hero

如果你曾經用 Python 操作過 Office 文件，你一定記得那種感覺：為了在簡報裡加一張投影片，你要 import python-pptx、建立 presentation 物件、add_slide、add_title、add_content、save——少說 10 行程式碼，產出的檔案還常常排版跑掉。OfficeCLI 的命題很簡單：AI agent 不應該用這種方式操控 Office 文件。它把 Word、Excel、PowerPoint 變成 CLI 指令，一行搞定過去要 45 行的事。Apache 2.0 開源授權、單一執行檔、零依賴——這不只是開發者工具，這是 AI 時代的 Office 原生介面。

原文深度翻譯

概述

“Give any AI agent full control over Word, Excel, and PowerPoint — in one line of code.”

OfficeCLI 是全球第一個為 AI agent 設計的 Office 套件。開源、單一自包含執行檔，不需要安裝 Microsoft Office，沒有任何外部依賴。它的核心設計理念是：讓機器用機器的方式操作文件，而不是透過為人類設計的 API 層層包裝。

核心功能

OfficeCLI 有四個關鍵設計：

內建 HTML 渲染引擎：能將 .docx/.xlsx/.pptx 轉換為 HTML 或 PNG 圖片。這讓 AI agent 可以走一個「渲染→檢查→修正」的迴圈（render→look→fix loop）——先產出文件、再把它轉成圖片看一遍、發現問題後回頭修正，反覆迭代直到滿意。

每次操作輸出確定性 JSON：所有指令的執行結果都以結構化 JSON 回傳。AI agent 不需要寫 regex 去拆解雜亂的文字輸出，這對 LLM 的 function calling 來說是原生友好的設計。

路徑式定址（path-based addressing）：用 /slide[1]/shape[2] 這樣的路徑來定位文件中的元素，完全不需要碰 XML namespace。對 AI agent 來說，操作 Office 文件就像操作檔案系統一樣直覺。

跨平台：支援 Linux、macOS、Windows，單一二進位檔即可運作。

一行指令啟動 Agent

curl -fsSL https://officecli.ai/SKILL.md

把這行 curl 指令直接貼進任何 AI agent 的對話中，它就會自動下載安裝 OfficeCLI、讀取 skill 定義檔，完成所有初始化設定。不需要手動安裝、不需要設定環境變數、不需要讀文件——AI agent 自己會搞定。

能力清單

OfficeCLI 對三種 Office 格式的操控能力涵蓋非常完整：

Word（.docx）：完整國際化與從右到左書寫支援（i18n/RTL）、段落、表格、樣式、形狀、圖片、方程式（LaTeX 語法）、圖表（Mermaid 語法）、註解、追蹤修訂、表單欄位、22 種欄位類型。

Excel（.xlsx）：儲存格操作、350+ 函數、多工作表、布林選擇器（例如 row[Salary>5000 and Region=EMEA] 可以精準定位符合條件的列）、表格、樞紐分析表、各類圖表、交叉分析篩選器（slicers）、條件式格式。

PowerPoint（.pptx）：投影片、形狀、圖片、表格、圖表、動畫（15 種進入效果加 16 種強調效果）、轉場效果（包括 morph）、3D 模型、方程式、SmartArt。

為什麼選擇 OfficeCLI？

一句話：把多行 Python 程式碼濃縮成單一指令。

過去用 python-pptx 或 openpyxl 操作 Office 文件，你需要手動建立物件、設定屬性、處理排版、儲存檔案。OfficeCLI 把這一切變成：

officecli add deck.pptx / --type slide --prop title="Q4 Report"

一行指令完成過去 45 行 Python 的事。對人類開發者來說這是效率提升，對 AI agent 來說這是從「勉強能操作」到「原生操控」的門檻跨越。

人類介面

雖然 OfficeCLI 的核心設計是服務 AI agent，但它也提供人類可以直接使用的介面：

  • GUI：AionUi 桌面應用程式，讓你可以用自然語言描述需求，直接生成 Office 文件。
  • CLI：下載二進位執行檔後，執行 officecli install 即可加入系統 PATH，並自動將 skill 定義安裝到 AI 編碼 agent 中，支援 Claude Code、Cursor、Windsurf、Copilot 等主流工具。

城武觀點

第一點：OfficeCLI 解決的不是技術問題，是介面問題。

python-pptx、openpyxl、python-docx 這些函式庫不是不好——它們是寫給人類開發者的。一個人類看著文件物件模型，手動 add_slide、add_shape、set_position，這是合理的開發流程。但 AI agent 不該走這條路：它是機器，它需要的是確定性輸出、結構化回傳、以及一個可以「渲染→檢查→修正」的迴圈。

OfficeCLI 的三個核心設計決策——path-based addressing、JSON output、HTML rendering loop——疊在一起，解決的是一個被長期忽略的事實：Office 文件格式從頭到尾是為人類的 GUI 設計的，不是為機器的 API 設計的。COM automation 和 python-pptx 那 45 行程式碼，是上一個時代的遺產，應該消失在 agent 的 pipeline 裡。不是因為它們寫得不好，是因為它們的抽象層是錯的——它們把「人類怎麼用 Office」翻譯成程式碼，而不是「機器怎麼理解文件」。

第二點：但這個專案真正讓人不安的，不是它做了什麼，而是它解鎖了什麼。

為什麼全世界到現在還在用 .docx/.xlsx/.pptx？不是因為格式設計得多好，而是因為企業的知識、數據、決策記錄都鎖在這些檔案裡。會計部的 Excel 試算表、法務的合約 Word 檔、高層的策略簡報——打開這些檔案，就等於打開整個組織的記憶。

OfficeCLI 表面上是開發者工具，實際上是解鎖企業資料的萬能鑰匙——而且還是 Apache 2.0 授權，任何人都能拿來用，不用付錢、不用註冊、不用審核。這類工具的出現代表一件事：文件格式以經不再是 AI 的障礙了。接下來的問題不是「能不能讀」，而是「誰有權限打開哪些文件」。當一個 agent 可以用一行指令遍歷整個 SharePoint 上的 Excel 檔、提取所有樞紐分析表的彙總數據、再自動生成一份策略簡報——那個 agent 的使用者，手上握著的權限邊界在哪裡？這個問題沒人問，因為目現的注意力都放在「一行指令好方便」上面。但方便的另一面，是審計的真空。

城武的未解檔案——當 Office 文件從「人類手動操作」變成「agent 一行指令操控」，企業的權限系統會比它的防火牆更早崩潰。