2K Star！发现一套办公技能框架 SenseNova-Skills，把 AI 变成你的办公全能助手！

从年初开始，各个大厂都在推出自己的 AI 办公助手，从文档编辑到数据分析，再到 PPT 制作，每一个环节都在被 AI 重新定义。

我身边很多做运营、做产品、做数据分析的朋友都在说，要是能有一套工具，把这些零散的 AI 能力整合起来就好了，不用每天在十几个不同的平台之间切来切去。

前两天，我在 GitHub 上逛的时候，偶然发现了一个宝藏项目。这个项目不是简单的单点功能，而是一整套完整的办公技能套件。

更有意思的是，它不是一个独立的 APP，而是为 Agent 运行时设计的技能库，可以直接集成到你现在用的 AI 助手里。

这种设计思路真的很巧妙，就像给你的AI助手装上了各种专业的「手脚」一样。

项目介绍

SenseNova-Skills 是由 OpenSenseNova 团队开发的一套完整的AI办公技能库。

这个项目最厉害的地方在于，它不是一个孤立的工具，而是可以直接集成到像 OpenClaw 和 hermes-agent 这样的 Agent 中，让你的 AI 助手瞬间拥有专业级的办公能力。

这套技能库覆盖了办公场景中最常用的四大领域：图片生成与可视化、PPT制作、Excel数据分析，以及深度研究。每一个技能都是独立封装的，既可以单独使用，也可以组合起来完成复杂的端到端工作流。

更贴心的是，这些技能已经内置到了 Raccoon（小浣熊） Pro 计划中。

核心亮点

• • 完整的端到端办公能力：从数据清洗分析，到研究报告撰写，再到PPT制作，它能覆盖整个工作流程。
• • 分层设计，灵活组合：这套技能采用了分层设计的思路。比如在图片生成这块，有底层的 sn-image-base 提供基础的文生图、图识别能力，然后上面有 sn-infographic（信息图生成）、sn-image-imitate（图片模仿）等更高级的技能。
• • 质量保证机制：很多技能都内置了 VLM（视觉语言模型）质量检查环节。这种多轮迭代+质量检查的方式，大大提升了最终输出的可靠性。
• • 开箱即用的 Raccoon 集成：如果你不想自己搭建环境，直接用Raccoon（小浣熊）就行。

功能特性

1、图片与可视化技能

这个类别下有5个核心技能：

• • sn-image-doctor：环境检查工具，自动检测Python依赖、环境变量，还能交互式填写缺失的配置
• • sn-image-base：基础层，提供文生图、图像识别、文本优化等底层能力
• • sn-infographic：信息图生成，支持87种布局和66种风格，还有自动提示词质量评分和VLM质量检查
• • sn-image-imitate：图片模仿，给一张参考图和内容提示，就能生成风格相似的新图
• • sn-image-resume：简历图片生成，输入简历信息就能生成精美的简历图片

特别是 sn-infographic，它能把复杂的数据、长篇报告和商业洞察压缩成结构清晰、易于理解和分享的信息图，这个功能在做汇报的时候绝对是神器。

2、PPT生成技能

PPT制作是很多人的痛点，SenseNova-Skills提供了一整套解决方案：

• • sn-ppt-entry：统一入口，收集角色、受众、场景、页数、模式（创意/标准）等信息，解析上传的PDF/DOCX/MD/TXT文件，然后分发给对应的模式
• • sn-ppt-doctor：PPT环境检查，验证依赖、API密钥等
• • sn-ppt-creative：创意模式，每一页都是一张完整的16:9 PNG图片
• • sn-ppt-standard：标准模式，从样式规范→大纲→素材规划→VLM质检→每页HTML→审阅→最终导出PPTX，流程非常完整

项目里有一个物业费定价的PPT示例，26页的长文档，每一页都遵循相同的受众和配色约束，风格一致性做得非常好。

3、数据分析技能

处理Excel数据也是办公中的高频场景：

• • sn-da-excel-workflow：Excel分析编排，支持多表读取、大文件检测（≥1万行自动转Parquet）、数据清洗、条件筛选、跨表聚合，最后导出Excel/CSV
• • sn-da-image-caption：图片理解与数据提取，支持表格OCR、图表理解、截图描述，能把图片里的信息解析成DataFrame，重现可视化
• • sn-da-large-file-analysis：高性能大文件分析，用流式读取处理≥1万行的Excel，内存优化、分块处理

员工绩效分析的示例很有意思，它能读取10个单独的月度Excel文件，对齐列模式合并成一个纵向表格，然后生成各种汇总视图和个人视图，最后还能输出Word文档和可视化HTML报告。

4、深度研究技能

做行业研究、竞品分析是很多人都需要的能力：

• • sn-deep-research：深度研究统一入口，从规划→各维度证据收集→综合→最终报告，支持断点续跑
• • sn-research-planning：研究规划，一次性生成研究计划，包括范围、报告结构、维度分解、关键问题、搜索策略等
• • sn-dimension-research：按维度收集证据，执行计划中的某个维度，运行搜索策略、过滤证据、交叉验证
• • sn-research-synthesis：判断综合，把多个子报告综合成一份，包括主线判断、证据强度、跨维度共识等
• • sn-research-report：最终报告撰写与编辑
• • sn-report-format-discovery：报告格式发现，回答"这类报告应该长什么样"
• • sn-md-to-html-report：Markdown转HTML报告，把研究报告转成离线可读的单文件HTML

具身AI行业研究的示例展示了这套技能的威力：只给一个行业名称，就能先制定研究计划（市场规模、厂商份额、融资、成本结构、发展路线图），然后针对每个维度做定向搜索、提取证据、 reconcile冲突数据，最后综合成一份有图表的完整报告。

5、搜索技能

搜索是研究的基础，这套技能提供了多个垂直搜索能力：

• • sn-search-academic：学术搜索，整合ArXiv、Semantic Scholar、PubMed、Wikipedia
• • sn-search-code：开发者搜索，整合GitHub、Stack Overflow、Hacker News、HuggingFace
• • sn-search-social-cn：中文社交搜索，支持B站、知乎、抖音
• • sn-search-social-en：英文社交搜索，支持Reddit、Twitter/X、YouTube

快速上手

方式一：让Agent自动安装（推荐）

最简单的方式就是直接让你的Agent帮你安装。你只需要跟它说：

"请从 https://github.com/OpenSenseNova/SenseNova-Skills 安装 SenseNova-Skills 到你的技能目录。"

安装完成后，可能需要手动重启Agent服务，新技能才会生效。

方式二：手动安装

如果你想手动安装，也很简单：

git clone https://github.com/OpenSenseNova/SenseNova-Skills.git --depth=1

# 对于OpenClaw
mkdir -p ~/.openclaw/skills
cp -r SenseNova-Skills/skills/* ~/.openclaw/skills/

# 对于Hermes
mkdir -p ~/.hermes/skills
cp -r SenseNova-Skills/skills/* ~/.hermes/skills/

项目的examples目录里有几个非常完整的示例，强烈建议去看看：

1. 1. 内存价格端到端分析（examples/memory-price-end2end-analysis）：展示了数据分析→深度研究→PPT生成的完整链条
2. 2. 员工绩效分析（examples/employee-performance-analysis）：展示了如何处理多个小Excel文件
3. 3. 具身AI行业研究（examples/embodied-ai-deep-research）：展示了深度研究的完整流程
4. 4. 物业费定价PPT（examples/property-fee-pricing-ppt）：展示了长PPT的风格一致性

写在最后

SenseNova-Skills 这套技能库最吸引人的地方，在于它不是在做另一个AI工具，而是在构建一套可组合的办公能力生态。

通过把复杂的办公任务拆解成独立的技能，再让 Agent 去组合调用，这种方式既灵活又强大。

如果你已经在使用OpenClaw或hermes-agent，那可以尝试这套技能；如果你不想折腾环境，直接用Raccoon（小浣熊）也行。毕竟，能让AI真正帮我们把工作做得更好更快，这才是最重要的。

最后，把项目地址放在这里，感兴趣的朋友可以去看看：

https://github.com/OpenSenseNova/SenseNova-Skills

如果本文对您有帮助，也请帮忙点个 赞👍 + 在看 哈！❤️

在看你就赞赞我！