SenseNova-Skills 办公智能体技能库
为 AI 办公助手提供模块化的 SenseNova 技能，覆盖 PPT 生成、Excel 数据分析、信息图制作与深度研究，可独立使用或组合为端到端工作流。
证据显示：技能通过SKILL.md声明触发器和能力，但未提供权限最小化细节；部分技能（如sn-ppt-entry）要求用户选择模式，但未明确所有外部操作需用户确认；数据流透明度有限，未详细说明数据如何被处理或传输；敏感数据处理未明确说明；依赖项未固定版本，存在供应链风险；外部效果（如网络搜索、文件写入）未明确限制；未提供回滚机制；来源归属部分明确（如引用来源），但整体来源追踪不完整。扣分原因：缺乏权限最小化、用户确认、数据流透明、敏感数据处理、依赖安全、外部效果控制、回滚机制的具体证据。
证据显示：技能描述与README一致，但未提供测试或验证；依赖项未固定版本，可用性不确定；错误处理文档有限，未提供详细的失败消息。扣分原因：依赖可用性未验证，失败消息不充分。
证据显示：README明确了目标受众（AI办公助手）和场景（图像、PPT、数据分析、深度研究）；技能边界通过SKILL.md描述，但未明确触发条件；环境适配（OpenClaw、hermes-agent）有说明。扣分原因：触发精度和边界描述不够精确。
证据显示：信息架构清晰，技能目录组织良好；安装说明详细（INSTALL.md）；命名稳定；提供了示例和FAQ；已知限制未明确列出；MIT许可证明确；版本和变更日志未提供；维护责任未明确。扣分原因：缺少已知限制、版本变更日志、维护责任说明。
证据显示：输出可用性高（生成PPT、报告等）；边际价值明显（提供端到端工作流）；成本效益未详细说明（如API费用）。扣分原因：成本效益分析不足。
证据显示：README中的声明部分有示例支持，但未提供可追溯的测试结果；跨来源验证有限；事实与推断未明确分离。扣分原因：缺乏可验证的测试和跨来源验证。
- 依赖未固定版本，存在供应链风险。
- 未提供回滚机制，操作失败后难以恢复。
- 敏感数据处理和外部效果控制不明确。
这个 Agent 能做什么，适合哪些场景？
SenseNova-Skills 是 OpenSenseNova 推出的技能集合，每个技能按 Agent Skills 约定以 SKILL.md 声明触发条件、能力与执行流程，可接入 OpenClaw 或 hermes-agent 等智能体运行时。仓库提供五大类技能：图像与可视化（sn-image-base、sn-infographic 等）、PPT 生成（sn-ppt-entry、sn-ppt-standard、sn-ppt-creative）、数据分析（sn-da-excel-workflow 等）、深度研究（sn-deep-research 等）以及多平台搜索（学术、代码、社交）。技能依赖 SenseNova 平台 API 和模型（如 SenseNova 6.7、U1），也支持通过 Web 搜索（如 Serper）替代某些图像生成场景。这些技能既可独立使用，也可串联成完整工作流，例如从 CSV 数据分析到深度研究再到 PPT 汇报的端到端示例。MIT 许可，并已集成到 Raccoon 办公产品中提供零配置体验。
该仓库提供了一系列可被智能体调用的技能，每个技能通过 SKILL.md 声明触发条件和执行流程。具体操作包括：sn-image-base 调用文本转图像（sn-image-generate）、图像识别（sn-image-recognize）和文本优化（sn-text-optimize）的低层工具；sn-infographic 基于 U1 模型生成信息图，自动进行提示词质量评分、选择 87 种布局和 66 种风格，并通过 VLM 审查多轮生成；sn-ppt-entry 解析用户上传的 PDF/DOCX/MD/TXT，输出 task_pack.json 和 info_pack.json，并调度到标准、快速或创意模式，其中标准模式生成逐页 HTML 并通过 VLM 质量检查后导出 PPTX；sn-da-excel-workflow 对 Excel 进行多工作表读取、清洗（超过 1 万行自动转为 Parquet）、条件过滤、跨表聚合，并导出 Excel/CSV；sn-deep-research 执行多阶段研究，具有 DAG 依赖管理、来源快照和证据驱动的输出，最终生成 report.md 并可转换为 HTML。技能还提供环境检测（sn-image-doctor、sn-ppt-doctor）和搜索聚合（sn-search-academic、sn-search-code、sn-search-social-cn/en）。
- 办公室文员需要使用自然语言指令快速生成包含图表和数据可视化的 PPT 演示文稿。
- 数据分析师需要合并多个 Excel 文件、清洗数据并进行跨表聚合，最终导出 Excel/CSV 报告。
- 市场研究员需要从网络搜索证据，构建深度研究报告，并以 Markdown 或 HTML 格式输出。
- 设计师需要根据参考图像生成新图像，或从简历信息生成简历图像。
- 产品经理需要将复杂数据转化为信息图以便分享。
- 开发者希望将 SenseNova 模型集成到自己的智能体工作流中，实现办公自动化端到端流程。
这个 Agent 有哪些优点和局限？
- 模块化设计，技能可独立使用或组合成端到端工作流，覆盖办公场景核心需求。
- 提供丰富的示例（如内存价格端到端分析），展示从数据到 PPT 的完整流程。
- 内置环境检查技能（doctor）可自动验证依赖和配置，降低上手难度。
- 信息图生成支持 87 种布局和 66 种风格，具有 VLM 质量审查，输出专业。
- 深度研究采用 DAG 依赖管理，确保证据可追溯。
- 强依赖 SenseNova 平台 API 和模型，存在供应商锁定风险。
- 需要配置多个第三方服务密钥（如 SenseNova、Serper），初始设置复杂。
- 技能的完整文档和安装指南分散在多个 docs 文件中，缺乏统一的一站式说明。
- 中文社交搜索（如 Bilibili）需要 cookie 认证，使用受限。
- 未提供 Docker 或一键部署方案，用户需自行管理 Python 和 Node.js 环境。
如何安装或部署这个 Agent？
安装要求：克隆仓库并复制 skills/ 子目录到智能体的技能目录。推荐使用 OpenClaw 或 hermes-agent 作为运行时。对于 OpenClaw：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-agent，目标目录为 ~/.hermes/skills/。需要 Python 环境和 Node.js 运行时（PPT 技能需要），并配置 SenseNova 平台 API 密钥（免费 token 计划）以及搜索 API 密钥（如 Serper）。各技能的详细依赖和配置见 docs/ 下的完整指南。
如何使用这个 Agent？
安装后，在智能体中通过自然语言触发技能。例如，告诉 OpenClaw："Please install SenseNova-Skills from https://github.com/OpenSenseNova/SenseNova-Skills into your skills directory"。对于已安装的技能，用户可请求："生成关于内存价格分析的 PPT"，智能体将自动调用 sn-ppt-entry 和 sn-ppt-standard。需要先配置 .env 文件，包含 SENSENOVA_API_KEY 等环境变量（由 sn-image-doctor 等医生技能自动检查并填充）。也可通过 Raccoon 产品直接使用，无需配置环境。
这个 Agent 与同类方案有什么区别？
与 OpenAI 的 GPT 系列或 Anthropic 的 Claude 相比，SenseNova 模型通过该技能库提供了针对办公场景的深度定制能力。但本仓库未提供与其他办公自动化工具的对比。