研究报告 · 约 30,023 字 · 预计推送 4 部分

Windows 桌面自动化：AutoHotkey、PowerShell 与 UI 自动化边界（横纵综合报告） 未开始

目录

题记与说明

TL;DR

Windows 桌面自动化是三条线索的缠绕史：按键模拟（AutoIt→AutoHotkey，个人效率驱动）、对象化脚本（Monad→PowerShell，企业可管理性驱动）、控件语义树（MSAA→UIA，无障碍合规驱动）。三线各自生长、互相渗透，2020 年后被低代码 RPA（Power Automate Desktop）与 AI 智能体（Copilot Actions、agentic OS）改写。2026 年横截面结论：三主角是分层互补而非竞争——PowerShell 管无 GUI 的世界，AutoHotkey 管输入的世界，UIA 管语义的世界；UIA 的边界是设计使然，由此形成"语义→输入→图像"的退化路线，三主角恰好逐级铺满。成本呈四个价位台阶（$0 → $15/用户/月 → $150/bot/月 → 约 $10k/机器人/年，即年化 $0–约$10,000 的成本谱），维护活性呈哑铃状：语言层与平台 API 层健康，中游官方胶水（WinAppDriver）批量腐烂，社区 fork（UIA-v2、OculiX）补位。AI 智能体是新变量而非替代者：接管感知与决策，脚本层转为确定性执行器；最佳实践是"智能体探索 + 脚本固化"，选型看"谁在维护"而非"谁功能多"。

一、纵轴：发展脉络（1980s–2026）

1.0 总览：三条线，不是一条线

Windows 桌面自动化不是一条线，而是三条线索的缠绕史：

  1. 按键/鼠标模拟线：AutoIt → AutoHotkey，由社区与个人效率需求驱动；
  2. 系统级脚本与对象化命令行线：Monad → PowerShell，由企业可管理性驱动；
  3. 可访问性/控件树自动化线：MSAA → UIA，由无障碍合规驱动。

三条线在 2000 年代各自生长，2010 年代互相渗透（PowerShell 吃下系统管理，UIA 成为控件级自动化的通用底座，AHK 靠 UIA 封装补上语义能力），2020 年后被两条新线改写：低代码 RPA 从企业端下沉到免费桌面，以及 2023–2026 年 AI 智能体从操作系统层面重新定义"自动化的边界"。

1.1 阶段 0：史前——批处理、宏录制与 SendKeys（1980s–1998）

专用工具出现之前，Windows 用户的自动化手段极其贫乏：DOS 遗产的批处理文件只能顺序执行命令、碰不到图形界面；Office 的 VBA 宏证明了"录制-回放"的商业价值，却被困在单个应用内部；Visual Basic 与 Windows Script Host（WSH，1998 年随 Windows 98/NT 4.0 Option Pack 普及）提供 SendKeys，可以把合成按键打进任意前台窗口——这是"以假乱真驱动 GUI"的最早通用原语，也奠定了此后二十余年的技术底色：能走接口走接口，走不通就模拟人。这一阶段的痛点很明确：批处理碰不到 GUI，宏录制困在应用内，SendKeys 原始且不可靠（焦点一变就打错地方）。

1.2 阶段 1：AutoIt 开路，AutoHotkey 分叉（1999–2006）

1.3 阶段 2：Monad 思想实验与 PowerShell 1.0（2002–2009）

桌面自动化的另一半历史发生在服务器管理员的世界里。

这一阶段 PowerShell 与"桌面自动化"的关系还是间接的——它是系统自动化；但它奠定了后来"用脚本消费 .NET 世界（包括 UIA）"的可能性。

1.4 阶段 3：无障碍驱动的标准化——MSAA 到 UIA（1997–2010）

第三条线来自无障碍法规与工程需求，最终却成为 GUI 自动化的最大基础设施。

对课题的意义：UIA 划定了桌面自动化的"能力边界"——凡是把界面画成标准控件的程序（WinForms、WPF、后来的 UWP/WinUI），自动化可以按控件属性精确定位；而自绘界面、DirectX、Canvas 类应用则退回坐标与图像识别。此后二十年的工具竞争，本质上都在 UIA 这条边界上做文章。

1.5 阶段 4：分头成熟与社区危机（2009–2015）

1.6 阶段 5：开源化与跨平台（2015–2020）

此阶段的格局：PowerShell = 系统自动化的官方正典，AHK = 民间效率神器，UIA = 一切控件级自动化的共同地基。

1.7 阶段 6：低代码 RPA 下沉与 AHK v2 世代交替（2020–2023）

驱动因素：企业 RPA 商业浪潮（UiPath/Blue Prism 上市后微软跟进）把"桌面自动化"从极客技能变成白领技能；AHK v2 则是社区偿还 v1 技术债的一次集中结算。

1.8 阶段 7：AI 智能体撞上桌面（2023–2026）

边界重划：AI 智能体接管的是"感知—理解—决策"这一层（屏幕语义、自然语言到动作的映射），而 AHK/PowerShell/UIA 构成的脚本层恰恰是智能体最可靠的"确定性执行器"——低延迟、可审计、可幂等。桌面自动化的边界第一次从"人写脚本 vs 人肉点击"的二元选择，演化为"AI 规划 + 脚本执行 + 人类审批"的三层结构。

1.9 纵轴小结：四个阶段、三次位移

时期自动化边界由谁定义主导驱动
1999–2006坐标与按键模拟（AutoIt/AHK）个人效率
2006–2016UIA 控件树 + 对象化脚本（Vista/.NET 3.0、PS 2.0–5.1）无障碍合规 + 企业可管理性
2016–2022开源跨平台 + 低代码 RPA（PS Core、FlaUI/pywinauto、PAD）开源战略 + RPA 商业浪潮
2023–2026AI 智能体 + MCP（Copilot Actions、agentic OS），脚本层转为执行底座大模型与智能体范式

主要参与者：Jonathan Bennett、Chris Mallett、Steve Gray（Lexikos）、polyethene、tank 与 AutoHotkey 社区；Jeffrey Snover 及微软 PowerShell 团队（开源后转社区驱动）；微软无障碍与 Windows 团队；FlaUI/pywinauto 等开源作者；Softomotive → Microsoft Power Automate 团队；PowerToys 开源社区。

二、横轴：横向对比（2026-11-05 时间截面）

2.1 七个谱系：先划清"谁跟谁在竞争"

把课题主角（AutoHotkey、PowerShell、UIA）放进 2026 年的 Windows 桌面自动化市场，"竞品"其实是七个谱系（A–G），它们互相替代但不完全同一战场：

谱系成员一句话定位
A. 脚本宏工具AutoHotkey v2、AutoIt v3以键盘鼠标事件与热键为中心的个人效率/轻量自动化脚本语言
B. 系统管理壳层Windows PowerShell 5.1、PowerShell 7.x以对象管道、.NET/COM/WMI 为中心的系统自动化，GUI 自动化只是副业
C. UI 自动化 API/框架层Microsoft UIA、FlaUI、pywinauto、WinAppDriver(Appium)直接消费/封装 UIA 可访问性树，做控件级"语义"操作
D. 低代码 RPAPower Automate Desktop（PAD）、UiPath、Automation Anywhere / Blue Prism录制器 + 商业平台 + 编排/许可体系
E. 视觉兜底SikuliX（冻结）→ OculiX（社区接棒）OpenCV 图像识别，无控件树时的最后手段
F. AI 计算机操作智能体Windows Copilot Actions、Copilot Studio "Computer use"、Claude Computer Use、OpenAI Operator/Agent Mode用视觉+语言模型"看屏幕干活"，概率性执行
G. 系统内建件任务计划程序、SendKeys、PowerToys Keyboard Manager零成本但能力有限的"原生选项"

课题三主角分属 A/B/C 三层，它们彼此是互补分层关系而非互相替代；真正的横向竞争发生在 A↔D（脚本 vs 低代码 RPA）、B↔D（PowerShell vs PAD 在企业内网自动化）、C↔E（控件语义 vs 图像视觉）以及三主角（A/B/C）↔ F（确定性脚本 vs 概率性智能体）之间。

2.2 总对比表（2026-11-05 快照）

方案操作机制UIA 支持直接成本生态成熟度/维护（逐项核对，含未核验标注）典型场景主要边界
AutoHotkey v2热键/热字符串/模拟输入窗口消息原生无完整对象模型，经 UIA-v2 库（MIT，504★）补齐免费（开源 GPLv2）极大：官方论坛、海量脚本库活跃：最新 v2.0.31（2026-10-25）；v1 已废弃；v2.1 alpha 推进近乎停滞个人热键、输入自动化、窗口管理、轻量 GUI 流程杀软误杀/反作弊封锁；管理员窗口权限墙
Windows PowerShell 5.1对象管道 + .NET/COM/WMI + SendKeys经 System.Windows.Automation 可调，无录制器随 Windows 免费内置巨大（脚本库/Gallery）维护模式：只修安全不加功能系统/服务/文件/注册表自动化，AD、远程管理GUI 自动化非设计中心，SendKeys 极脆
PowerShell 7.x同上，跨平台同 5.1免费开源（MIT）同上 + 跨平台模块活跃：7.5.13（约 2026-10）；当前推荐 7.6 LTS（2026-03-18 发布）；7.5 STS 支持约至 2026-11同上，Linux/macOS 亦可同上
Microsoft UIA（直调）COM/Win32 与 .NET 双 API，可访问性树——（它就是标准本身）免费，随系统所有桌面自动化工具的地基平台级基础设施，持续随 Windows 演进无障碍、测试框架底座自绘 UI/远程桌面/提权窗口覆盖不到
AutoIt v3类似 AHK：ControlClick/ControlSend 类控件函数有 Window Info 工具与控件函数，UIA 深度弱于专用库免费闭源软件大（历史比 AHK 更久）低频维护：v3.3.18.0（2025-09-07 发布），最低要求 Win7安装包自动化、简单控件级操作迭代慢；与 AHK 同源竞争
pywinautoPython，Win32 与 UIA 双后端✅ 一等公民（UIA backend）免费开源（BSD-3）Python 生态带入半休眠：稳定版 0.6.9（2025-01-06），1.0.0b1 预发布（2026-10 出现）Python 团队做桌面测试版本节奏慢；需 Python 位宽匹配目标进程
FlaUI.NET，UIA2/UIA3 双封装✅ 一等公民（可显式选 UIA2/UIA3）免费开源（MIT，3.2k★）.NET 测试生态活跃：764 commits，NuGet 三包分发WPF/WinForms/Win32/Store 应用自动化测试需要 .NET 开发能力；仅支持 UIA（FlaUI 不提供 MSAA 封装，MSAA 属于被 UIA 取代的旧一代 API）
WinAppDriver (Appium)WebDriver 协议 → UIA✅（本质是 UIA 的 WebDriver 网关）免费开源Appium 生态事实死亡：末版 v1.2.1（2021），依赖的 .NET 5 已于 2022-05 EOL，微软自 2021 年后无官方路线图曾用于 Appium 式桌面测试生产环境选它 = 接管一具无人维护的依赖
Power Automate Desktop录制器 + UI 元素（UIA3，含 raw 树模式）+ 云触发✅（微软官方封装）桌面应用"非业务关键用途"免费（许可指南口径，与常见说法"个人非商业用途免费"并不等价，见 2.4 口径说明）；业务场景需 Premium $15/用户/月；无人值守 Process $150/bot/月（含 25 万动作/日）；Hosted Process $215–225/bot/月Power Platform 全家桶活跃（微软主线产品），许可指南 2025-12 版仍在更新企业低代码 RPA、云触发桌面流许可陷阱：商用即使有人值守也需付费；运行时较重
UiPathStudio 低代码 + 机器人 + Orchestrator✅（多技术栈：UIA/视觉/OCR）免费层有；机器人按年计：有人值守约 $1,450–3,500/年，无人值守约 $8,000–10,000/年（第三方口径，企业价可谈）全球最大 RPA 生态之一活跃（上市商业产品，转向"agentic"叙事）大规模企业 RPA、跨部门流程成本比 PAD 付费席位高一到两个数量级（年化约 $8k–10k vs $180）；平台锁定
SikuliX → OculiXOpenCV 图像匹配 + 模拟输入❌（绕过控件树，直接"看图"）免费开源（Java）小众但不可替代SikuliX 已冻结（作者 RaiMan 2024 停更，末版 2.0.5——此组细节未直接核验）；社区 fork OculiX（2026-03 由 Julien Mer 接手；未直接核验，仓库见 oculix-org/SikuliX1 与参考 54–56）Citrix/远程桌面/自绘 legacy UI 的"最后手段"分辨率/主题变化即失效；上游断档风险已被历史验证过一次
AI 智能体（Copilot Actions / Computer use 等）视觉 + 语言模型直接操作 GUI混合（部分经 UIA、部分纯视觉）Copilot Actions 随 Win11 实验特性的订阅体系；Copilot Studio 企业计费；Claude/OpenAI 按 API/token 计费快速扩张中早期：Copilot Actions 于 2025-10 发布，仍为实验性模糊任务、"说一句让电脑做"概率性执行需监督；不适合无人监管的确定性流程

2.3 能力上限：三个层次决定了"你能不能做到"

三类工具的能力差异本质是操作对象不同：

2.4 成本：四个价位台阶的成本曲线

同一件事"让机器人替我点 50 次按钮"，价格谱从 0 到 1 万美元/年：

  1. $0：AutoHotkey、AutoIt、PowerShell、FlaUI、pywinauto、UIA 直调全部免费开源（AHK 为 GPLv2，据 Wikipedia 词条口径）。
  2. $15/用户/月：Power Automate Premium，包含 PAD 有人值守桌面流（微软官方定价）。
  3. $150/bot/月：PAD 无人值守 Process 许可，含每日 25 万动作额度（同上，及 Power Platform 许可指南 2025-12 版 PDF）。
  4. $8,000–10,000/机器人/年：UiPath 无人值守机器人（Vendr 市场口径、uipath.com/pricing；企业实际成交价可谈）。

隐藏成本比明面价格更值得警惕。PAD 的"免费"边界以许可指南口径为准：桌面应用对"非业务关键用途"免费（微软 2025 年 12 月许可指南口径；该 PDF 本次修订未能直接打开复核，口径沿用初稿引用并列入文末未核验清单），业务场景哪怕有人值守也需 Premium——已直接核验的许可 FAQ 对 Windows 内置 PAD 的官方描述是"默认环境中用于个人生产力场景的有人值守桌面流"，并明确在门户构建/管理桌面流需要 Premium、无人值守需要 Process 许可（许可 FAQ、Types of Power Automate licenses、m365.fm 许可陷阱分析）。需要说明，流传的两种口径并不等价："个人非商业用途免费"以用户身份划线，"非业务关键用途免费"以用途是否业务关键划线——本文统一采用后者（指南口径）；企业内的非关键场景是否落在免费范围内，审计时以指南 PDF 原文为准。免费工具的隐藏成本则是维护工时：脚本没有 SLA，作者离职即成黑盒。

2.5 生态与维护状态：哑铃状的版本活性

生态归属：AutoHotkey 的生态是个人效率社区（官方论坛、海量成品脚本、WindowSpy 调试器、v1→v2 迁移工具链（官方论坛长期维护的 AHK-v2-script-converter 转换器及其官方论坛主题，见参考 59）；v1 已被官方判"死刑"并鼓励迁移 v2，官方变更日志）；PowerShell 的生态是系统管理员与微软文档体系（PowerShell Gallery、Learn 文档、Windows 内置 5.1 保证"哪台机器都能跑"）；UIA 框架层的生态是测试工程社区（FlaUI、pywinauto、Appium、Robot Framework 的 FlaUI/Windows 库如 robotframework-flaui 4.0.4）；RPA 层的生态是企业（PAD 背靠 Power Platform，UiPath 背靠 Orchestrator 与全球集成商）。值得注意的断层：微软自家 WebDriver 方案 WinAppDriver 事实死亡，迫使 Appium 用户转向 FlaUI 或 PAD——生态出现"微软让位、社区接盘"的位移。

2026-11 截面的维护状态（逐项核对，含未核验标注）：

状态方案
活跃AutoHotkey v2（v2.0.31，2026-10）、PowerShell 7.x（7.5.13 / 7.6 LTS，支持周期文档）、FlaUI、PAD、UiPath、Copilot Actions（早期但微软主线投入）
缓慢/半休眠AutoIt（2025-09 才出 v3.3.18.0，此前三年半无稳定版）、pywinauto（稳定版停在 2025-01 的 0.6.9，2026-10 出现 1.0.0b1 预发布）
事实死亡/冻结WinAppDriver（末版 v1.2.1 于 2021，微软 2021 年后无路线图，社区 2024 年仍在问"它死了吗"；依赖 .NET 5 已 EOL）、SikuliX（作者 RaiMan 2024 停更，冻结于 2.0.5，由 fork OculiX 接棒——此组细节未直接核验，仓库与文档见 oculix-org/SikuliX1、OculiX SourceForge 维基、SikuliX 文档（"SikuliX now is OculiX"））
维护模式Windows PowerShell 5.1（只修安全）；Windows 10 于 2025-10-14 EOL（此条因搜索限流未能直接核验原文，属公认公开事实）

横轴结论：这个领域开源侧的"版本活性"呈哑铃状——最上层的语言（AHK/PowerShell）与最底层的平台 API（UIA）都健康，中层的官方胶水（WinAppDriver）和跨学科项目（SikuliX）批量腐烂，社区 fork（UIA-v2、OculiX）正在填补。选型时"谁在维护"比"谁功能多"更重要。

2.6 UI 自动化边界专题（课题核心）

课题名中的"边界"指的是：UIA 这棵语义树到底能覆盖到哪里、哪里必然断裂。综合核验资料（UIA 概览、Wikipedia: Microsoft UI Automation、MSEdgeExplainers 的 UIA 说明、对 UIA 局限的批评视角），2026 年的边界图景如下：

边界类型具体情形谁能过这道墙
无语义树游戏引擎、Qt/自绘控件、部分 Electron 内嵌画布不向 UIA 暴露元素只能输入事件模拟（AHK）或图像识别（OculiX）
权限墙提权进程的窗口对低完整性进程不可见不可注入无工具能"合规地"穿透；正确做法是把自动化进程也提权运行
远程/虚拟化Citrix、RDP、云电脑的远端画面在本地只是一个位图图像识别（SikuliX/OculiX）是唯一解，这也是其不可替代性的来源
混合内容Chromium/WebView2 内容经 UIA 暴露但粒度、稳定性历来受无障碍社区批评（如 jantrid.net 2025 的分析）Web 部分更稳的做法是回到浏览器自动化（CDP/Playwright），AHK 侧有 UIA_Browser.ahk 作折衷
UIA2 vs UIA3两代 API 行为不一致：UIA3 对 WPF/Store 应用最佳但有 WinForms 怪癖，UIA2 缺触控等新特性（FlaUI README）FlaUI 的双封装价值正在于此；选型时要按目标应用逐个验证
时序脆弱树结构随窗口状态变化，脚本常因"元素还没出现"而失败各框架的等待/重试原语（pywinauto 的 wait、PAD 的超时配置、AHK 的 WinWait/ComObjPoll）

核心洞察：UIA 的边界不是 bug 而是设计——它只为"愿意实现无障碍的 UI"服务。因此任何 Windows 桌面自动化方案都必须回答一个问题：目标应用在不在 UIA 树里？在，用控件语义层（最稳）；不在，退到输入模拟（次稳）或图像识别（最脆）。课题三主角恰好构成这条退却路线的全部三档。

2.7 边界与风险

  1. 杀毒软件与反作弊是 AutoHotkey 的天然污点。因为恶意软件长期滥用 AHK 分发载荷，连官方解释器 v2.0.30 都曾被 Microsoft Defender 标记（GitHub issue #362）；编译脚本默认的 MPress 压缩会加剧误报，编译时可关闭（AHK 官方论坛）；企业终端管控环境下向他人分发 AHK 编译 exe 的误杀率远高于 Rust/Go/C# 原生构建（the-automator.com）。游戏反作弊（EAC/BattlEye/Vanguard 等）普遍能检测到 AHK 进程与键盘/鼠标钩子，社区经验是"检测不等于封禁，但在受反作弊保护的游戏中运行 AHK 风险很高"，各反作弊对 AHK 的具体拦截/封禁政策没有公开官方文档（未直接核验，社区讨论见参考 10）。
  2. 许可合规是 PAD/UiPath 的暗礁（见 2.4）：PAD"免费桌面应用"与"商用需 Premium"的分界线在审计时是真实风险。
  3. 权限墙：以普通权限进程无法对管理员提权窗口（UAC 弹窗、以管理员运行的程序）做 UIA/输入注入——所有输入模拟族工具一律受限，这是 Windows 完整性机制的硬边界。
  4. 平台锁定：UiPath/PAD 的流程资产不可迁移到对方；AHK/PowerShell 脚本则是纯文本，永远可读。

2.8 2026 年的新变量：AI 计算机操作智能体

横轴对比若停在 2024 年就只看到"脚本 vs RPA"。2025–2026 年出现的新极点是概率性 GUI 操作：

与确定性脚本的分工正在形成共识：AI 智能体适合"目标模糊、结构多变、容许试错"的任务；脚本适合"步骤固定、可重复千次、要求零意外"的任务。企业 RPA 厂商（UiPath、微软）全部把叙事转向 agentic automation，但在可审计、可回滚的窗口里，AHK/PowerShell/UIA 这套确定性工具栈的地位反而被 AI 时代衬得更加清晰：它是智能体的"落地执行器"与"兜底方案"。

三、交叉洞察：两轴合起来说明了什么

3.1 分层结构是历史演化的产物，不是设计选择

横轴的结论"三主角是分层互补而非竞争"，只有放进纵轴才看得懂为什么会这样：三条线动机不同、资助者不同、时间表不同——AHK 线由个人用户的键盘饥渴驱动（2003 年分叉的理由只是"想要热键"），PowerShell 线由微软数据中心的管理成本驱动（Monad Manifesto 写的是管理员之痛），UIA 线由无障碍合规驱动（1997 年 MSAA 的服务对象是屏幕阅读器）。三条线各自解决各自的问题，谁也没打算取代谁；等它们在 2010 年代相遇时，发现的不是竞争关系，而是恰好铺满"语义→输入→系统对象"三个互不重叠的操作对象层。这就是为什么 2026 年的最佳实践永远是组合而非三选一。

3.2 "边界"的性质：设计使然，且三次位移方向一致

纵轴的四个阶段、三次边界位移（坐标按键 → 控件树/对象脚本 → 开源跨平台与低代码 RPA → AI 智能体+MCP）与横轴的 UIA 边界图谱拼在一起，得到一个反直觉的结论：桌面自动化的"边界"从来不是技术能力不够，而是"谁愿意为可访问性/可管理性付账"的经济学边界。UIA 只覆盖"愿意实现无障碍的应用"，因为它本来就是给屏幕阅读器修的路；自动化工具只是顺路搭车。同理，权限墙是 Windows 安全模型的设计，远程/虚拟化边界是画面传输架构的必然。所以边界的移动从来不由自动化工具推动，而由两类外部力量推动：法规与合规（无障碍、审计）和平台所有者的战略（微软开源化、买 RPA、上智能体）。判断未来边界往哪走，看的不是 FlaUI 的 commit 数，而是微软 Ignite 的 keynote。

3.3 哑铃状维护活性：历史解释与选型含义

横轴观察到"语言层与平台 API 层健康、中游胶水腐烂"的哑铃状活性。纵轴给出的解释：底层（UIA）由 Windows 出厂和维护，顶层（AHK/PS）有基金会或微软开发者部门（DevDiv，Developer Division，微软内部负责 Visual Studio、.NET 等开发者工具与平台的部门）的制度性供养；而中层（WinAppDriver、SikuliX、Coded UI）通常是单个公司的一次性战略投注或单维护者的兴趣项目——WinAppDriver 死于微软 2021 年转向 PAD 的战略调整，SikuliX 冻结于作者个人的精力上限。历史规律已经验证过两次（Coded UI 弃用、WinAppDriver 停更），2026 年又验证了一次（SikuliX）。对用户的操作性含义是：选型先看维护者的制度结构（基金会/公司主线产品 > 单维护者 > 单公司边缘产品），再看功能清单。

3.4 成本曲线的映射：谁付钱决定工具形态

四个价位台阶的成本曲线（$0 → $15/月 → $150/bot/月 → ~$1 万/年，即年化 $0–约$10,000 的成本谱）与纵轴的驱动者一一对应：个人效率层永远免费（AHK/PS 的资助者是用户自己和微软的战略需要）、企业合规层按席位付费（PAD/UiPath 卖的是编排、审计与责任主体）、兜底层最便宜但最脆（图像识别免费，代价是每次改版重截锚点图）。由此得到一个实用的判断：如果一个任务"值得花钱买许可"（企业关键流程、无人值守、要审计），选 RPA 是合理的；如果只是"自己烦了"，脚本层免费方案几乎总是对的。PAD 的许可陷阱（个人免费 ≠ 商用免费）是这条曲线上最常见的坑。

3.5 AI 时代的重定位：感知—决策上移，执行层下沉

两轴在此完全收敛。纵轴说：智能体接管"感知—理解—决策"，脚本层成为"确定性执行器"；横轴说：智能体适合模糊任务，脚本适合确定性任务，最佳实践是"智能体探索 + 脚本固化"。合起来是一句话：AI 智能体是自动化的"试错引擎"，脚本层是自动化的"固化终点"。纵轴的历史还提示了为什么这个分工稳固：AHK/PowerShell/UIA 的三档退化路线（语义→输入→图像）恰好是智能体视觉-动作回路可以复用的执行原语；MCP 被微软选为接入协议，本质上是给这条脚本层修了一个标准插座。

3.6 对用户的判断与建议（两章清单合并去重）

以下建议合并自纵轴章的"重复任务消除清单（识别→选型→落地→验收→不该自动化）"与横轴章的"重复任务消除清单 + 选型决策速查"，去重后按决策顺序排列：

第一步：识别——这个任务值不值得自动化？

第二步：选型——按 26 年历史验证过的决策树

  1. 目标没有 GUI（文件/服务/注册表/云/Microsoft 365）？→ PowerShell 7 + 任务计划程序（必要时叠加 winget 管依赖）。
  2. 有 GUI，且给自己用、追求输入效率（毫秒级热键、文本片段、窗口管理）？→ AutoHotkey v2（它的祖传场景，2003 年至今无对手）；复杂控件再挂 UIA-v2 库。
  3. 有 GUI，且是工程化测试或给团队交付？→ 控件树可用则 FlaUI（.NET 团队）或 pywinauto（Python 团队）；不可用则 OculiX 图像兜底。Appium 用户注意：WinAppDriver 已死，应迁移。
  4. 面向业务部门、需要流程图式编排、云触发/集中管理？→ Power Automate Desktop（先算许可账：商用有人值守也要 Premium $15/月）；规模再上去且有预算 → UiPath。
  5. 一次性、跨多应用、非结构化语义操作？→ 2026 年起可先试 Copilot Actions / 智能体（人在环），把确定性收尾交给脚本层。
  6. Citrix/RDP/云电脑内（控件树为空）？→ OculiX 图像识别，锁定分辨率与主题；游戏/DRM 内容 → 放弃自动化（反作弊/法律风险），这是全工具族的共同边界。

第三步：落地核对（历史教训清单——每一条都是前人踩过的坑）

第四步：验收

第五步：不该自动化的（边界的另一侧）

清单使用总原则：① 能用系统对象层（PowerShell）就不用 GUI 层，GUI 是最后的手段；② GUI 层里能用语义（UIA）就不用坐标；③ 语义和输入都失效才退到图像；④ 任何 AI 智能体跑通的流程，最终都应沉淀为上述某一层的确定性脚本——固化才是消除重复的终点。

3.7 从"智能体探索"到"脚本固化"：三步工作流与最小示例

TL;DR、3.5 与 3.8 反复出现的核心结论"智能体探索 + 脚本固化"，落到操作上是三步：

  1. 智能体探索（人在环试错）：用 Copilot Actions / Claude Computer Use 这类智能体对目标流程做"侦察"——让它真的去点一遍，目标是拿到流程知识：目标窗口是谁、控件树里有没有元素、每步的等待条件是什么、哪些分支会失败。此阶段不求稳定，只求把"人脑里模糊的流程"变成"纸面上明确的步骤"。
  2. 人审核 + 翻译成确定性脚本：把探索结果按 3.6 的决策树翻译到对应层——无 GUI → PowerShell；输入/热键 → AutoHotkey；控件语义 → UIA（AHK 侧挂 UIA-v2 库，.NET 用 FlaUI，Python 用 pywinauto）；跨应用 → PowerShell 取数 + AHK/UIA 收尾，中间落盘中转。3.6"落地核对"清单（幂等、等待而非睡眠、提权、日志）在这一步逐项过一遍。
  3. 固化与验收：接入触发器（计划任务/热键/云触发），按 3.6"第四步：验收"检查——年化节约 ≥ 维护成本、错误率可度量、三个月后仍有人看得懂。智能体探索产出的是流程知识，脚本固化沉淀的是确定性执行；MCP 之所以被微软选为接入协议，正是给第 1 步到第 2 步之间修了一个标准插座（对应 3.5）。

最小示例（各 3–5 行，对应三个主力层。UIA-v2 片段语法取自其官方仓库 Examples（Descolada/UIA-v2，Example01/03，见参考 62）；AHK/PS 为常规写法示意，未在本次修订环境实际运行，使用前以官方文档为准）：

AutoHotkey v2 热键（输入层——毫秒级唤起重复操作）：

#Requires AutoHotkey v2
^!c:: {  ; Ctrl+Alt+C：弹窗显示当前活动窗口标题
    MsgBox "当前窗口：" WinGetTitle("A")
}

PowerShell 计划任务（系统对象层——无人值守定时执行）：

# PowerShell 7（管理员）：注册每天 09:00 运行备份脚本的计划任务
$action  = New-ScheduledTaskAction -Execute "pwsh.exe" -Argument "-NoProfile -File C:\Scripts\Backup-Docs.ps1"
$trigger = New-ScheduledTaskTrigger -Daily -At "09:00"
Register-ScheduledTask -TaskName "Backup-Docs" -Action $action -Trigger $trigger

AHK + UIA-v2 定位（控件语义层——按名称/类型找控件并语义操作，而非模拟按键）：

#Requires AutoHotkey v2
#Include UIA.ahk
el  := UIA.ElementFromHandle("ahk_exe notepad.exe")        ; 拿到窗口的 UIA 根元素
doc := el.FindElement([{Type:"Document"}, {Type:"Edit"}])  ; "或"条件找文档控件
doc.Value := "由脚本写入"                                   ; 语义级写值，不模拟按键

3.8 一句话收束

纵轴告诉我们边界为什么长成这样（三条线、三种动机、四个阶段三次位移），横轴告诉我们 2026 年边界长什么样（七谱系、四价位台阶成本、哑铃状活性、AI 新极点）；两轴交叉的结论只有一条——分层组合 + 看维护者下注 + 智能体探索、脚本固化，就是当前 Windows 桌面自动化的全部答案。

参考来源

AutoHotkey / AutoIt

  1. AutoHotkey Foundation – Our History：https://www.autohotkey.com/foundation/history.html
  2. Wikipedia – AutoHotkey：https://en.wikipedia.org/wiki/AutoHotkey
  3. AutoHotkey v2 官方页：https://www.autohotkey.com/v2/
  4. AutoHotkey GitHub Releases（v2.0.31，两章共同核验）：https://github.com/AutoHotkey/AutoHotkey/releases
  5. AutoHotkey 官方变更日志（v1 弃用说明）：https://www.autohotkey.com/docs/v2/ChangeLog.htm
  6. AutoHotkey v1.1 更新日志（社区镜像）：https://ahkde.github.io/docs/v1/AHKL_ChangeLog.htm
  7. UIA-v2 封装库（Descolada，MIT）：https://github.com/Descolada/UIA-v2
  8. Defender 误报官方解释器（issue #362）：https://github.com/AutoHotkey/AutoHotkey/issues/362
  9. MPress 压缩致误报（AHK 官方论坛）：https://www.autohotkey.com/boards/viewtopic.php?t=6458
  10. 反作弊/误杀讨论：https://www.the-automator.com/tag/antivirus-false-positives-autohotkey 、https://www.reddit.com/r/AutoHotkey/comments/1daomo9/why_is_autohotkey_getting_flagged 、https://www.autohotkey.com/boards/viewtopic.php?t=38423
  11. Wikipedia – AutoIt：https://en.wikipedia.org/wiki/AutoIt
  12. AutoItScript 官方文档：https://www.autoitscript.com/autoit3/docs/introduction.htm
  13. AutoIt 下载页（v3.3.18.0，2025-09-07）：https://www.autoitscript.com/site/autoit/downloads

PowerShell

  1. Snover – Monad Manifesto：https://www.jsnover.com/blog/2011/10/01/monad-manifesto/
  2. Wikipedia – PowerShell：https://en.wikipedia.org/wiki/PowerShell
  3. Microsoft Learn – PowerShell 支持生命周期：https://learn.microsoft.com/en-us/powershell/scripting/install/powershell-support-lifecycle
  4. 4sysops – PowerShell 版本对照：https://4sysops.com/archives/differences-between-powershell-versions
  5. Microsoft Learn – Windows PowerShell 5.1 与 7.x 差异：https://learn.microsoft.com/en-us/powershell/scripting/whats-new/differences-from-windows-powershell
  6. PowerShell GitHub Releases（7.5.13 / 7.6）：https://github.com/powershell/powershell/releases
  7. 版本状态汇总：https://endoflife.date/powershell
  8. Microsoft DevBlogs – Announcing PowerShell 7.6：https://devblogs.microsoft.com/powershell/announcing-powershell-7-6/

UIA 框架层

  1. Microsoft Learn – UI Automation（Win32）入口：https://learn.microsoft.com/en-us/windows/win32/winauto/entry-uiauto-win32
  2. Microsoft Learn – UIA 概览（Win32）：https://learn.microsoft.com/en-us/windows/win32/winauto/uiauto-uiautomationoverview
  3. Microsoft Learn – .NET UI Automation Overview：https://learn.microsoft.com/en-us/dotnet/framework/ui-automation/ui-automation-overview
  4. Wikipedia – Microsoft UI Automation：https://en.wikipedia.org/wiki/Microsoft_UI_Automation
  5. CODE Magazine – Windows Automation API 3.0：https://www.codemag.com/Article/0810042/Windows-Automation-API-3.0-Overview
  6. Edge 对 UIA 的实现说明：https://github.com/MicrosoftEdge/MSEdgeExplainers/blob/main/Accessibility/UIA/explainer.md
  7. UIA 局限批评（Web 内容）：https://www.jantrid.net/2025/03/19/why-uia-insufficient-web
  8. FlaUI（MIT、UIA2/UIA3 双封装）：https://github.com/FlaUI/FlaUI 、https://www.nuget.org/packages/FlaUI.Core/
  9. pywinauto：https://pypi.org/project/pywinauto/ 、https://pywinauto.readthedocs.io/en/latest 、https://pywinauto.readthedocs.io/en/latest/HISTORY.html
  10. WinAppDriver 事实死亡：https://github.com/microsoft/WinAppDriver 、https://github.com/microsoft/WinAppDriver/issues/1103
  11. appium-windows-driver（弃用声明）：https://github.com/appium/appium-windows-driver
  12. robotframework-flaui：https://pypi.org/project/robotframework-flaui/4.0.4

低代码/企业 RPA

  1. Microsoft Power Platform 博客 – 收购 Softomotive（2020-05-19）：https://www.microsoft.com/en-us/power-platform/blog/2020/05/19/microsoft-acquires-softomotive-to-expand-low-code-robotic-process-automation-capabilities-in-microsoft-power-automate/
  2. TechCrunch – Softomotive 收购：https://techcrunch.com/2020/05/19/microsoft-acquires-robotic-process-automation-platform-softomotive/
  3. Windows 体验博客 – PAD 免费（2021-03-02）：https://blogs.windows.com/windowsexperience/2021/03/02/download-power-automate-desktop-for-windows-10-to-automate-tasks-and-processes-at-no-additional-cost/
  4. Power Automate 官方定价：https://www.microsoft.com/en-us/power-platform/products/power-automate/pricing
  5. Power Platform 许可指南（2025-12 版 PDF）：https://cdn-dynmedia-1.microsoft.com/is/content/microsoftcorp/microsoft/bade/documents/products-and-services/en-us/bizapps/Power-Platform-Licensing-Guide-December-2025.pdf
  6. 许可 FAQ：https://learn.microsoft.com/en-us/power-platform/admin/power-automate-licensing/faqs
  7. PAD UI 元素（UIA3/raw 模式）：https://learn.microsoft.com/en-us/power-automate/desktop-flows/ui-elements
  8. 许可陷阱分析：https://www.m365.fm/blog/power-automate-desktop-licensing-traps-costs
  9. UiPath 定价（第三方口径）：https://www.uipath.com/pricing 、https://www.vendr.com/marketplace/uipath

命令行生态与 AI 智能体

  1. gHacks – PowerToys 复活（2019-05-08）：https://www.ghacks.net/2019/05/08/microsoft-revives-power-toys-program-makes-it-open-source/
  2. GitHub – microsoft/PowerToys：https://github.com/microsoft/powertoys
  3. Windows Terminal 1.0 公告：https://devblogs.microsoft.com/commandline/windows-terminal-1-0/
  4. winget 预览公告：https://devblogs.microsoft.com/commandline/windows-package-manager-preview/
  5. Microsoft 博客 – Copilot 发布（2023-09-21）：https://blogs.microsoft.com/blog/2023/09/21/announcing-microsoft-copilot-your-everyday-ai-companion/
  6. Wikipedia – Windows Recall：https://en.wikipedia.org/wiki/Windows_Recall
  7. Windows 博客 – Ignite 2025: Windows at the frontier of work：https://blogs.windows.com/windowsexperience/2025/11/18/ignite-2025-windows-at-the-frontier-of-work
  8. Microsoft Tech Community – Evolving Windows: New Copilot and AI experiences at Ignite 2025：https://techcommunity.microsoft.com/blog/windows-itpro-blog/evolving-windows-new-copilot-and-ai-experiences-at-ignite-2025/4469466
  9. Copilot Actions 发布（2025-10）：https://www.bleepingcomputer.com/news/microsoft/microsoft-debuts-copilot-actions-for-agentic-ai-driven-windows-tasks 、https://www.pcworld.com/article/2941260/meet-copilot-actions-windows-11s-most-revolutionary-ai-feature-yet.html
  10. 微软官方实验性代理功能：https://support.microsoft.com/en-us/windows/ai/ai-features/experimental-agentic-features
  11. Copilot Studio Computer use：https://learn.microsoft.com/en-us/microsoft-copilot-studio/computer-use

修订补充来源（2026-11-06 审读修订新增）

  1. OculiX（SikuliX 接棒 fork）仓库：https://github.com/oculix-org/SikuliX1
  2. OculiX SourceForge 维基：https://sourceforge.net/p/oculix/wiki/Home
  3. SikuliX 文档（"SikuliX now is OculiX"）：https://sikulix-2014.readthedocs.io
  4. Microsoft DevBlogs – Changes to Coded UI Test in Visual Studio 2019（2019-04-12 弃用公告）：https://devblogs.microsoft.com/devops/changes-to-coded-ui-test-in-visual-studio-2019
  5. Microsoft DevBlogs – PowerShell 7.6 release postmortem（官方复盘：原计划 2025-11、延期约四个月）：https://devblogs.microsoft.com/powershell/powershell-7-6-release-postmortem
  6. AHK v1→v2 脚本转换器（社区标准工具，官方论坛同帖维护）：https://github.com/mmikeww/AHK-v2-script-converter 、https://www.autohotkey.com/boards/viewtopic.php?t=25100
  7. Microsoft Learn – Types of Power Automate licenses（Windows 内置 PAD 免费权利口径）：https://learn.microsoft.com/en-us/power-platform/admin/power-automate-licensing/types
  8. TestingToolsguide.net（SikuliX/OculiX 追踪来源，初稿正文提及、未入编号列表）：https://testingtoolsguide.net
  9. UIA-v2 官方仓库与示例（3.7 示例片段语法来源）：https://github.com/Descolada/UIA-v2

未直接核验、依据既有知识陈述的条目（检索限流所致，沿用原章标注；2026-11-06 修订补充）：Windows 10 于 2025-10-14 结束支持；Claude Computer Use 于 2024-10 经 API 发布；OpenAI Operator 于 2025-01 预览、年中并入 ChatGPT Agent Mode；SikuliX 的 MIT 许可证；SikuliX 冻结/OculiX 接棒详情（RaiMan 停更年份、末版 2.0.5、OculiX 于 2026-03 由 Julien Mer 接手——2026-11-06 修订时经搜索确认仓库与文档存在（参考 54–56、61），但未逐项打开原文核对）；游戏反作弊（EAC/BattlEye/Vanguard）对 AHK 的具体拦截/封禁政策（无公开官方文档，仅社区讨论，见 2.7 与参考 10）；Power Platform 许可指南 2025-12 版 PDF 中"非业务关键用途免费"的原句表述（本次修订 WebFetch 不支持 PDF 未能复核；免费范围的操作性解释以已核验的许可 FAQ 为准，见 2.4）。

← 资料库今日播报 →