OpenSenseNova/SenseNova-Skills

Modular SenseNova skills for building AI-powered office assistants and productivity workflows

SenseNova‑Skills – 為 AI Agent 提供辦公自動化技能

是什麼 – 一系列 Agent Skills（包含 SKILL.md 清單的獨立目錄）的集合，旨在為 SenseNova 系列大型語言模型提供端到端的辦公能力。這些技能可以放入任何遵循 Agent Skills 規範的 Agent，例如 OpenClaw 或 hermes‑agent，然後透過 SenseNova Platform API 進行調用。

為什麼重要 – 它能將通用的 LLM 轉變為功能齊全的「AI 同事」：生成圖像、製作資訊圖表、分析 Excel 工作簿、撰寫研究報告，並自動製作 PowerPoint 簡報檔。所有這些都由 Agent 運行時（runtime）進行編排，因此使用者只需描述高層級目標（例如：「製作一份關於記憶體價格趨勢的 20 頁簡報」），技能便會處理數據清洗、網路搜尋、VLM 審查以及最終的文件輸出。

核心技能組

Category	Example skills	What they do
Image & Visualization	`sn-image-base`, `sn-infographic`, `sn-image-imitate`	低階層次的文本轉圖像、編輯、識別；高階層次的資訊圖表生成，具備自動佈局/風格選擇與品質評級功能。
Presentations (PPT)	`sn-ppt-entry`, `sn-ppt-standard`, `sn-ppt-creative`	解析簡報需求（brief），建立大綱、規劃資產、生成每頁 HTML、執行 VLM 品質檢查，並輸出 PPTX。支援快速、標準與創意模式，以及可選的 AI 生成圖表或網路來源圖像。
Data Analysis	`sn-da-excel-workflow`, `sn-da-image-caption`, `sn-da-large-file-analysis`	讀取多工作表 Excel/CSV，清洗與聚合數據，透過 Parquet 轉換串流處理大型文件（>10,000 行），從圖像中提取表格/圖表，並輸出整潔的 Excel/CSV 文件。
Deep Research	`sn-deep-research`, `sn-research-report`, `sn-prepare-citations`	多階段研究流程：規劃查詢、執行並行網路搜尋（學術、程式碼、社群），綜合證據、生成 Markdown 報告，格式化引用文獻，並可選擇轉換為 HTML。
Search	`sn-search‑academic`, `sn-search‑code`, `sn-search‑social‑en/cn`	針對 arXiv, Semantic Scholar, PubMed, GitHub, Stack Overflow, Reddit, Twitter, Bilibili 等平台的統一封裝，回傳正規化的 JSON 載荷，供下游技能使用。

如何開始

選擇一個運行時 (runtime) – 安裝 OpenClaw 或 hermes‑agent（兩者皆支援 Agent Skills 規範）。

添加技能 – 最簡單的方法是要求 Agent 複製（clone）該儲存庫，並將技能放入其技能目錄，例如：

"Please install SenseNova‑Skills from https://github.com/OpenSenseNova/SenseNova‑Skills into your skills directory."

如果您偏好手動步驟：

git clone https://github.com/OpenSenseNova/SenseNova-Skills.git --depth=1
cp -r SenseNova-Skills/skills/* ~/.openclaw/skills/   # or ~/.hermes/skills/

配置 SenseNova API – 從 SenseNova 平台獲取 API 金鑰，（國際版：https://platform.sensenova.ai，中國版：https://platform.sensenova.cn）。將金鑰與正確的 Base URL 加入到 .env 檔案中；*_doctor 技能可以協助填寫缺失的變數。
執行技能 – 每個技能都提供一個簡短的 CLI 入口點（例如：sn-ppt-entry），可以直接調用，或透過 Agent 的自然語言介面進行調用。

範例端到端工作流程

該儲存庫附帶一個完整的演示範例 (examples/memory-price-end2end-analysis)，展示了完整的流程：

數據分析 – sn-da-excel-workflow 讀取原始 CSV 格式的記憶體價格報價，進行時間戳記正規化，並產生清洗後的 Excel 文件。
深度研究 – sn-deep-research 規劃並執行針對供應鏈因素的網路搜尋，綜合證據，並撰寫 Markdown 報告。
簡報製作 – sn-ppt-entry + sn-ppt-standard 將報告轉化為 16 頁的 PPT，在需要時生成資訊圖表，並執行 VLM 品質檢查。
Export – 最終的 PPTX 與報告的 HTML 版本將被寫入輸出目錄。

在哪裡可以找到更多資訊

Docs & tutorials – docs/ 包含各個技能組（圖像生成、PPT、數據分析、深度研究）的逐步指南。
Gallery – docs/sn-infographic-examples.md 展示了約 100 個資訊圖表提示詞與結果。
FAQ – 常見的安裝配置問題（如：驗證錯誤、速率限制、逾時）會在 docs/faq.md 中解答。
Raccoon UI – 如果您不想管理運行時或 API 金鑰，同樣的技能套件已整合進託管的 Raccoon 辦公助手（免費試用版於 office.xiaohuanxiong.com）。

誰可能會使用它

生產力導向的 AI Agent，需要將原始數據或簡單的使用者需求（brief）轉化為精緻的交付物。
企業，尋求自動化報告生成、市場研究或簡報檔製作，而無需建立自定義的管道（pipeline）。
開發者，想要使用現成的技能模板來擴展 OpenClaw/hermes‑agent，並加入自定義的多模態能力。

快速重點摘要

模組化 – 每個能力都存在於其專屬的技能目錄中，並附帶宣告式的 SKILL.md 清單。
模型不可知論 (Model-agnostic runtime) – 可與任何透過公用 API 存取的 SenseNova 模型（例如：6.7 Flash, U1）搭配使用。
端到端 – 從原始文件 $\rightarrow$ 分析 $\rightarrow$ 研究 $\rightarrow$ 可視化 $\rightarrow$ 最終 PPT/HTML，全部由 Agent 編排。
開源 – MIT 風格的儲存庫；您可以進行 fork、修改或貢獻新的技能。