如何用cliclick实现macOS自动化操作
2026-04-16 08:12:32作者:苗圣禹Peter
解决重复操作的效率工具
你是否每天都在重复相同的鼠标点击和键盘输入?从打开特定应用到填写固定表单,这些机械操作占用了大量宝贵时间。cliclick作为一款轻量级的macOS命令行工具,能够通过脚本化方式模拟用户输入,让你的工作流程实现自动化,把时间真正用在创造性任务上。
三种安装方式任选
通过Homebrew快速部署
- 操作目的:使用包管理器安装最新稳定版
- 执行方法:在终端输入
brew install cliclick - 预期结果:自动完成下载、编译和配置,可直接在终端使用cliclick命令
源码编译安装
- 操作目的:获取最新开发版本
- 执行方法:依次运行以下命令
git clone https://gitcode.com/gh_mirrors/cl/cliclick cd cliclick make sudo cp cliclick /usr/local/bin/ - 预期结果:可执行文件安装到系统路径,支持自定义编译选项
MacPorts包管理安装
- 操作目的:通过MacPorts生态系统安装
- 执行方法:在终端输入
sudo port install cliclick - 预期结果:自动处理依赖关系,适合已使用MacPorts的用户
重要配置:安装完成后,需在"系统偏好设置→安全性与隐私→辅助功能"中勾选终端应用,授予必要权限。
四大核心功能解析
精准控制鼠标操作
cliclick提供完整的鼠标事件模拟能力,从基本点击到复杂拖拽:
- 移动光标:
cliclick m:640,480(将鼠标移动到屏幕中央位置) - 左键点击:
cliclick c:300,200(在指定坐标执行左键单击) - 右键操作:
cliclick rc:500,300(在(500,300)位置右键点击) - 拖拽操作:
cliclick dd:100,100 dm:300,300 du:300,300(从起点拖拽到终点)
灵活模拟键盘输入
无论是单个按键还是复杂组合键,都能精准模拟:
- 单键操作:
cliclick kp:escape(按下并释放ESC键) - 组合按键:
cliclick kd:cmd kd:shift kp:4 ku:shift ku:cmd(模拟Command+Shift+4截图) - 文本输入:
cliclick t:"自动化操作就是这么简单"(直接输入指定文本)
实用辅助功能
提供多种工具函数增强自动化脚本的可靠性:
- 等待操作:
cliclick w:1500(等待1.5秒,给应用加载时间) - 颜色获取:
cliclick cp:200,300(获取指定位置像素的颜色值) - 位置打印:
cliclick p(输出当前鼠标坐标,便于脚本编写)
批量命令执行
对于复杂操作序列,支持两种批量执行方式:
- 命令行串联:
cliclick m:100,200 c:100,200 w:500 m:300,400 c:300,400 - 命令文件执行:创建包含命令列表的文本文件,使用
cliclick -f commands.txt执行
三个行业应用场景
设计行业:自动化切图流程
- 操作目的:自动导出多个设计元素
- 执行方法:
# 打开设计文件 cliclick m:50,100 c:50,100 w:2000 # 选择第一个图层 cliclick kd:cmd kp:a ku:cmd w:500 # 执行导出 cliclick kd:cmd kd:shift kp:e ku:shift ku:cmd w:1000 # 保存文件 cliclick kp:return w:500 - 预期结果:无需人工干预,自动完成多个图层的导出操作
客服行业:快速响应模板
- 操作目的:一键发送标准回复
- 执行方法:
# 移动到输入框并点击 cliclick m:300,400 c:300,400 w:100 # 输入标准回复 cliclick t:"您好,您反馈的问题我们已收到,将在24小时内处理。" # 发送消息 cliclick kp:return - 预期结果:将平均响应时间从30秒缩短至5秒
财务行业:报表数据录入
- 操作目的:自动填写月度报表
- 执行方法:
# 移动到第一个输入框 cliclick m:200,250 c:200,250 # 输入日期 cliclick t:"2023-10" # 移动到金额输入框 cliclick m:400,250 c:400,250 # 输入数值 cliclick t:"15680.50" - 预期结果:减少数据录入错误率,提高报表生成效率
提升效率的进阶技巧
相对坐标系统
使用相对坐标使脚本更灵活:
cliclick m:400,300 # 定位到基准点
cliclick m:+100,0 # 向右移动100像素
cliclick m:0,+50 # 向下移动50像素
这种方式适合不同分辨率屏幕,避免硬编码绝对坐标。
条件执行与反馈
结合shell脚本实现条件判断:
# 检查颜色值判断按钮状态
COLOR=$(cliclick cp:200,300)
if [ "$COLOR" = "FF0000" ]; then
cliclick c:200,300 # 红色按钮时点击
fi
与其他工具联动
- Automator:将cliclick命令封装为系统服务,通过快捷键触发
- Alfred:创建workflow,实现关键词快速调用常用cliclick脚本
- crontab:设置定时任务,如
0 9 * * 1-5 cliclick -f ~/scripts/morning_routine.txt实现工作日自动打卡
开始你的自动化之旅
现在你已经了解cliclick的核心功能和应用场景,是时候开始构建自己的自动化脚本了。建议从简单场景入手,逐步构建复杂流程:
- 官方文档:查看项目中的README.md文件,了解完整命令参数
- 示例脚本:参考Test.sh文件中的测试用例,学习实际应用
- 社区资源:参与相关技术社区讨论,获取更多行业解决方案
通过cliclick,你可以将重复繁琐的操作转化为一键执行的脚本,让macOS成为更高效的工作伙伴。立即安装并尝试创建你的第一个自动化脚本吧!
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedJavaScript094- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
暂无描述
Dockerfile
700
4.5 K
Ascend Extension for PyTorch
Python
563
691
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
JavaScript
521
93
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
956
951
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
411
338
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.6 K
939
Oohos_react_native
React Native鸿蒙化仓库
C++
340
387
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
128
209
昇腾LLM分布式训练框架
Python
148
176
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
140
221