我试了 MiniMax 新开源的办公文档引擎,Agent 写出来的文档终于能直接交了

01 为什么之前的方案都不靠谱？

先说个问题：为什么市面上那么多 Python 库，Agent 生成的文档还是各种翻车？

我研究了一下 MiniMax 的开源文档，发现几个挺有意思的洞察：

Word 文档的坑：python-docx 这个库，轻量是好，但一遇到复杂表格嵌套、多级目录、页眉页脚控制这些场景，要么不支持，要么生成出来的文档结构容易出错。

Excel 更隐蔽：openpyxl 打开一个带数据透视表、VBA 宏的 Excel 文件，再保存，这些东西可能就没了——而且还不报错。你根本不知道什么时候就”悄悄坏了”。

PPT 的痛点：往 slide 上放内容不难，难的是视觉风格统一。字体大小、间距、配色、圆角弧度，任何一个地方不一致，整份 PPT 看起来就很粗糙。

MiniMax 的做法是，每个格式都选了更复杂但更可靠的方案。

02 他们是怎么解决的？

Word：选.NET 而非 Python

这个选型挺反直觉的。

python-docx 多好使啊，为什么不用？MiniMax 选了微软官方的.NET OpenXML SDK，对 ECMA-376 标准（就是 Word 文件格式的官方标准）的实现最完整。

代价是需要额外部署.NET 运行环境，但换来的是对 Word 文档结构更完整、更可靠的控制力。

他们的判断是：文档质量比部署便利性更重要。

我挺认同这个取舍的。你想啊，生成出来的文档要是不能用，部署再简单有啥用？

Excel：直接操作 XML

这个方案更硬核。

他们绕开了所有 Python Excel 库，直接在 XML 层面操作。因为.xlsx 文件本质上就是个压缩包，里面是一组 XML 文件。

做法是：解压 → 只修改目标单元格对应的 XML 节点 → 重新打包。

这样每次编辑只动需要动的地方，样式、图表、宏都原封不动保留。

还有个细节：他们要求每一个派生值都必须是真正的 Excel 公式，比如 SUM(B2:B9)，而不是提前算好的静态数字。这样用户打开文件后还能正常编辑和联动。

为此他们开发了 13 个独立的 Python 工具脚本，还写了一份 34000 字的金融格式化标准文档，对齐投行级别的数字格式和排版要求。

说实话，看到这个数字我惊了。34000 字，这得是多深的坑才能踩出这么厚的文档……

PDF：封面和正文分开渲染

这个思路挺巧妙的。

封面用 HTML + CSS 编写，通过 Playwright 渲染为 PDF。因为渐变、网格、混合模式、自定义字体这些设计能力，CSS 原生就支持。

正文交给 ReportLab 排版，它在段落流控制、分页策略、页眉页脚方面更稳定。

最后用 merge 脚本把两部分合并。

拆成两套引擎，系统更复杂，但封面可以大胆做设计，正文仍然保持工程上的稳定性。

PPT：先定义约束体系

他们的做法是先定义一套约束体系，再去做生成。

页面类型定义了 5 种标准类型：封面、目录、章节分割、内容、总结。每种类型都有明确的布局规范。

风格上设计了 4 套配方：Sharp、Soft、Rounded、Pill。每套配方定义了圆角半径、阴影参数、边框粗细、间距比例等一整套数值。

切换配方，就能整体改变一份 PPT 的视觉调性，不用逐页调整。

03 最让我意外的是这个

构建一个 skill 不难，难的是怎么让它持续变好。

MiniMax 搭了一套三阶段循环：Execute → Evaluate → Fix。

工作方式很简单：先执行一组真实用例，再根据规则检查输出是否达标，把失败样例沉淀成可修复的问题，进入下一轮迭代。

关键是他们对”达标”的定义。

不只是文件能打开。他们真正关心的是：结构是不是完整，公式还是不是公式，版式在读写之后有没有悄悄变形，模板约束有没有被破坏。

一个 xlsx 文件即使成功保存，如果数据透视表丢了、公式被写成了静态数字，在真实交付里都算失败。

这个标准，我觉得才是真正对齐了用户需求的。

04 实际用起来怎么样？

我试了几个场景：

生成Omakase菜单：Word 文档，格式很精致，布局简洁，措辞也考究。直接能拿来用的程度。

Excel 表格加翻译列：在表格最右边加一列中文翻译，表头样式和其余样式都没变。这个我之前用其他工具试过，很容易把原有格式搞乱。

生成 Dota 2 选手 AME 的 PPT：视觉风格统一，没有那种”拼凑感”。

整体感受是：生成出来的文档，确实能直接交付。不是”能打开”，是”能用”。

05 开源信息

代码、设计文档和评测框架都开源了，MIT 协议。

GitHub：github.com/MiniMax-AI/skills

四个 Skill 已在 MiniMax Agent 与 MaxClaw 中上线，可以直接体验：agent.minimaxi.com

如果你也在做 AI 文档生成、Agent 工具调用，或者正在把”能跑”往”能交付”推进，可以去看看这个仓库。

总结

我最大的感受是：MiniMax 这套方案，不是”又一个文档生成库”，而是真正理解了”交付级文档”意味着什么。

他们选的每个技术方案，都不是最方便的，但都是最可靠的。这种取舍，我觉得才是做工程该有的态度。

之前我总觉得，Agent 写文档这事儿，离真正能用还有距离。但看了这套开源代码，我有点改观了。

至少，公式不会变成死数字了，格式不会悄悄乱了，数据透视表不会莫名消失了。

这些看似小事，但每个都是真实场景里的坑。

你觉得 Agent 生成的文档，最大的痛点是什么？

欢迎在评论区聊聊，或者转发给也在做这类工作的朋友。