SenseNova-Skills – 商汤团队开源的模块化 AI 办公技能库

1. SenseNova-Skills是什么

SenseNova-Skills 是由 OpenSenseNova（商汤科技）团队开源的一款模块化 AI 办公技能库，专为 Agent 运行时设计，旨在将信息图生成、PPT 制作、Excel 数据分析与深度研究四大核心办公能力拆解为独立、可复用的技能模块。该工具可直接集成到 OpenClaw、hermes-agent 等主流 Agent 框架中，赋予 AI 助手端到端的专业办公执行力，无需在多个 SaaS 平台间切换。通过分层技能架构（Tier 0 基础层 + Tier 1 应用层）、VLM 质量闭环机制以及大文件流式处理技术，SenseNova-Skills 在保证输出质量的同时，显著降低了办公自动化的技术门槛。

技术定位与领域： 属于 AI 办公自动化与 Agent 技能生态领域，其独特定位在于提供一套“开箱即用”的模块化技能库，而非单一的模型或框架。它填补了 Agent 框架中“高质量办公技能”的空白，使开发者能快速构建具备专业办公能力的 AI 助手。

研发背景： 由商汤科技 OpenSenseNova 团队开发，该团队在计算机视觉、自然语言处理和多模态 AI 领域拥有深厚的技术积累。研发动机源于当前 Agent 框架虽能处理简单任务，但在复杂办公场景（如生成专业级信息图、制作符合规范的 PPT）中缺乏端到端的能力，导致用户仍需手动操作多个工具。SenseNova-Skills 旨在通过标准化、可组合的技能模块，解决这一痛点。

核心价值： 解决了 AI 助手在办公场景中“能做但做不好”的问题。传统 Agent 只能输出文本或简单图表，而 SenseNova-Skills 能生成高密度信息图（87 种布局、66 种风格）、完整的 PPTX 文件、经过清洗聚合的数据分析结果，以及带交叉验证的深度研究报告。其创新价值在于将“技能”作为一等公民，实现了从“指令输入”到“专业输出”的闭环。

技术特点： 采用分层技能架构（Tier 0 基础能力 + Tier 1 应用逻辑），底层能力可被上层技能复用，支持灵活组合。内置 VLM 视觉语言模型进行多轮质检与评分，确保信息图与 PPT 的输出质量符合出版标准。同时，支持大文件流式处理（万行级 Excel 自动转 Parquet）和深度研究断点续跑，兼顾性能与可靠性。

2. 主要功能

• 信息图生成（sn-infographic）： 这是 SenseNova-Skills 最亮眼的功能之一。支持 87 种预设布局与 66 种视觉风格，能够将复杂数据、长报告或文本内容自动转化为高密度、高可读性的信息图。其核心机制是通过 VLM 进行多轮质量检查与迭代优化，确保最终输出的信息图在信息密度、视觉层次和美学风格上达到专业出版标准。特别适合需要将技术白皮书、行业报告或运营数据转化为社交媒体传播素材的场景。

• PPT 生成（sn-ppt-entry）： 该技能作为统一入口，支持从 PDF、DOCX、Markdown、纯文本等多种格式中解析内容，并自动分发至两种模式：创意模式（每页输出 16:9 比例的 PNG 图片）和标准模式。标准模式的工作流极为严谨：首先根据输入内容生成样式规范，然后规划大纲，接着规划素材需求，再通过 VLM 进行视觉质量检查，最终生成 HTML 并导出为 PPTX 文件。整个流程确保了输出 PPT 的风格统一性与内容准确性。

• Excel 数据分析（sn-da-excel-workflow）： 针对办公中最常见的数据分析需求，该技能提供了完整的端到端工作流。支持多表同时读取、自动识别文件格式，对于超过 1 万行的大文件，会自动将其转换为 Parquet 格式以提升处理效率。内置的数据清洗、筛选和跨表聚合能力，使用户无需编写任何 SQL 或 Python 代码，仅通过自然语言指令即可完成复杂的数据分析任务。

• 深度研究（sn-deep-research）： 该技能将研究过程分解为四个阶段：规划（自动生成研究计划）、多维度证据收集（从多个来源搜索）、综合判断（交叉验证冲突数据）、最终报告生成。其核心优势在于断点续跑机制——中间产物（如 plan.json、sub_reports、synthesis.md）会持续保存到 report_dir 目录，即使研究过程中断，下次启动也能从断点处继续，避免了长时间任务的资源浪费。

• 垂直搜索集成： SenseNova-Skills 内置了针对不同领域的垂直搜索引擎，覆盖学术（ArXiv、PubMed）、开发者（GitHub、HuggingFace）、中文社交（B站、知乎、抖音）以及英文社交（Reddit、X、YouTube）。这使得 AI 助手在执行深度研究或行业分析时，能够从多个可信来源获取信息，并进行交叉验证，显著提升研究结果的准确性和全面性。

• 简历与品牌视觉生成（sn-image-resume / sn-image-imitate）： sn-image-resume 能够根据用户提供的个人信息自动生成精美、专业化的简历图像，支持多种模板风格。sn-image-imitate 则支持按参考图的风格生成新的视觉素材，这对于需要保持品牌视觉一致性的团队尤为实用。两者均基于底层 Tier 0 的文生图和图识别能力，实现了“所见即所得”的视觉内容生成。

• 大文件流式处理（sn-da-large-file-analysis）： 专门针对万行级以上的大型 Excel 文件设计。采用 openpyxl 的只读模式结合 iter_rows 流式读取，避免一次性加载全部数据导致内存溢出。同时，自动将数据转换为 Parquet 格式并分块处理，使得即使是在资源受限的本地环境中，也能高效完成大规模数据集的聚合分析。

3. 如何使用

1. 环境要求与前置条件： 使用 SenseNova-Skills 需要具备 Python 3.8 或更高版本，并安装 OpenClaw 或 hermes-agent 等 Agent 运行时。此外，各技能依赖的 API 密钥（如 OpenAI API、Claude API 或商汤自研模型 API）需要提前获取。推荐使用 Linux 或 macOS 系统，Windows 用户需注意文件路径兼容性。

2. Agent 自动安装（推荐方式）： 这是最简便的安装方式。在已部署的 Agent（如 OpenClaw）中，直接发送以下指令：“请从 https://github.com/OpenSenseNova/SenseNova-Skills 安装 SenseNova-Skills 到技能目录。” Agent 会自动克隆仓库并将技能复制到正确的目录。安装完成后，重启 Agent 服务即可生效。此方式适合对命令行不熟悉的用户。

3. 手动安装： 首先克隆仓库：git clone https://github.com/OpenSenseNova/SenseNova-Skills.git --depth=1（--depth=1 参数可减少克隆数据量）。然后根据使用的 Agent 框架，将技能目录复制到对应位置：OpenClaw 用户拷贝至 ~/.openclaw/skills/，hermes-agent 用户拷贝至 ~/.hermes/skills/。接着，进入各技能目录，根据 SKILL.md 中的指引填写 .env 文件，配置所需的 API 密钥。最后重启 Agent 服务，即可通过自然语言指令触发对应技能。

4. 关键配置说明： 每个技能目录下的 SKILL.md 文件是核心配置文件，其中声明了触发条件、所需能力、执行流程以及环境变量。用户需要根据实际使用的模型 API 修改 .env 文件中的 OPENAI_API_KEY、ANTHROPIC_API_KEY 等变量。对于本地部署，也可以配置使用商汤自研模型或开源模型（如 Qwen、DeepSeek）。

5. 直接使用（零配置方案）： 如果不想自行配置环境，可以直接访问“办公小浣熊”（Raccoon Pro）平台。在 Raccoon Pro 计划中，SenseNova-Skills 的全部技能已预集成，用户无需配置任何 API 密钥或环境变量，即可直接体验信息图生成、PPT 制作、数据分析等功能。这是非技术用户的最佳入门方式。

4. 优缺点分析

5. 同类工具对比

选型建议：

• 对于追求端到端办公闭环的团队： 如果核心需求是从数据分析到 PPT 汇报的一站式自动化，且希望输出质量可控（如信息图、专业 PPT），SenseNova-Skills 是当前最佳选择。其内置的 VLM 质检和断点续跑机制是其他方案不具备的差异化优势。
• 对于已深度绑定 Microsoft 生态的企业： 如果团队已全面使用 Microsoft 365，且对数据安全要求较高（企业级合规），Microsoft Copilot Cowork 的零配置和生态整合能力无可替代。但需注意，其输出质量无显式检查环节，且无法私有部署。
• 对于技术型团队或需要高度定制化的场景： 如果团队有较强的 AI 工程能力，且需要灵活组合各种工具（如结合 RAG、数据库、外部 API），LangChain 提供了最大的自由度，但需要自行编写办公专用技能的逻辑，开发成本较高。

6. 编辑点评

从技术创新性来看，SenseNova-Skills 在 AI 办公自动化领域做出了几个显著的贡献。首先，其“分层技能架构”是一个优雅的设计——将底层基础能力（文生图、图识别）与上层应用逻辑（信息图生成、PPT 制作）解耦，使得开发者可以像搭积木一样组合技能，这种设计理念在 Agent 生态中具有前瞻性。其次，VLM 质量闭环机制是真正的“杀手锏”，它解决了 AI 生成内容“能做但做不好”的核心痛点，通过多轮视觉质检确保输出达到出版标准，这在同类工具中极为罕见。第三，断点续跑和大文件流式处理等技术细节，体现了团队对实际使用场景的深入理解——长时间研究和大型数据集的处理是办公自动化中最常见也最容易被忽视的挑战。

从实用价值来看，SenseNova-Skills 最大的优势在于“开箱即用”的端到端能力。用户无需在多个 SaaS 平台（如 Canva、PowerPoint、Excel、Perplexity）之间切换，只需通过自然语言指令即可完成从数据分析到最终汇报的完整链条。这对于需要快速产出高质量内容的运营、市场、研究等岗位来说，效率提升是巨大的。同时，开源和私有部署的支持，使其在企业级数据安全场景下具有天然优势。

适用人群定位清晰：技术用户可以通过自行部署和定制 SKILL.md 实现深度集成，非技术用户则可以通过 Raccoon Pro 零配置体验。这种双轨策略覆盖了从个人开发者到企业团队的不同需求层次。

未来发展潜力方面，随着 Agent 生态的成熟，技能库作为“能力中间件”的角色将越来越重要。SenseNova-Skills 如果能够扩大技能规模（如增加项目管理、合同审核等技能），并建立社区贡献机制，有望成为 AI 办公领域的“标准技能库”。不过，其 API 依赖和中文生态的完善程度将是未来需要重点优化的方向。

7. 应用场景

• 月度运营汇报自动化： 运营人员可以将月度运营数据 Excel 通过 sn-da-excel-workflow 进行清洗和聚合分析，然后通过 sn-deep-research 补充行业趋势洞察，最后由 sn-ppt-standard 生成风格统一、数据准确的汇报 PPT。整个过程无需手动操作 Excel 和 PowerPoint，显著降低重复性工作。

• 行业研究报告生成： 输入行业名称（如“2026 年新能源汽车市场”），SenseNova-Skills 会自动执行研究规划（sn-research-planning），从学术数据库（ArXiv、PubMed）、开发者平台（GitHub）和社交平台（知乎、B站）等多维度收集证据（sn-dimension-research），进行冲突数据交叉验证，最终整合生成带图表的 Markdown + 离线 HTML 报告（sn-research-synthesis）。适合咨询公司、投研机构使用。

• 信息图营销内容生产： 市场团队可以将产品卖点、技术白皮书或运营数据通过 sn-infographic 一键转化为 87 种布局的高密度信息图，适配公众号、小红书、B 站等多平台传播。VLM 质检确保了信息图的视觉层次和美学质量，无需专业设计师介入。

• 简历与品牌视觉素材生成： 求职者可以使用 sn-image-resume 快速生成个性化简历图，支持多种模板风格。企业团队则可以通过 sn-image-imitate 按参考图风格生成品牌一致的视觉素材，用于社交媒体、宣传海报等场景，确保品牌视觉一致性。

• 大文件财务数据分析： 财务人员面对万行级的销售或财务表格时，可以通过 sn-da-large-file-analysis 进行流式读取与 Parquet 转换，完成聚合分析，避免内存溢出。特别适合处理年度销售数据、客户交易记录等大规模数据集。

8. 常见问题FAQ

Q：SenseNova-Skills 是否需要 GPU 才能运行？
A：不需要。SenseNova-Skills 本身是一个技能库，不运行模型推理。它依赖外部的 LLM 和 VLM API（如 OpenAI、Claude 或商汤自研模型），因此 GPU 需求取决于你选择的 API 服务。如果你使用商汤自研模型的云端 API，则完全不需要本地 GPU；如果你打算本地部署开源模型，则需要配置 GPU。

Q：技能库中的 VLM 质检具体是如何工作的？
A：VLM 质检机制主要应用于信息图生成和 PPT 生成流程中。在生成过程中，系统会调用视觉语言模型（如 GPT-4V 或商汤自研 VLM）对生成的图像进行多轮评分，评估维度包括信息密度、视觉层次、色彩协调性、文字可读性等。如果评分低于阈值，系统会自动调整参数并重新生成，直到输出达到预设的质量标准。这一机制确保了最终输出的专业度。

Q：我可以自定义技能吗？比如添加新的数据源或修改生成逻辑？
A：完全可以。SenseNova-Skills 是完全开源的（Apache 2.0 许可证），每个技能目录下的 SKILL.md 文件定义了触发条件、能力和执行流程。你可以直接修改 SKILL.md 来调整技能行为，或者基于 Tier 0 基础层创建全新的技能。对于高级用户，还可以修改 Python 源码来深度定制逻辑。

Q：Raccoon Pro 和开源版有什么区别？
A：Raccoon Pro 是商汤提供的商业版本，预集成了 SenseNova-Skills 的全部技能，用户无需自行配置环境、API 密钥或 Agent 运行时。它提供了零配置的 Web 界面，适合非技术用户。开源版则允许开发者自行部署、修改和扩展，适合需要私有化部署或深度定制的企业团队。两者在核心技能能力上一致，但 Raccoon Pro 可能提供额外的商业支持和性能优化。

Q：技能库支持哪些 Agent 框架？
A：目前官方支持 OpenClaw 和 hermes-agent 两个 Agent 框架。OpenClaw 是商汤团队开发的 Agent 框架，hermes-agent 则是一个流行的开源 Agent 运行时。由于技能库遵循统一的 SKILL.md 规范，理论上可以集成到任何兼容该规范的 Agent 框架中。社区也有用户在尝试将其集成到 LangChain 和 AutoGPT 中。

Q：如何处理 API 密钥的安全问题？
A：每个技能目录下的 .env 文件用于存储 API 密钥，该文件默认被 .gitignore 忽略，不会提交到版本控制。对于企业级部署，建议使用环境变量或密钥管理服务（如 HashiCorp Vault）来管理 API 密钥，而不是直接写入 .env 文件。此外，私有部署时可以将 API 密钥配置为仅允许特定 IP 访问，进一步降低安全风险。

9. 项目地址

• GitHub 仓库： https://github.com/OpenSenseNova/SenseNova-Skills
• OpenClaw 框架： https://github.com/OpenSenseNova/OpenClaw