中小企业必备AI数字员工，已开源，Claude Code/Codex 一句话安装，陆续更新中

大家好，我是 Ai 学习的老章

我之前有一篇文章介绍 Claude 的 Agent 工作流# Claude 掀桌子了，放出 15 个 Agent 工作流，中小企业的“数字员工”正式上岗

但是，一是这些工作流都只能在 Claude app 中使用，要复刻也可以，就是麻烦一些；二是，这里面的“数字员工”感觉有点不接地气，不适合国内宝宝体质

我自己创建了很多适合自己的 Skills，用着非常顺手，比如 用 Skills 武装你的写作工作流 ，公开课 PPT，我个人使用的还有 AI 辅助写作、视频生成相关，还有编程相关，但是这些其实在企业尤其是中小企业中反而小众

我计划把自己创建/使用体验很好的 AI Agent Skill 开源，它们是我在日常工作中反复打磨出来的"数字员工"。第一批放出的几个——读邮件、解析文档、提取表格、采集素材，一条龙搞定那些重复性高但又不能出错的活儿

为什么叫"数字员工"

很多朋友一听 AI 就觉得高大上，觉得跟自己没关系，但实际上，比起遥远的 AGI 通用智能，中小企业更迫切需要的是能稳定执行具体任务的数字助手：

• 每天要手动查收邮件、下载附件、整理内容，很多阅后即焚，没有沉淀
• 拿到各种单据/或几百页的 PDF 合同，要提取里面的关键信息
• 做完分析报告，里面一堆 Markdown 表格要导出给领导看 Excel
• 需要从多个网页采集竞品资料，整理成文档

这些活儿，每一件都不难，但加在一起就是巨大的时间黑洞

我开源的这套 Skills，就是让 AI Agent（比如 Claude Code、Qoder、Cursor 等）变成你的专属数字员工，一个指令搞定整条链路

项目地址

GitHub：github⋅com/tjxj/z-skills

目前包含 5 个 Skill，后续会持续更新

一句话装到你的 Agent 工具里

这套 Skill 设计上走的是说人话优先，命令行参数只是锦上添花。不管你用的是 Claude Code、Codex、Qoder、Cursor，还是其它支持 Skill / Subagent 机制的 Agent 工具，都能一句话装上：

把 github⋅com/tjxj/z-skills 这个仓库里的 5 个 skill
克隆到本项目的 skill 目录，然后启用

Agent 会自己走 git clone、读 SKILL.md、装依赖、注册到工具的 skill 目录里。装完之后，后续所有使用都不需要你再记任何命令——你只管发指令，它负责调度

1. z-mail-reader — 邮件读取与实时监听

这是我最早做的一个 Skill，因为我实在受不了每天早上打开邮箱手动翻邮件了

它能做什么：

• 通过 IMAP 协议连接任意邮箱，按时间范围批量拉取邮件
• 自动下载所有附件到本地
• 自动提取正文中的内嵌图片（CID 内联图、HTML 外链图、Base64 嵌入图全支持）
• 输出结构化 JSON，Agent 可以直接生成摘要
• 支持 30 秒轮询实时监听，新邮件到了自动处理 + 系统通知
• 充分兼容中文邮件：自动识别 UTF-8 / GBK / GB2312 编码，不会乱码

使用前的一次性配置：

告诉 Agent：

帮我把 z-mail-reader 需要的邮箱环境变量配上，IMAP 地址 imapqqcom，
邮箱 your_email@qq com，授权码 xxx

主流邮箱（QQ / Gmail / 163 / Exchange / 企业邮箱）只需换一下 IMAP 地址即可。QQ 邮箱获取授权码：设置 → 账户 → POP3/IMAP/SMTP服务 → 开启 IMAP → 生成授权码

在 Agent 里一句话调它：

常用说法随便举几个：

读一下最近 7 天的邮件，给我生成一份摘要

拉一下这周邮件，附件都下下来

看一下 6 月 1 号到今天的邮件，重点提取合同类邮件

开始监听邮件，新邮件来了就推个系统通知给我

停一下邮件监听

Agent 会自动映射到 read_emails.py / listen_emails.py 上，补齐时间范围、输出路径这些参数。你不需要记任何命令。安装也一句话说人话，我这里写的 README 是专门为 Agent 使用优化过的

输出的目录结构很清晰：

mails/
└── 20260607_1430_项目进度汇报/
    ├── 报告.pdf              # 附件
    ├── images/               # 正文图片
    │   └── img_001.png
    └── sum.md                # Agent 生成的摘要

典型场景：每天早上上班让 Agent 先跑一遍，十几封邮件不到一分钟生成一份摘要清单，重要的附件已经下好、正文图片也提取出来了，手动那点翻邮件的麻烦可以永远省了

它也可以与后面的几个 Skills 联动，比如邮件附件的解析

2. z-smart-xparse — 智能文档解析

这个是文档解析的增强版，核心亮点是大 PDF 自动切分合并

实际工作中经常遇到几十 MB、几百页的 PDF（招标文件、合同、技术规范书），直接丢给解析 API 必然超限。这个 Skill 会自动检测文件大小和页数，超了就切成小块逐个解析，最后合并成一份完整结果

底层是 textin 的 xparse-cli，一句话安装：

告诉 Agent：

帮我装一下 xparse-cli 和 qpdf，z-smart-xparse 要用

它会自己走官方脚本 + brew/pip 装上。你只要看一下运行结果就行。按需出现，不需要不用都可以

判断逻辑：

默认每块 50 页（贴合免费 API 限制），配置付费 API 后可上调到 200 页一块，处理效率更高

支持格式超广：

• PDF、图片（免费 API，零配置）
• Word/PPT/Excel/HTML/OFD/RTF 等（需配置付费 API）
• PDF指定页码范围、字符级结构化输出

在 Agent 里一句话调它：

最主流的用法就是扔个文件过去：

把这份 report.pdf 转成 markdown

这份 300 页的招标书读一下，提取关键资质要求和评分规则

只解析 contract.pdf 的前 5 页

这是张扫描件合同，帮我转文本并提取表格

Agent 会自己判断：是否需要切分、是否需要付费 API、是否走 OCR，全部默认最合适路径。大文件的切分、逐块解析、合并也都是它后台走，你只看结果就行

典型场景：300 页的招标文件、扫描件合同、几十 MB 的技术规范书，丢给 Agent 一句“转成 markdown”，能直接拿到一份表格、标题层级都保留的本地文档

3. z-md-excel — Markdown 表格提取到 Excel

这个 Skill 看着简单，但用起来真的爽

做技术调研的时候，我习惯在 Markdown 里用表格整理对比信息。但汇报的时候领导要看 Excel，每次手动复制粘贴调格式简直要命

现在一句话搞定：把 xx.md 中的表格保存为 excel

亮点：

• 自动检测 Markdown 文件中的所有表格，每个表格一个 Sheet（名为 Table_1 / Table_2 …）
• 保留 GFM 对齐方式（左对齐、居中、右对齐）
• 自动去除 Markdown 格式（粗体、链接、代码标记等），输出干净文本
• 蓝色表头、自适应列宽、冻结首行，开箱即用的专业格式
• 自动跳过代码块里的“伪表格”，不会误识

在 Agent 里一句话调它：

把 xx.md 里的表格导出成 Excel

这份调研笔记里有三个对比表，都给我转成 Excel

把上面生成的 Markdown 表格保存为《产品调研.xlsx》

Agent 会自动调用 md2xlsx.py，多个表格会自动拆成多个 Sheet，你不需要手动指定任何参数

典型场景：技术选型对比、产品能力矩阵、供应商报价表，写的时候在 Markdown 里骨架清晰，交付的时候一句话转成带表头、冻首行、列宽适宜的 Excel，领导高兴

限制：只支持 GFM 管道式表格（| col1 | col2 |），不支持 HTML <table> 和嵌套表

4. z-excel-editor — Excel 全能编辑

这个 Skill 来自 Claude Code 开源社区（Anthropic 官方发布），我把它集成进来了，专门处理各种 Excel 操作

从创建新表格、编辑现有文件、添加公式、格式美化，到金融模型的专业规范（颜色编码、公式错误检测），一应俱全

核心能力：

• 使用 openpyxl 创建/编辑 .xlsx，保留公式和格式
• 内置 LibreOffice 公式重算脚本（recalc.py），确保公式值实时更新
• 金融模型颜色规范：蓝色=输入值、黑色=公式、绿色=跨表引用、红色=跨文件引用、黄底=重点假设
• 数字格式规范：年份走文本、货币用 $#,##0、零值显示为 -、负数走括号（123）、估值倍数 0.0x
• 设计哲学：公式优先，永远不要把 Python 算出的值硬写到单元格，保证源数据变了表能重算
• 自动扫描并报告公式错误（#REF!、#DIV/0!、#VALUE!、#NAME?、#N/A），返回 JSON 错误定位

另外它要求交付的表一定 零公式错误，你丢一份凌乱的后台导出表给它，它会自己检错、重算、补公式，最后交一份能直接上报的 Excel

在 Agent 里一句话调它：

把这份 sales.xlsx 加上表头、合计公式和环比增长率

这份财务模型帮我扫一下公式错误，能修的顺手修了

把这张估值表按金融模型颜色规范重新整理（输入值蓝色、公式黑色、跨表引用绿色）

新建一份 2026 年运营预算表，带季度合计和全年合计公式

Agent 会调 openpyxl 写公式、用 LibreOffice 重算、扫错、修错，你只需要看最终输出

典型场景：业务数据表补公式加表头、财务模型扫错、估值表格式规范化、给领导交付颜色与公式都专业的报表

5. z-web-pack — 网页素材包采集

搭建个人知识库，分享一个我原创的 Skills这篇文章中我已经详细介绍过这个 Skills，但是大家应该没有看懂，这是建个人知识库的前置步骤，只做采集，最核心的是链接下钻和图片保存

在 Agent 里一句话调它：

把这些链接采集为《竞品分析》素材包：xxx

这是 5 个同主题的官方文档链接，帮我准备一份完整资料包，只采同域

Agent 会自动调 collect_web_pack.py，补齐 --title--max-depth--max-pages 这些参数，抓不到的页面会自动走 jina ai 兜底

输出一个完整的素材包：

2026-06-08-竞品分析/
├── README.md                  # 素材包概览
├── 00-research-brief.md       # 研究简报
├── 01-link-inventory.md       # 链接清单
├── 02-image-inventory.md      # 图片清单
├── 03-reading-map.md          # 阅读地图
├── MAIN-01-入口正文.md         # 主文正文
├── LINKED-02-相关链接.md       # 关联文章
└── assets/                    # 本地图片

这里 MAIN-*.md 是你丢进去的入口文章，LINKED-*.md 是从正文里推出来的关联资料，全部转成本地 Markdown，图片下到 assets/ 后走本地相对路径，离线也能读

抓取策略上手动跳了很多坑：

1. 先走常规 HTTP 抓正文
2. GitHub 链接走 GitHub API / raw / README
3. Markdown / JSON / 纯文本资源直接保存
4. 实在抓不到或只抓到登录提示才用 r.jina.ai 兜底

自动排除侧边栏、广告、页脚、社交分享按钮、推荐阅读区这些噪音，只保留正文核心内容。同时跳过登录、订阅、隐私、服务条款、Cookie 这类与主题无关的页面

典型场景：文章选题的资料准备、竞品产品调研、文献综述、咨询类报告初期资料多点位采集。扔一批链接过去，一杯咖啡的时间拿到一份带本地图片、能离线读的完整资料包

重要提醒：需要根据实际情况定制

这里必须说清楚一件事——这些 Skill 不是拿来就能直接用的万能模板

每个企业的实际情况不同，直接复制粘贴也会遇到问题：

邮件系统差异：

我的案例写的是 QQ 邮箱（IMAP 地址 imap.qq.com），但你们公司可能用的是 Exchange、Gmail、企业微信邮箱甚至自建邮件服务器。IMAP 地址、授权方式、文件夹命名规则都不一样，需要改配置

文档解析需求不同：

有的企业主要处理扫描件 PDF（需要 OCR），有的主要处理 Word 合同（需要保留格式），有的需要提取表格数据做后续计算。解析精度、输出格式、后处理逻辑都要根据你的业务场景调整

目录结构和命名规则：

我的输出路径、文件命名方式是适配我自己工作流的。你需要改成适合你团队协作习惯的路径和命名规范

但这就是 Skill 的设计哲学——给你一个经过验证的骨架，你在上面长自己的肉

串联起来：Agent 工作流才是终极形态

单个 Skill 已经很有用了，但真正的威力在于把它们串成工作流。而串联起来之后，你在 Agent 里还是一句话触发整条链，中间各个 Skill 之间怎么传参、怎么调度，是 Agent 自己的事

下面这张图展示了一条完整的自动化链路，从收邮件到产出 Excel，全程无人值守：

AI 数字员工工作流

AI 数字员工工作流

你在 Agent 里只需要说一句：

拉一下今天邮件，遇到 PDF 附件都解析成 markdown，
里面的表格导出为 Excel，最后补全公式、按金融模型颜色规范整理好

Agent 会依次调起 z-mail-reader、z-smart-xparse、z-md-excel、z-excel-editor，把上个产出作为下个输入，最终交一份可直接汇报的 Excel

拆解成链路看的话是这样的：

邮件到了 → z-mail-reader 自动拉取
    ↓
附件是 PDF → z-smart-xparse 解析成 Markdown
    ↓
Markdown 里有表格 → z-md-excel 导出 Excel
    ↓
Excel 需要加工 → z-excel-editor 添加公式、美化格式
    ↓
最终产出一份可直接汇报的 Excel 文件

整条链路下来，从收到邮件到产出结果，全程自动化，人只需要审核最终产出

其实这几个 Skill 可以任意组合，再举几个听得出场景的例子：

场景一：竞品产品周报

z-web-pack 多入口采集竞品资料 → 输出主文 + 关联 Markdown
    ↓
z-md-excel 把产品能力对比表输出为 Excel
    ↓
z-excel-editor 加上表头、公式、颜色规范 → 汇报用 Excel

场景二：招标文件快速合规

z-mail-reader 拉招标邮件 + 下载附件
    ↓
z-smart-xparse 解析数百页招标书 → 输出 Markdown
    ↓
Agent 读 Markdown、提取关键指标 → 生成快速合规报告

场景三：财务月报闭环

z-mail-reader 拉业务部门发过来的月度报表邮件
    ↓
z-smart-xparse 解析附件中的 PDF / Excel 源表
    ↓
z-excel-editor 按金融模型规范重构报表 + 扫公式错误

后面我还计划对接飞书，实现更多自动化场景：

• 邮件摘要自动推送到飞书群
• 文档解析结果自动写入飞书多维表格
• 定时采集竞品信息，自动更新飞书文档

总结

这套开源 Skill 集合，本质上是把 AI Agent 从"聊天机器人"变成"能干活的数字员工"

为什么要走 Skill 这条路、而不是直接跟大模型对话：

• 流程可复现：一次写好，千次复用，不会因为提示词措辞不同而出现偏差
• 可审核可调试：脚本、参数、输出都是明文的，出了问题能定位
• 跨 Agent 工具：Claude Code、Qoder、Cursor 都能跳，不被单一厂商锁定
• 多个 Skill 能串起来：上一个的输出是下一个的输入，拼出真正的全流程自动化

适合什么人用：

• 中小企业里负责信息处理、文档管理的同事
• 想用 AI Agent 自动化日常工作流的技术/半技术人员
• 正在用 Claude Code / Qoder / Cursor 等 Agent 工具的开发者
• 想看看"别人是怎么写 Skill 的"、照着骨架去创建自己专属数字员工的同学

我会持续更新更多实用 Skill，欢迎 Star 关注 🌟

如果你有什么日常工作中的痛点想做成 Skill，评论区告诉我，说不定下一个就安排上了