本文记录了笔者如何借助 AI 编程助手（Cursor），从零开始开发一款桌面级 Word 文档处理工具，实现图片智能压缩和文档自动拆分两大核心功能，最终打包为 macOS DMG 和 Windows EXE 安装包，并通过 GitHub Actions 实现云端自动构建。全程几乎无需手写代码，深度体验 AI 辅助开发的效率革命。

---

一、需求背景：一个真实的痛点

在日常办公中，Word 文档体积过大是一个普遍痛点。一份包含大量高清图片的标书或报告，动辄 50-100MB，邮件发不出去、网盘上传慢、打开卡顿。

市面上的解决方案要么收费（某压缩大师年费 ¥199），要么在线处理（隐私风险），要么功能单一。

能不能自己做一个？ 传统开发可能需要 1-2 周，但在 AI 编程助手的加持下，这个时间被压缩到了 30 分钟。

---

二、技术选型：为什么是 Python + PyQt6

维度	选择	理由
语言	Python 3.11+	生态丰富，AI 辅助编码效率最高
GUI 框架	PyQt6	跨平台原生体验，组件丰富
文档处理	python-docx	成熟的 Word 文档操作库
图片压缩	Pillow (PIL)	工业级图像处理，支持多种格式
打包工具	PyInstaller	一键打包为独立可执行文件
CI/CD	GitHub Actions	云端自动构建 macOS/Windows 双平台

---

三、核心技术实现

3.1 图片智能压缩：解剖 docx 的 ZIP 结构

很多人不知道，.docx 文件本质上是一个 ZIP 压缩包。理解这一点是实现图片压缩的关键。

document.docx (ZIP)
├── [Content_Types].xml
├── _rels/
├── word/
│   ├── document.xml        # 文档内容
│   ├── media/              # 所有图片存放于此！
│   │   ├── image1.png      # 原始高清图片
│   │   ├── image2.jpeg
│   │   └── image3.bmp
│   └── ...
└── ...

压缩策略：智能均衡压缩

核心算法并非简单地降低 JPEG 质量，而是采用多维度智能策略：

def compress_image(image_bytes: bytes, filename: str) -> bytes:
    """智能均衡压缩：在清晰度和体积之间找到最优平衡点"""
    img = Image.open(io.BytesIO(image_bytes))

    # 策略1：大尺寸图片等比缩放（超过 1920px 的维度按比例缩小）
    max_dimension = 1920
    if max(img.size) > max_dimension:
        ratio = max_dimension / max(img.size)
        new_size = (int(img.width * ratio), int(img.height * ratio))
        img = img.resize(new_size, Image.LANCZOS)  # Lanczos 重采样保证质量

    # 策略2：统一转换为 JPEG 格式（PNG/BMP → JPEG 通常可减少 60-80% 体积）
    if img.mode in ('RGBA', 'P'):
        img = img.convert('RGB')  # 处理透明通道

    # 策略3：渐进式质量搜索，找到满足目标大小的最高质量
    target_size = len(image_bytes) * 0.4  # 目标：压缩到原始的 40%
    for quality in range(85, 30, -5):
        buffer = io.BytesIO()
        img.save(buffer, format='JPEG', quality=quality, optimize=True)
        if buffer.tell() <= target_size:
            return buffer.getvalue()

    return buffer.getvalue()

技术要点：

• Lanczos 重采样：在缩放时保持最佳视觉质量，避免模糊和锯齿
• 渐进式质量搜索：从高质量向低质量逐步尝试，确保在满足体积要求的前提下保持最高清晰度
• 格式统一转换：PNG 是无损格式，转为 JPEG 可大幅减少体积，同时肉眼几乎无法察觉差异

3.2 文档拆分：保留格式的段落级分割

文档拆分的难点不在于"分"，而在于保留原始格式——字体、样式、页眉页脚、编号列表等。

def split_document(doc_path: str, num_parts: int) -> List[str]:
    """将文档按段落均匀拆分为 N 个子文档，保留完整格式"""
    doc = Document(doc_path)
    paragraphs = doc.paragraphs
    total = len(paragraphs)
    chunk_size = math.ceil(total / num_parts)

    output_files = []
    for i in range(num_parts):
        new_doc = Document()  # 创建新文档
        start = i * chunk_size
        end = min(start + chunk_size, total)

        for para in paragraphs[start:end]:
            # 深度复制段落：包括样式、字体、颜色、加粗等所有属性
            new_para = new_doc.add_paragraph()
            new_para.style = para.style
            new_para.paragraph_format.alignment = para.paragraph_format.alignment

            for run in para.runs:
                new_run = new_para.add_run(run.text)
                # 逐一复制 Run 级别的格式属性
                new_run.bold = run.bold
                new_run.italic = run.italic
                new_run.font.size = run.font.size
                new_run.font.color.rgb = run.font.color.rgb
                new_run.font.name = run.font.name
                # ...更多格式属性

        output_path = f"{base_name}_part{i+1}.docx"
        new_doc.save(output_path)
        output_files.append(output_path)

    return output_files

3.3 用户体验：拖拽上传 + 实时进度

PyQt6 的拖拽支持让交互体验接近原生应用：

class DropArea(QLabel):
    """支持文件拖拽的区域"""
    file_dropped = pyqtSignal(str)

    def __init__(self):
        super().__init__()
        self.setAcceptDrops(True)
        self.setText("将 Word 文档拖放到此处\n或点击选择文件")

    def dragEnterEvent(self, event):
        if event.mimeData().hasUrls():
            # 只接受 .docx 文件
            for url in event.mimeData().urls():
                if url.toLocalFile().endswith('.docx'):
                    event.acceptProposedAction()
                    self.setStyleSheet("border: 3px dashed #4CAF50;")
                    return

    def dropEvent(self, event):
        files = [url.toLocalFile() for url in event.mimeData().urls()]
        docx_files = [f for f in files if f.endswith('.docx')]
        if docx_files:
            self.file_dropped.emit(docx_files[0])

---

四、跨平台适配：一套代码，双平台运行

4.1 平台差异处理

macOS 和 Windows 的差异主要体现在三个方面：

import platform

IS_WINDOWS = platform.system() == 'Windows'
IS_MACOS = platform.system() == 'Darwin'

# 1. 字体适配
if IS_WINDOWS:
    font_family = "Microsoft YaHei UI"
elif IS_MACOS:
    font_family = "-apple-system, PingFang SC"

# 2. 文件管理器打开方式
def open_in_explorer(path):
    if IS_WINDOWS:
        subprocess.run(['explorer', '/select,', path])
    elif IS_MACOS:
        subprocess.run(['open', '-R', path])

# 3. 应用图标格式
icon_ext = '.ico' if IS_WINDOWS else '.icns'

4.2 GitHub Actions：云端自动构建

通过 GitHub Actions，一次 git push 就能同时在 macOS 和 Windows Runner 上构建：

# .github/workflows/build.yml
name: Build Cross-Platform
on:
  push:
    tags: ['v*']

jobs:
  build-macos:
    runs-on: macos-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-python@v5
        with:
          python-version: '3.11'
      - run: pip install -r requirements.txt
      - run: pyinstaller --windowed --name "Word瘦身神器" main.py
      - run: create-dmg 'dist/Word瘦身神器.app' --overwrite

  build-windows:
    runs-on: windows-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-python@v5
        with:
          python-version: '3.11'
      - run: pip install -r requirements.txt
      - run: pyinstaller --windowed --icon=icon.ico --name "Word瘦身神器" main.py
      - name: Create Installer
        run: iscc installer.iss  # Inno Setup 打包为 EXE 安装包

构建产物：

• macOS: Word瘦身神器.dmg（拖拽安装）
• Windows: Word瘦身神器_Setup.exe（一键安装向导）

---

五、AI 辅助开发：效率对比

环节	传统开发耗时	AI 辅助耗时	提升倍数
技术选型 & 架构设计	2-4 小时	2 分钟（AI 直接给出最优方案）	60-120x
核心压缩算法	4-8 小时	3 分钟（AI 生成 + 微调）	80-160x
GUI 界面开发	8-16 小时	5 分钟（AI 一次性生成完整 UI）	96-192x
跨平台适配	4-8 小时	2 分钟（AI 识别差异点并自动适配）	120-240x
CI/CD 配置	2-4 小时	1 分钟（AI 生成完整 workflow）	120-240x
总计	2-5 天	约 30 分钟	约 100x

AI 辅助的关键体验

在整个开发过程中，我使用 Cursor IDE 的 AI 编程助手，体验到了几个令人震撼的能力：

1. 需求理解能力：我只描述了"压缩 Word 中的图片"，AI 就自动理解了 docx 的 ZIP 结构，并给出了完整的解压-压缩-重新打包方案
2. 代码生成质量：生成的代码直接可运行，包含异常处理、边界情况处理、用户体验优化
3. 跨平台经验：AI 主动提出了 macOS/Windows 的字体差异、文件管理器调用差异等问题，并给出解决方案
4. DevOps 能力：从 PyInstaller 配置到 GitHub Actions workflow，AI 都能一次性生成正确的配置

---

六、实际效果展示

以一份包含 50 张高清图片的投标文件为例：

指标	压缩前	压缩后	效果
文件大小	87.3 MB	12.8 MB	减少 85.3%
图片质量	原始高清	视觉无损	肉眼无差异
处理时间	-	8.2 秒	极速
图片数量	50 张	50 张	数量不变

---

七、总结与展望

这个项目完美展示了 AI 辅助编程的核心价值：让开发者专注于"做什么"，而不是"怎么做"。

AI 编程助手不是替代开发者，而是将开发者从重复性的编码工作中解放出来，让我们把精力放在需求分析、架构设计和用户体验上。

项目技术栈回顾：

• Python 3.11 + PyQt6（GUI）
• python-docx + Pillow（文档和图片处理）
• PyInstaller（跨平台打包）
• Inno Setup（Windows 安装包）
• create-dmg（macOS 安装包）
• GitHub Actions（CI/CD 自动构建）

如果这篇文章对你有帮助，请点赞收藏，关注后续更多 AI 辅助开发实战分享！