Neko Agent 是一个开源的基于人工智能的 Windows 操作自动化工具，它能够接收用户的自然语言，将复杂任务分解为一系列精确的、可执行的小步骤，并通过模拟操作来自动完成这些任务，这是一个远古版本的命令行版本的Neko，不推荐安装，建议安装有更多新功能的GUI版本，最新图形化版本在这里
特点：
- 可自定义的API
- 自动解析llm指令并执行
- 支持多种交互方式（点击、输入文本、执行命令等）
- 自动分析任务场景并高效执行(图形界面任务/命令行任务)
Neko Agent 的工作流程如下：
- 用户通过自然语言给Agent下达任务
- Agent 接收当前屏幕截图与屏幕OCR结果作为输入
- 利用 LLM 分析图像并制定行动计划
- 将计划转换成具体的操作指令（如点击坐标、输入文字等，如果要运行命令，统一需要用户同意，后续可能会添加自动批准执行）
- 执行动作并与用户交互反馈结果
- 循环上述过程直到任务完成
- 克隆此仓库
git clone https://github.com/Lin-neko/neko-agent.git- 创建虚拟环境
python -m venv 虚拟环境名称- 激活虚拟环境并安装依赖
.\虚拟环境名称\Scripts\activate
pip install -r requirements.txt在使用前需要配置以下参数：
- OpenAI API 密钥：修改
main.py中的api_key字段为你自己的密钥 - 基础 URL：根据实际使用的模型服务端点设置
base_url - 模型名称：根据实际使用的模型名称设置
model_name...反正还有很多 - 视觉参数：修改
neko_vision.py里的网格线颜色，网格线粗度，格线划分，缩放倍率
运行主程序开始与 Neko Agent 互动：
(venv)python main.py启动后会提示你输入想要执行的任务,下达指令，随后程序会截取屏幕，并发送给 llm 进行分析和操作
| 功能 | 描述 |
|---|---|
click x,y |
在指定坐标上单击鼠标左键 |
input "text" x,y |
向指定位置输入文本内容 |
exec/popen "command" |
请求执行 CMD 命令（需用户审核） |
file_read "path_to_file" |
读取文件（需用户审核） |
file_write "path_to_file" "data" |
向文件末尾追加数据（需用户审核） |
drag x1,y1 x2,y2 |
从起点拖拽到终点 |
- [main.py]是入口文件，控制整体逻辑流程。
- [neko_vision.ScreenCapture] 负责屏幕捕获、OCR识别及图像预处理。
- [neko_parser.AgentParser]解析并执行来自 AI 的指令。
📌 提示：由于涉及敏感操作权限，在生产环境中部署时请注意安全防护措施！