sage-guikit

DSH agent 天然工作在文本世界，但大量实用任务必须触碰 Windows 图形界面：点按保存按钮、拖拽滑块、在表单中打字、确认对话框已弹出。sage-guikit 把 Win32 鼠标键盘 API、窗口管理与 UI Automation 封装成 11 个可直接调用的模型工具，零外部运行时、无常驻守护进程，让 agent 在同一次会话里完成看屏幕、操作、验证的完整闭环。

三层精度栈覆盖整个交互周期：结构层 gui_uia 按名称或控件类型定位标准 Win32/WPF/WinForms 控件，直按按钮、直读文本，无需坐标换算；视觉层 gui_screenshot 与 gui_window_shot 分别处理全屏与单窗口截图（后者优先级更高，被遮挡窗口也能抓到，文件体积约为整屏的几十分之一），annotate 模式把坐标网格直接画进图里供 agent 读取物理像素；执行层 gui_click、gui_drag、gui_type、gui_key、gui_scroll 驱动真实指针与键盘；验证层 gui_wait 轮询像素变化或窗口出现，确认动作生效后再继续。全部依赖系统自带的 PowerShell 7 与 .NET 组件，不需要 Python、不需要 API key。

适合 DSH agent 开发者与需要自动化本地 Windows 桌面应用的进阶用户，尤其是偏好轻量、会话级、即插即忘部署方式的场景。设计上的取舍很明确：不引入视觉模型，agent 通过标注截图或 UIA 查询自行推理坐标，换来的是极小的运行时足迹与零配置部署。