，流程就断了。设成重试 3 次、每次间隔 300 毫秒，总共给 900 毫秒的容错窗口，大部分桌面应用的响应都能覆盖。如果目标应用特别慢，可以把这个值加大，但别无限加大，否则真出问题时排查起来很痛苦。
还有一个容易被忽略的点：屏幕缩放。Windows 默认可能是 125% 或 150% 缩放，录制时的截图和回放时的实际渲染尺寸会不一致，导致模板匹配失败。常见做法是把系统和应用的缩放都固定成 100%，或者在工具里配置缩放补偿系数。我一般会在流程开头加一步「检查分辨率」的断言，不匹配就直接报错退出，免得跑到一半才翻车。
3. 变量填表与数据驱动：从 Excel 读数据批量写入界面
3.1 变量定义与数据源绑定
录制回放只能处理固定内容的重复操作，真正让它变成生产力工具的是变量。AutoFlow 的变量填表逻辑通常是：在流程里把某个输入步骤的文本内容标记为变量占位符，然后绑定一个数据源（Excel、CSV、JSON 都行），运行时逐行读取，每行执行一遍完整流程。
假设你要把一张 Excel 表里的姓名、电话、地址逐行填进某个桌面客户端。Excel 长这样：
| name | phone | address |
|---|---|---|
| 张三 | 13800001111 | 北京市朝阳区 |
| 李四 | 13900002222 | 上海市浦东新区 |
流程配置里对应的步骤会写成这样：
{ "flow_name": "batch_fill", "data_source": { "type": "excel", "path": "data/contacts.xlsx", "sheet": "Sheet1", "start_row": 2 }, "steps": [ { "action": "click", "target": { "type": "image", "template": "templates/name_field.png" } }, { "action": "type_text", "text": "{{name}}", "clear_before": true }, { "action": "click", "target": { "type": "image", "template": "templates/phone_field.png" } }, { "action": "type_text", "text": "{{phone}}", "clear_before": true }, { "action": "click", "target": { "type": "image", "template": "templates/address_field.png" } }, { "action": "type_text", "text": "{{address}}", "clear_before": true }, { "action": "click", "target": { "type": "image", "template": "templates/submit_btn.png" }, "wait_after_ms": 1000 } ] }{{name}}、{{phone}}、{{address}}就是变量占位符，运行时会被数据源里对应列的值替换。clear_before: true表示输入前先清空字段，避免上一次的内容残留。start_row: 2是因为第一行是表头，从第二行开始才是数据。
3.2 循环控制与异常中断
批量填表最怕的是跑到一半出错，比如某一行数据格式不对导致输入框没反应，后面全乱套。AutoFlow 一般会提供循环控制和错误处理配置。常见做法是给每个关键步骤加on_error策略：
{ "action": "type_text", "text": "{{phone}}", "clear_before": true, "on_error": { "strategy": "skip_row", "log": "logs/error_row_{{row_index}}.txt" } }strategy可以设成skip_row（跳过当前行继续下一行）、abort（直接终止流程）、retry（重试当前步骤）。我一般会在调试阶段用abort，确保能第一时间发现问题；正式跑批量的时候用skip_row加日志，跑完再回头检查哪些行被跳过了。
还有一个实用技巧：在流程末尾加一步「写回结果」。比如每处理完一行，就往一个结果 Excel 里写一条「成功/失败」的记录。这样跑完几百行之后，你一眼就能看出哪些需要手动补。AutoFlow 通常支持write_cell或类似的输出动作，配置方式和读数据对称。
提示：变量名要和数据源列名完全一致，包括大小写和空格。我见过因为 Excel 表头多了一个空格导致整列变量取不到值的案例，排查了半小时才发现。
4. 避坑与排查：图像识别和变量填表最容易翻车的五个地方
4.1 模板匹配失败但肉眼看着明明一样
现象：回放时提示「未找到目标元素」，但手动看屏幕，目标按钮就在那里。
原因：最常见的是屏幕缩放不一致。录制时是 100% 缩放，回放时系统变成了 125%，模板图的像素尺寸和实际渲染尺寸对不上。其次是模板图截取时带了背景，回放时背景色微变导致相似度掉到阈值以下。还有一种情况是目标元素有动画效果，截取时正好处于过渡状态。
解决：固定系统和应用缩放为 100%；重新截取模板图，只保留元素本身；对动态元素多截几张不同状态的模板图，配成模板数组。如果还不行，把threshold从 0.85 降到 0.78 试试，但别低于 0.75，否则误匹配率会明显上升。
4.2 输入框内容没清空导致数据叠加
现象：第二行数据填进去之后，输入框里显示的是「张三李四」而不是「李四」。
原因：clear_before没设成true，或者设了但清空动作没生效。有些桌面应用的输入框不支持全选删除，需要先三击选中再输入。
解决：确认clear_before: true；如果应用不支持标准清空，可以在输入前加一步hotkey: ctrl+a再hotkey: delete，用键盘操作强制清空。
4.3 流程跑得越快越容易断
现象：手动一步步执行没问题，让它自动连续跑就经常在某一步卡住。
原因：wait_after_ms设得太短，界面还没响应完就执行了下一步。尤其是点击按钮后弹出新窗口的场景，窗口渲染需要时间。
解决：给关键步骤加大等待时间，或者在点击后加一步「等待图像出现」的动作，让流程主动等目标元素出现再继续，而不是死等固定毫秒数。后者更可靠，但配置稍微麻烦一点。
4.4 Excel 数据源读取不到或读错列
现象：变量替换后填进去的是空值，或者填的是隔壁列的数据。
原因：start_row设错了，把表头也当数据读了一行；或者列名匹配时因为空格、大小写不一致导致取错列。
解决：确认start_row从数据第一行开始；检查 Excel 表头是否有多余空格；变量占位符里的名称和数据源列名逐字符核对。常见做法是先用两行测试数据跑一遍，确认变量替换正确再上全量。
4.5 多显示器环境下坐标和截图错位
现象：在主显示器上录制的流程，跑到副显示器上执行时点错了位置。
原因：图像识别的搜索区域是按主屏坐标配的，副屏的坐标系不一样。或者录制时目标窗口在主屏，回放时窗口跑到了副屏。
解决：把search_region设成相对于目标窗口的坐标而不是全屏绝对坐标；或者干脆固定应用窗口的位置，在流程开头加一步「移动窗口到指定位置」。我一般会要求所有自动化流程都在主屏固定区域执行，省掉一堆坐标换算的麻烦。
5. 进阶技巧：用图像识别做条件判断和流程分支
前面讲的都是线性流程——从头跑到尾。但实际办公场景里经常需要「如果出现 A 界面就走分支一，出现 B 界面就走分支二」。AutoFlow 这类工具通常支持基于图像识别的条件判断，配置方式是在流程里插入一个condition步骤：
{ "action": "condition", "check": { "type": "image_exists", "template": "templates/success_dialog.png", "threshold": 0.8, "timeout_ms": 3000 }, "then": [ { "action": "click", "target": { "type": "image", "template": "templates/ok_btn.png" } } ], "else": [ { "action": "click", "target": { "type": "image", "template": "templates/retry_btn.png" } }, { "action": "wait", "ms": 1000 } ] }这个配置的意思是：在 3 秒内检测屏幕上有没有出现「成功」对话框。有就点确定，没有就点重试然后等一秒。timeout_ms是等待上限，超时还没出现就判定为不存在，走else分支。
这个能力把 AutoFlow 从「死板的录制回放」变成了「能应对界面变化的自动化」。比如批量提交表单时，有的行提交成功弹确认框，有的行因为数据校验失败弹错误提示，用条件判断就能自动分流处理，不用人工盯着。
验证流程是否可靠，我一般会做三轮测试：第一轮用 3 到 5 行数据跑通全流程；第二轮把数据量加到 20 行，观察有没有偶发失败；第三轮故意在数据里混入几条格式不对的，看错误处理策略是否按预期工作。三轮都过了，才敢让它跑几百行的正式任务。
还有一个我后来养成的习惯：每次改完流程配置，先不跑数据，而是用「单步执行」模式把每一步过一遍，确认图像识别都能命中、变量替换都正确。这个习惯帮我省掉了无数次跑到一半才发现问题的后悔药。从那以后我每次调整流程参数，都强制走一遍单步验证，确认无误再切回自动模式。希望帮到你。
本文还有配套的精品资源，点击获取
