写了个东西，开源了：sightflow.dev （代码会在本周同步在 GitHub ，同步在网站上）

一句话：给大模型装眼睛和手。它能自己打开微信、企业微信、WhatsApp ，像人一样看界面、读消息、打字回复。

不是 API 套壳——因为这几个平台根本没给开发者开放可用的 API 。

核心方案：

• 视觉自动化状态机（看窗口、切任务）
• Electron 跨桌面
• 键盘模拟 + 状态流转

最难的部分（视觉执行层）我已经啃完了，代码已开源。上层留了一个本地 Skill Server ，你只需要写业务逻辑（比如自动客诉、销售跟进、群回复），不用碰底层。

适用场景：

• 无 API 的私域自动化（客服、销售、运营）
• 跨 WhatsApp / 微信 / 企微的统一消息处理
• 任何需要“AI 模拟人操作桌面软件”的场景

为什么搞这个？ 因为全球 5000 万+ 企业用 WhatsApp Business ，中国 1200 万+ 企业微信用户，但官方接口要么没有，要么贵得离谱。AI Agent 想落地到最赚钱的业务场景，绕不开这些平台。

现状：

• 视觉执行层稳定，可直接 clone 跑 demo

有场景的开发者欢迎 clone 下来跑一跑，也欢迎讨论。