#WorkBuddy# 那些没有 API 的老平台后台，我用「看得见」的 GUI 自动化交给了 WorkBuddy

一、先说清楚我要解决什么（输入材料）

我在运营一个今日头条的情感类账号。这个活儿的特点是：操作极简单，但频次高、必须每天做，而且全在网页后台点鼠标。

每天要做的事大概这几件：

1. 发一篇微头条或图文（编辑器里填标题、正文、封面、勾「引用AI」声明）
2. 第二天去列表页读每条作品的「展现 / 阅读 / 点赞 / 评论」四个数字，记进复盘表
3. 数据不对劲时，删掉某条作品
4. 新号期还要反复确认「创作权益」有没有解锁

这些动作加起来一天二十分钟，但有个致命问题：它必须人肉盯着。 头条号后台没有给普通创作者的开放接口，抓包拿到的接口要带一堆动态签名和 cookie，为这点事去逆向不值得。

我最初的想法是让 WorkBuddy 直接帮我操作浏览器。试了之后发现两条路都不通：

• 另开一个无痕浏览器：后台要登录，无痕里是空账号，扫码登录一次就得重来，而且平台风控对「新环境登录」很敏感。
• 纯靠 API 调：签名会过期，维护成本比我手动点还高。

最后走通的方案是第三条：在已经登录好的真实 Chrome 里，用物理鼠标键盘去点。 由 WorkBuddy 负责「看」和「判断」，一段几十行的 Python 负责「动手」。

这样做的最大好处是：在平台眼里，这就是我本人在操作。 没有新设备、没有新环境、没有异常请求特征。

二、为什么这条路值得走（对比）

关键判断标准只有一条：这件事一天只做几次，但必须做对。 一天几十次的任务，GUI 自动化的速度是瓶颈；一天三五次的任务，它几乎是最优解。

三、环境与 WorkBuddy 配置

3.1 需要的环境

• Windows（本文用 Windows 11 + 4K 屏，3440×1440，这个分辨率后面会变成一个坑）
• Python 3.13
• 三个包：pyautogui、pyperclip、pillow

pip install pyautogui pyperclip pillow

3.2 目录约定（很重要）

我在项目根目录定死了一套约定，并且写进了 WorkBuddy 的工作区记忆里，让它每次执行都遵守：

D:\头条号运营\
├── 01_头像素材\      # 图片素材
├── 02_内容文案\      # 选题、成稿
├── 03_数据复盘\      # 数据导出、复盘表
├── 04_投稿\          # 对外发布的稿子
├── _tools\           # 自动化脚本（wb.py 等）
└── _cache\           # 截图临时目录，用完即删

这一步看着无关紧要，其实是整套东西能稳定跑下去的基础：脚本产出的截图、日志、记录，必须落在固定位置，否则 WorkBuddy 下次执行时找不到上下文，就会自己乱猜。

3.3 让 WorkBuddy 记住「怎么操作」

我没有每次都把操作步骤重新讲一遍，而是在工作区记忆里写成了硬规则，例如：

AI 声明不在「预览并发布」弹窗里，而在编辑器底部「共 N 字 ｜ 发文设置 ⌄」→ 展开面板最下方「作品声明」→ 勾选「引用AI」 浏览器窗口不够宽时，底栏左侧控件会被右侧面板挤到窗外，按 F11 全屏 不要用缩放后的截图目测坐标，改用像素颜色扫描算中心点 发布后列表不刷新，必须重新导航到列表页才会出现新条目

这几条规则的价值，比代码本身大。 因为它们是我踩坑踩出来的，写进去之后，WorkBuddy 下一次执行就不会在同一个地方再摔一次。

四、工具层：70 行的 wb.py

整件事的核心不是「让 AI 会点鼠标」，而是给 AI 一套稳定的感官和手。这套东西我抽成了 wb.py：

"""GUI helpers: 截图 + 鼠标键盘控制。所有截图落在 _cache/"""
import ctypes
import os
import time

# 关键：声明 DPI 感知，否则 Windows 会做缩放，坐标全错
try:
    ctypes.windll.shcore.SetProcessDpiAwareness(2)
except Exception:
    pass

import pyautogui
import pyperclip
from PIL import ImageGrab

pyautogui.FAILSAFE = True   # 鼠标甩到左上角可紧急中止
pyautogui.PAUSE = 0.35

CACHE = r"D:\头条号运营\_cache"
os.makedirs(CACHE, exist_ok=True)


def shot(name="s.png", box=None, scale=1.0):
    """截全屏；box 传裁剪区域；scale 放大便于读数"""
    img = ImageGrab.grab(all_screens=True)
    if box:
        img = img.crop(box)
    if scale != 1.0:
        w, h = img.size
        img = img.resize((int(w * scale), int(h * scale)))
    path = os.path.join(CACHE, name)
    img.save(path)
    print(path, img.size)
    return path


def click(x, y, pause=0.6):
    pyautogui.click(int(x), int(y))
    time.sleep(pause)


def paste(text):
    """中文必须走剪贴板，pyautogui.typewrite 输不了中文"""
    pyperclip.copy(text)
    time.sleep(0.2)
    pyautogui.hotkey("ctrl", "v")
    time.sleep(0.5)


def hot(key):
    pyautogui.hotkey(*key.split("+"))
    time.sleep(0.5)


def focus(title_kw="Chrome"):
    """按标题关键字把窗口提到前台（比 pyautogui 的窗口操作可靠）"""
    u = ctypes.windll.user32
    found = []

    def cb(h, l):
        if u.IsWindowVisible(h):
            n = u.GetWindowTextLengthW(h)
            if n:
                b = ctypes.create_unicode_buffer(n + 1)
                u.GetWindowTextW(h, b, n + 1)
                if title_kw in b.value:
                    found.append(h)
        return True

    cb_t = ctypes.WINFUNCTYPE(ctypes.c_bool, ctypes.c_void_p, ctypes.c_void_p)
    u.EnumWindows(cb_t(cb), 0)
    if not found:
        print("not found")
        return False
    h = found[0]
    u.ShowWindow(h, 3)          # 3 = 最大化
    try:
        u.SetForegroundWindow(h)
    except Exception:
        pass
    time.sleep(1.2)
    return True

三个要点：

1. SetProcessDpiAwareness(2) 必须写在 pyautogui 导入之前。不写，Windows 会把坐标按 150% 缩放再交给你，你会发现自己点的位置永远比看到的位置偏一点。
2. 中文一律走剪贴板。pyautogui.typewrite() 只认 ASCII，直接输入中文会丢字或者乱码。
3. focus() 用 win32 的 EnumWindows 按窗口标题找，比 pygetwindow 稳，因为它能处理标题被截断、窗口被最小化的情况。

五、三个真实任务

任务一：发文并勾上「引用AI」

这是最容易出错的一件事，因为AI 声明不在你以为的地方。

第一版我让 WorkBuddy 去「预览并发布」弹窗里找，它找了半天没找到，最后在编辑器底部发现入口：

编辑器底部 →「共 1234 字 ｜ 发文设置 ⌄」→ 展开 → 最下方「作品声明」→ 勾选「引用AI」

定位这个控件的代码：

import wb

wb.focus("Chrome")
wb.hot("f11")                      # 全屏，否则底栏被右侧面板挤到窗外
wb.hot("ctrl+l")
wb.paste("https://mp.toutiao.com/profile_v4/graphic/publish")
wb.hot("Return")

注意右侧那个 头条创作助手 面板——它是隐形杀手。窗口不够宽时，它会把编辑器的底栏往左挤，导致「发文设置」「封面」「作品声明」全都跑到可视区外面。你在截图里看不到它们，会以为页面没有这些功能。按 F11 全屏之后它们才会出现。

任务二：每天读四个数字

微头条列表里，每条作品下面有一行字：

展现 4 · 阅读 0 · 点赞 0 · 评论 0

这行字在 4K 屏上只有 30 像素高，字宽不到 10 像素。直接截图给模型看，它会认错。正确做法是裁剪 + 放大：

import wb

wb.focus("Chrome")
wb.hot("ctrl+l")
wb.paste("https://mp.toutiao.com/profile_v4/weitoutiao")
wb.hot("Return")
import time; time.sleep(6)
wb.hot("f5")            # 刷新一次，避免读到缓存
time.sleep(5)

# 只裁那一行，放大 6 倍
wb.shot("read.png", box=(1010, 468, 1420, 498), scale=6.0)

放大 6 倍之后，4 / 0 / 0 / 0 就清清楚楚了。这一步的小技巧是：先截全屏，看整体布局；再按物理像素坐标裁局部；最后按需放大读数。 三张图，成本最低。

任务三：删掉一条作品

删除路径是「更多」→「删除作品」→ 弹窗确认。这里有个必须做对的判断：

from PIL import ImageGrab

im = ImageGrab.grab(all_screens=True).convert("RGB")
px = im.load()
xs, ys = [], []
for y in range(520, 730):
    for x in range(1450, 2010):
        r, g, b = px[x, y]
        if r > 200 and g < 110 and b < 110:   # 玫瑰红 #F04141
            xs.append(x); ys.append(y)
if xs:
    cx, cy = (min(xs) + max(xs)) // 2, (min(ys) + max(ys)) // 2
    wb.click(cx, cy)

不要用「截图里目测的位置乘以缩放比」去算坐标。 我在这上面浪费了大概两个小时。原因见下一节第一个坑。

六、七个真实的坑

坑 1：截图是物理像素，你看到的预览是缩放的

这是最坑的一个，没有之一。

我的屏幕是 3440×1440。shot() 截出来的 PNG 就是 3440×1440 物理像素。但你在对话里预览这张图时，它被渲染成 1080 宽——缩放比 3.16 倍。

于是：你在预览里看到一个按钮在 (400, 200)，你以为真实坐标是 (400, 200)，实际是 (1266, 633)。点下去，什么都没发生，然后你开始怀疑人生。

正确做法只有两个：

• 按物理像素给裁剪框：wb.shot(box=(1010, 468, 1420, 498), scale=6.0)，然后只看裁剪结果，不再换算。
• 或者用颜色扫描直接算中心点，完全不依赖肉眼。

坑 2：按钮要按颜色找，不要按位置找

同一个按钮，在不同状态下位置会变（列表少一条，下面所有按钮上移 116 像素）。

稳定的定位方式是扫像素：

def find_rect(box, pred):
    """在 box 里找出满足 pred 的像素包围盒，返回中心点"""
    from PIL import ImageGrab
    im = ImageGrab.grab(all_screens=True).convert("RGB")
    px = im.load()
    xs, ys = [], []
    for y in range(box[1], box[3]):
        for x in range(box[0], box[2]):
            if pred(*px[x, y]):
                xs.append(x); ys.append(y)
    if not xs:
        return None
    return ((min(xs) + max(xs)) // 2, (min(ys) + max(ys)) // 2)


# 玫瑰红的「确定」按钮
pos = find_rect((1450, 520, 2010, 730), lambda r, g, b: r > 200 and g < 110 and b < 110)

但要注意：蓝色链接文字也会被「蓝色按钮」的判定误伤。我判过一次「打开 WorkBuddy」的按钮，结果定位到了旁边那句蓝色 URL 上，白点了一下。所以谓词要收紧，或者先聚簇再取最大连通块。

坑 3：外部协议弹窗会吃掉所有点击

在网页上点「去完成」，如果它要唤起本地客户端，Chrome 会弹一个拦截条：

要打开 WorkBuddy 吗？ https://www.workbuddy.cn 想打开此应用

这个弹窗是模态的，会挡掉整页的点击。 后续所有 click() 都失效，而且你不会收到任何报错——脚本照跑，只是什么都没发生。

解决：勾上「始终允许」，然后点「打开」。一次搞定，以后不再弹。

坑 4：发布成功后列表不刷新

点完「确认发布」，页面回到列表，列表还是旧的——看不到新文章，草稿箱计数已经清零了。

我第一次以为发布失败，又发了一遍，然后账号里出现了两篇一样的稿子。

正确判断是：重新导航到列表页 URL，新条目才会出现。所以判定发布成功的条件是：

草稿消失 + 刷新后列表出现新条目 = 发布成功

坑 5：F11 全屏之后再 F11 退出

全屏是为了让底栏控件进可视区。但脚本跑完要退出全屏，否则用户回来发现浏览器莫名全屏了，会以为出故障。养成配对习惯。

坑 6：中文输入必须走剪贴板

pyautogui.typewrite("测试") 会静默失败。pyperclip.copy() + ctrl+v 才是正解。另外粘贴前要先 click() 把焦点落进输入框，并且截图确认光标真的在里面——我遇到过一次点击落空，粘贴的内容进了页面搜索框。

坑 7：不要写脚本文件跑中文路径（Windows）

在 Windows 上写 .ps1/.bat 带中文路径，编码会把文件名搞乱。要么全部用 execute_command 直接调用，要么路径里避不开中文时用 Python 处理（Python 3 默认 UTF-8，稳）。

七、产出物与效果

跑通之后，这套东西的实际收益是：

更有价值的是它变成了一个可复用的判据。举个真实例子：

新号发了三篇图文，全部「展现 0 · 阅读 0」。我第一反应是内容有问题，准备改稿。但让脚本去读一条几十字的微头条探针，40 分钟后拿到 展现 4 / 阅读 0——说明推荐通道是通的，问题在图文本身，不在账号。如果没有这套自动读数，我会误判方向，然后在错误的地方改一整周。

八、边界：什么时候别用这条路

说说我踩过的反例，免得你走弯路：

1. 需要一天跑几十次的，别用。 每次都截全屏 + 图像识别，一次要 2—5 秒。批量任务用 Playwright。
2. 涉及不可逆操作的，必须加二次确认。 我删作品那次，是先扫描出红色「确定」按钮的像素中心，再单独执行点击，中间隔了一次人工确认。自动点「确定删除」这种事，出事没有后悔药。
3. 涉及额度的，先问再做。 改名、实名认证这类有次数限制的操作，绝不能让脚本自己决定。
4. 别用它去对抗平台。 这套东西的定位是「替我做我本来就要做的重复劳动」，不是「帮我批量生产内容刷量」。我给自己定的规则是：一天最多发一篇，题材必须换。这不只是策略，也是账号能活下来的前提。

九、写在最后

这套东西能跑起来，靠的不是「AI 会点鼠标」这件事本身——那部分代码只有 70 行，谁都能写。

真正难的是：AI 不知道「引用AI」的勾选框藏在编辑器底部，不知道发布后列表不会刷新，不知道 4K 屏上截图会大 3.16 倍。 这些全都要靠人踩一遍，然后写进它的记忆里。

所以我现在的用法是：我负责踩坑和定规则，它负责每天重复执行。 踩坑只能踩一次，后面的活儿都交给它。

如果你也有一个「天天要点、但没有 API」的老后台，这套思路可以直接搬。真正要改的只有两处：wb.py 不用动，动的是你踩出来的那几条规则。

本文所有代码均来自实际运行中的脚本，非示意代码。