OpenSenseNova/SenseNova-Skills

# SenseNova-Skills **English | [简体中文](README_CN.md)**

SenseNova 模型家族直接接入 agent 运行时（如 [OpenClaw](https://openclaw.ai/) 和 [hermes-agent](https://github.com/NousResearch/hermes-agent)），而本仓库中的技能通过具体的、端到端的办公能力对这些模型进行了扩展。 在本仓库中，每个技能都位于其专属目录中，并遵循 [Agent Skills](https://agentskills.io/) 规范，通过 `SKILL.md` 文件声明触发条件、能力和执行流程。 这些技能涵盖了**图像生成与可视化**、**幻灯片 (PPT) 生成**、**Excel 数据分析**和**深度研究**——它们既可以单独使用，也可以组合成端到端的工作流。 ## 🦝 在 Raccoon 中开箱即用 最新的 SenseNova 模型和本仓库中完整的 Cowork-Skill 套件都已打包进 [**Raccoon**](https://office.xiaohuanxiong.com/home)，提供企业级的安全性和零配置体验——如果您不想自行配置环境、API 密钥和运行时，可以直接通过 Raccoon 使用这些功能。提供免费试用——无需付费即可开始。 Raccoon 现已在产品能力和客户端体验上进行了全面升级： - **三大核心办公能力增强**：由 SenseNova 6.7 Flash + Cowork-Skill 驱动，数据分析、PPT 生成和任务规划均迈上了新台阶——涵盖了从多文件清洗/分析到正式报告演示文稿、行业/竞品研究以及投资备忘录的全流程。 - **全新：信息图表生成**：基于 SenseNova U1 模型构建，将复杂的数据、长篇报告和业务洞察压缩为密集、结构化且易于理解和分享的视觉信息图表。 - **全新客户端 + 本地 Agent OS**：云端模型负责处理繁重的推理和多模态理解；本地 Agent OS 则贴近您的文件、工作上下文和个人习惯——提供更加个性化、本地化和安全的 AI 原生办公体验。 - **大规模验证**：已被超过 1500 万个人用户和数以千计的企业客户选用。 ## 如何使用 这些技能专为在兼容 [Agent Skills](https://agentskills.io/) 的 agent 中运行而设计。 - **推荐运行时**：将其与 **[OpenClaw](https://openclaw.ai/)** 或 **[hermes-agent](https://github.com/NousResearch/hermes-agent)** 搭配使用。 - **推荐 LLM**：将其与 **[SenseNova Platform API](https://platform.sensenova.cn/token-plan)** 搭配使用——提供免费的 token 方案。 - **安装与配置**：请遵循 **[`INSTALL.md`](INSTALL.md)** 中的完整操作指南。 **推荐：让 agent 为您安装技能。** 将仓库 URL 交给它，并让它克隆并将技能放入正确的目录中——例如： 完成后，**您可能需要手动重启 agent 服务**，然后才能加载新技能。 | Agent | 目标目录 | |-------|------------------| | [OpenClaw](https://openclaw.ai/) | `~/.openclaw/skills/` | | [hermes-agent](https://github.com/NousResearch/hermes-agent) | `~/.hermes/skills/` |

更倾向于手动安装？

克隆此仓库，然后自行将 `skills/` 下的子目录复制到目标目录中： ``` git clone https://github.com/OpenSenseNova/SenseNova-Skills.git --depth=1 mkdir -p ~/.openclaw/skills cp -r SenseNova-Skills/skills/* ~/.openclaw/skills/ ``` 对于 Hermes，请将目标路径替换为 `~/.hermes/skills/`。

各分类的 Python 依赖、API 密钥和调用示例均记录在每个章节的 📖 完整指南中。 ## 技能列表 ### 🎨 图像与可视化 📖 完整指南：[`docs/sn-image-generate_en.md`](docs/sn-image-generate_en.md)（包含前置条件、快速入门、API 配置和调用示例）。 | 名称 | 标签 | 描述 | | -------------------------------------------------- | ------------------------------ | ----------------------------------------------------------------------------------------------------------------------------------------------------------------- | | [`sn-image-doctor`](skills/sn-image-doctor/SKILL.md) | 环境检测器 | 验证 SenseNova-Skills 环境——检查 `sn-image-base` 安装情况、Python 依赖和所需的环境变量；交互式地将缺失的值填充到 `.env` 中。 | | [`sn-image-base`](skills/sn-image-base/SKILL.md) | 图像基础层 (Tier 0) | 底层工具——文生图 (`sn-image-generate`)、图像识别 (`sn-image-recognize`) 和文本优化 (`sn-text-optimize`)——通过统一的 `sn_agent_runner.py` 暴露，旨在供上层技能调用。 | | [`sn-infographic`](skills/sn-infographic/SKILL.md) | 信息图表生成 (Tier 1) | 自动化提示词质量评分、布局/样式选择（87 种布局 / 66 种样式），配合 VLM 审查和质量排名进行多轮生成，产出可直接发布的信息图表。 | | [`sn-image-imitate`](skills/sn-image-imitate/SKILL.md) | 图像模仿 (Tier 1) | 给定一张参考图像和目标内容提示词，生成一张模仿该参考图像的新图像。 | | [`sn-image-resume`](skills/sn-image-resume/SKILL.md) | 简历图像生成 (Tier 1) | 根据简历信息，生成简历图像。 | ### 📊 演示文稿 (PPT) 📖 完整指南：[`docs/sn-ppt-generate.md`](docs/sn-ppt-generate.md)（包含前置条件、快速入门、API 配置和调用示例）。 | 名称 | 标签 | 描述 | | ---------------------------------------------- | ---------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | | [`sn-ppt-entry`](skills/sn-ppt-entry/SKILL.md) | **PPT 入口** | **PPT 生成的统一入口。** 要求用户选择快速、标准或创意模式，然后收集角色/受众/场景/页数。对于标准模式，还会询问图片来源（AI、网页搜索或无）和图表渲染（U1 信息图表或 ECharts）。解析上传的 pdf / docx / md / txt，生成 `task_pack.json` + `info_pack.json`，并分发至所选模式。 | | [`sn-ppt-doctor`](skills/sn-ppt-doctor/SKILL.md) | PPT 环境检测器 | PPT 流程的环境检查——验证 `sn-image-base`、API 密钥、Node 运行时和可选依赖；将缺失的必需变量写入 `.env`。 | | [`sn-ppt-creative`](skills/sn-ppt-creative/SKILL.md) | PPT 创意模式 | 通过 `sn-image-generate` 结合每页组合的提示词，为每张幻灯片生成全屏 16:9 PNG。当 T2I 生成失败时回退到网页图片搜索。 | | [`sn-ppt-standard`](skills/sn-ppt-standard/SKILL.md) | PPT 标准与快速模式 | `style_spec` → 大纲 → 素材规划 + 按位图像 + VLM QC → 逐页 HTML → 逐页审查 → PPTX 导出。快速模式立即通过自主决策构建完整草稿，随后提供结构化的优化建议。支持为图表生成 AI 信息图表 (U1)，以及为真实照片进行网页图像搜索。 | ### 📈 数据分析 (DA) 📖 完整指南：[`docs/sn-data-analysis.md`](docs/sn-data-analysis.md)（包含前置条件、快速入门、API 配置和调用示例）。 | 名称 | 标签 | 描述 | | ------------------------------------------------------------------ | ------------------------------------ | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | [`sn-da-excel-workflow`](skills/sn-da-excel-workflow/SKILL.md) | Excel 分析编排 | 端到端的 Excel 处理流程——多表读取、大文件检测（≥1万行触发 Parquet）、清洗、条件过滤、跨表聚合以及 Excel/CSV 导出。 | | [`sn-da-image-caption`](skills/sn-da-image-caption/SKILL.md) | 图像理解与数据提取 | 针对以图像为先的输入——表格 OCR、图表理解、截图/UI 描述；将说明解析为 DataFrames，重建可视化，并导出 Excel/CSV。 | | [`sn-da-large-file-analysis`](skills/sn-da-large-file-analysis/SKILL.md) | 高性能大文件分析 | 针对≥1万行的 Excel 数据集进行流式读取（openpyxl read_only + iter_rows）、Parquet 转换、内存优化、分块处理以及大文件写入。 | ### 🔬 深度研究 📖 完整指南：[`docs/sn-deep-research.md`](docs/sn-deep-research.md)（包含前置条件、`web_search` 预检查、快速入门和各阶段调用）。 | 名称 | 标签 | 描述 | | -------------------------------------------------------------------- | ------------------------------ | ----------------------------------------------------------------------------------------------------------------------------------------------------------------- | | [`sn-deep-research`](skills/sn-deep-research/SKILL.md) | **深度研究入口** | **深度研究的统一入口。** 端到端的编排器：规划 → 按维度收集证据 → 综合 → 最终 `report.md`。产出物会持久化到 `report_dir`；支持断点续传执行。 | | [`sn-research-planning`](skills/sn-research-planning/SKILL.md) | 研究规划 | 单次从 `request.md` 生成 `plan.json` ——界定范围、报告形态、维度拆解、核心问题、搜索策略、依赖关系以及完成标准。 | | [`sn-dimension-research`](skills/sn-dimension-research/SKILL.md) | 按维度收集证据 | 执行 `plan.json` 中的一个维度——运行该维度的 `search_strategy`、过滤证据、交叉验证并写入 `sub_reports/{dimension_id}.md`。 | | [`sn-research-synthesis`](skills/sn-research-synthesis/SKILL.md) | 判断综合 | 将多个 `sub_reports` 综合成 `synthesis.md`——包含主线判断、证据强度、跨维度共识、核心冲突以及不确定性。 | | [`sn-research-report`](skills/sn-research-report/SKILL.md) | 最终报告撰写与编辑 | 将判断层渲染为最终的 `report.md`；也处理定向重写——重构、润色、表格增强——针对现有草稿。 | | [`sn-report-format-discovery`](skills/sn-report-format-discovery/SKILL.md) | 报告格式发现 | 回答“这类报告应该长什么样”——推导章节结构、必需元素和风格限制。可单独使用，或作为 sn-deep-research 的 `report_shape` 来源。 | | [`sn-md-to-html-report`](skills/sn-md-to-html-report/SKILL.md) | Markdown → HTML 报告 | 将研究 `report.md`（或任何 Markdown 文档）转换为整洁的、可离线打开的单文件 HTML 阅读视图——包含内嵌图像、侧边栏目录、响应式表格以及表格分隔符修复。 | ### 🔍 搜索 📖 搜索技能与深度研究一同记录在：[`docs/sn-deep-research.md`](docs/sn-deep-research.md)（包含各平台的 API 密钥、调用和统一的 JSON 输出）。 | 名称 | 标签 | 描述 | | ------------------------------------------------------ | ---------------------- | ------------------------------------------------------------------------------------------------------------------------------------------ | | [`sn-search-academic`](skills/sn-search-academic/SKILL.md) | 学术搜索 | ArXiv（支持章节级 HTML 阅读） / Semantic Scholar（含引用数） / PubMed（含 PMC 开放获取全文） / Wikipedia，集成于统一接口。 | | [`sn-search-code`](skills/sn-search-code/SKILL.md) | 开发者搜索 | GitHub（仓库 / 代码 / issue） / Stack Overflow / Hacker News / HuggingFace（模型 / 数据集 / 空间），聚合搜索。 | | [`sn-search-social-cn`](skills/sn-search-social-cn/SKILL.md) | 中文社交搜索 | Bilibili / 知乎 / 抖音 搜索；部分平台需要 cookie 认证。 | | [`sn-search-social-en`](skills/sn-search-social-en/SKILL.md) | 英文社交搜索 | Reddit / Twitter (X) / YouTube 搜索。 | ## 输出示例 ### 🎨 信息图表 一些 `sn-infographic` 的输出示例（更多请见 [`docs/sn-infographic-examples.md`](docs/sn-infographic-examples.md))。 ### 🧩 内存价格分析——洞察 → 分析 → 展示 → 端到端工作流 [`examples/memory-price-end2end-analysis`](examples/memory-price-end2end-analysis/). 从原始的报价 CSV 开始，agent 分析字段，规范化类别和时间戳，然后从三个角度对价格上涨进行分析——整体趋势、各类别中涨幅最大的产品，以及服务器级与消费级 SKU 之间的差距——并在此过程中定位到 2 月下旬的拐点。将这些发现作为研究课题，它切换到深度研究：规划针对供应收缩、AI 服务器需求和厂商产能纪律的按维度网络搜索，然后在提交给报告之前，对跨来源的证据进行分类和交叉核对。数据和研究结论随后移交给 PPT 生成，它规划出 16 页的大纲，设计每个位的图像，渲染逐页 HTML，运行 VLM 审查，最后将截图合成到 PPTX 中。最终的结果是一个清晰的三步故事线：价格*正在*上涨 → *原因如下* → *应对建议如下*。这是唯一一个完整运行数据分析 → 深度研究 → PPT 端到全链路的示例。 - 依赖于：[`sn-da-excel-workflow`](skills/sn-da-excel-workflow/SKILL.md)、[`sn-deep-research`](skills/sn-deep-research/SKILL.md)、[`sn-ppt-entry`](skills/sn-ppt-entry/SKILL.md)、[`sn-ppt-standard`](skills/sn-ppt-standard/SKILL.md)、[`sn-md-to-html-report`](skills/sn-md-to-html-report/SKILL.md) ### 📊 员工绩效分析——数据分析 [`examples/employee-performance-analysis`](examples/employee-performance-analysis/). agent 读取 10 个独立的月度考核 xlsx 文件，对齐各月份的列结构并将它们拼接成一张纵向数据表。从该表中，它生成了聚合视图——月度均值趋势、得分分布箱线图、等级构成变化以及包含 38 个角色的排名——和个体视图——表现优异者、需重点关注者以及持续进步群体，加上每位员工的年度趋势。研究发现附带了与特定角色和个人相关的明确改进建议，并由 8 张辅助图表提供支持。相同的内容以 Word 文档（用于分发）和可视化 HTML 报告（用于浏览）的形式交付。该示例展示了 `sn-da-excel-workflow` 如何处理“多个本应合并为一次分析的小型表格”，而不是单一的大文件。 - 依赖于：[`sn-da-excel-workflow`](skills/sn-da-excel-workflow/SKILL.md) ### 🔬 具身智能行业研究——深度研究 [`examples/embodied-ai-deep-research`](examples/embodied-ai-deep-research/). 仅给定一个行业名称，agent 首先确立一个研究计划——市场规模、厂商份额、融资、成本结构、发展路线图——而不是直接跳入搜索。对于每个维度，它执行有针对性的网络搜索，获取并阅读源页面，并提取数字和定性证据；在信任各来源中相互冲突的数据之前，会明确对其进行调和。综合阶段将各维度的证据拼凑成连贯的行业叙述，而不是一堆互不关联的要点。输出是一份带插图的报告（Markdown + 可视化 HTML），包含 5 张针对特定维度的图表。该示例展示了 `sn-deep-research` 如何将“去研究 X”转化为一个具备可溯源证据的结构化“先规划，后执行”循环。 - 依赖于：[`sn-deep-research`](skills/sn-deep-research/SKILL.md) ### 🎯 物业费定价——PPT 生成 [`examples/property-fee-pricing-ppt`](examples/property-fee-pricing-ppt/). agent 接收一份自由格式的任务要求——主题（物业费定价）、受众（物业人员 + 委员会）、26 页、黑白暖色调风格——首先确定大纲以及符合风格规范的每页素材计划。然后，每张幻灯片都构建为语义化的逐页 HTML，而非自由形式的图像生成：文案、布局、插图、图标以及任何数据图表都是按位进行推敲的。图像是根据每个位置生成或挑选的，并根据页面意图进行 VLM 检查；每个渲染的页面都会经过一次审查，为了连贯性和文案质量可选择进行重写。最终页面被截图并合成到 PPTX 中，同时保留逐页的 HTML 以便直接在浏览器中预览或重新编辑。该示例演示了 `sn-ppt-standard` 在篇幅长、文字密集的演示文稿上的风格一致性，其中每张幻灯片都必须遵守相同的受众和调色板限制。 - 依赖于：[`sn-ppt-entry`](skills/sn-ppt-entry/SKILL.md)、[`sn-ppt-standard`](skills/sn-ppt-standard/SKILL.md) ## 加入社区 加入我们不断壮大的社区，分享反馈、获取支持并随时了解最新动态。扫描下方的二维码进入群聊——我们期待您的声音！ ## 许可证 MIT — 详见 [LICENSE](LICENSE)。

标签：AI办公助手, MITM代理, PPT生成, 人工智能, 代码示例, 效率工具, 数据分析, 用户模式Hook绕过, 逆向工具