只需一套神奇的Skills，彻底跑通四个办公场景！
只需一套神奇的Skills，彻底跑通四个办公场景！
来源类型： 微信公众号文章
日期： 2026-06-02
标签： AI, OpenClaw, 电商, 办公效率, 编程, 芯片, 大模型
原文链接： https://mp.weixin.qq.com/s/2oMizbzhvbKeZvOStW75Jw
摘要
## ** *新智元报道 ** ## *【新智元导读】光有强大的模型本身还不够，从脏数据到分析报告到汇报PPT，中间那条自动化链路谁来跑？GitHub上刚开源的SenseNova-Skills给出了一个答案，我们实测了四个真实场景，效果有点超出预期。 就在最近，第三方榜单Claw-Eval上出现了一个有意思的名字。 SenseNova 6.7 Flash-Lite，一个轻量级模型，冲进了前十。 紧跟DeepSeek V4 Pro和GPT-5.4，压过了Gemini 3.1 Pro和DeepSeek V4 Flash。 有趣的是，行业巨头们也在同一周有了新动...
核心内容
** ****新智元报道 **
【新智元导读】光有强大的模型本身还不够，从脏数据到分析报告到汇报PPT，中间那条自动化链路谁来跑？GitHub上刚开源的SenseNova-Skills给出了一个答案，我们实测了四个真实场景，效果有点超出预期。
就在最近，第三方榜单Claw-Eval上出现了一个有意思的名字。
SenseNova 6.7 Flash-Lite，一个轻量级模型，冲进了前十。
紧跟DeepSeek V4 Pro和GPT-5.4，压过了Gemini 3.1 Pro和DeepSeek V4 Flash。
有趣的是，行业巨头们也在同一周有了新动作。
ChatGPT for Excel全球上线，GPT-5.5驱动，直接在Excel里嵌了一个侧边栏。
两天后，Claude把Excel、Word、PowerPoint三件套转正GA，Outlook同步开了公测。跨四个Office应用保持对话上下文不断，从邮件到表格到PPT一路跟着你走。
两大巨头都急着把大模型塞进办公套件，为什么？
实际上，要真正解决你工作的问题，只靠模型是不够的。
如果你想做到跨环节、全链路的办公自动化——从一堆脏数据，到分析报告，到汇报PPT ——得有专门的Agent和Skills来实现。让大模型从「会聊天」变成「会交作业」，靠的就是这一层。
最近GitHub上出了一套开源的办公Skills跟的就是这波趋势，并且迅速斩获了4位数的Star。
抱着试试看的心态，我们亲自实测了一波，发现效果有点超出预期。
项目地址：https://github.com/OpenSenseNova/SenseNova-Skills
一句话出一张图，零乱码
第一次出国旅游，面对签证、机票、海关、转机一堆流程，大多数人的第一反应是上小红书翻攻略。
现在换个思路。
把需求扔给装了Skills的Agent，它自动生成一张完整的流程图解。
步骤清晰，层级分明，中文排版零乱码，风格直接对标小红书爆款。
一句提示词，一遍成，不抽卡。
左右滑动查看
客户端点开大图后点击下一张(>)
从数据到报告到PPT，三个真实办公场景
开胃菜吃完，上硬菜。
6家厂商13种品类混着来，抗噪才是真本事
下一个测试任务：存储芯片价格分析。
做过采购和分析的朋友肯定懂这种烂账，7个月的报价记录，6家厂商，从DDR4到HBM3e到企业级SSD，13种细分品类全搅在一张表里，厂商名大小写不统一，空值东一个西一个，离群值占了13%。
不光是数据多，更恼人的是数据杂。
品类之间价格量级差了几十倍，你要是不分层处理，一算均价直接就是垃圾。
换作真人，洗数据加写报告，起码熬一天半。
对于这套内容，Agent的处理堪称老手。
它首先跑了一轮「数据审计」，把厂商命名不规范的、报价空值的，全部清理了一遍。
光厂商名就揪出4个问题，什么「 sk hynix」前面多个空格、「 samsung」大小写乱飞，这种脏数据你不清，后面按厂商聚合的时候同一家会被拆成两条线。
尤其值得一提的，是它对离群值的处理。
110条数据被标记为离群值，占了13%，比例不小。
但Agent没有一刀切全删。
它分析了一下发现，其中一部分对应的是真实业务场景，比如渠道清库存促销带来的低价，以及HBM现货紧缺时的溢价，然后果断选择保留数据并单独做了标记，后续分析里分层处理。
数据审计完，紧接着是多维拆解。
按「品类×应用场景×厂商」交叉分析，准确捕捉到2026年2月下旬的价格拐点。HBM3e和企业级SSD周涨幅明显抬升，消费类DDR4与eMMC只是温和跟涨。
最终结论很犀利：本轮上涨是AI服务器需求带动的结构性修复，不是普涨。
上下滑动查看
数据分析能跑通了，更长的链路呢？
给Agent一个行业名，它交回一份调研报告
低空经济行业调研。
只给了一个题目，没有提供任何参考资料。
Agent先锚定了一个核心判断，2025到2026年是中国低空经济商业化的关键窗口期。
然后，它开始自主检索国内外主流厂商的最新进展，逐一比对机型、适航进展和订单数据。
这里有个细节。面对大量口径不一的公关稿和重复信息源，Agent精准提取出了UAM落地节奏、eVTOL核心零部件国产化率和关键环节成本占比。
随后，它又在此基础上自动生成了产业链结构图、成本占比饼图，并用TAM/SAM/SOM框架测算2025、2027、2030年市场规模。
最终给出的调研报告，有判断框架、有数据支撑、有可视化图表，远超「网上搜一圈拼在一起」的信息堆砌。
上下滑动查看
整个过程是sn-deep-research这个Skill在编排。
规划→分维度取证→综合→成稿，支持断点续跑。
23页PPT，连配色都替你想好了
城市新能源汽车充电基础设施布局与运营方案。
首先，内容结构上搭建了完整的七段式框架，行业背景、需求测算、选址模型、技术方案、运营模式、投资测算、政策建议。
最终交付的是一份23页的完整 PPT。
其次，每一部分都匹配了对应的视觉表达。选址模型页自动配置GIS热力示意图，运营模式页生成三种模式的对比矩阵，投资测算页给出利用率与回收期之间的敏感性分析图。
最后一页还给出了3条具体到行动主体和时间节点的落地建议。
生成即交付，打开就能编辑。
上下滑动查看
重点来了。
这份PPT不仅在OpenClaw里跑通了，同样的Skill拖进ChatGPT也能用。
把SenseNova-Skills仓库克隆到本地，通过ChatGPT的Skills入口导入，搭配GPT的原生能力，同样能跑出高质量的PPT。
四大类任务，不挑模型
到这里该揭底牌了。
前面四个场景背后跑的，是同一套东西，SenseNova-Skills。
来自商汤的团队把办公场景里最高频的能力拆成了四大类任务入口，每个入口底下挂着一串具体的Skills各司其职，刚在GitHub开源，MIT协议，覆盖了办公场景里最高频的需求。
1. 数据分析，sn-da-excel-workflow，多表读取、大文件超过1万行自动触发Parquet优化、清洗聚合导出，全流程编排。还有专门处理图片表格OCR的sn-da-image-caption。
2. 深度研究，sn-deep-research，下面挂了6个子Skills分别负责规划、取证、综合、成稿、格式发现、HTML转换，中间产物持久化，断点可续。
3. PPT生成，从sn-ppt-entry统一入口进入，支持标准模式和创意模式。标准模式的链路是大纲→逐页HTML→逐页VLM评审（不合格自动重写）→PPTX导出。
4. 搜索，聚合了arXiv、Semantic Scholar、PubMed、GitHub、Stack Overflow、Hacker News、HuggingFace、Reddit、Twitter、YouTube、B站、知乎、抖音，学术+开发者+中英文社交全覆盖。
另外，Sen
...(内容截断，完整内容请查看原文)
本页由自动化脚本生成，待人工审核补充