夜雨聆风很多开发者会写md,但是对于ppt、xlsx等和却是咬牙却齿。
MiniMax 刚刚把这个问题解决方案给开源了。
01 先说痛点有多真实
用 Agent 处理文档，最难的根本不是"写不出来"。
你喂给它一句话："帮我写一份 Q3 策略报告"，它能哗哗给你吐出来几十页。但等你真正打开文件——
公式存完变成了静态数字，财务拿去做分析，数字全对不上。 模板编辑一轮后，字体、间距、页眉页脚全乱了。 数据透视表保存之后悄悄丢了，还不报错。
文件能打开，但作为交付产出？废了。
MiniMax 的团队说，他们在实际业务里被这些坑反复折磨之后，决定自己动手，搭了一整套 Office Skills。今天，这套东西完整开源，代码、设计思路、连 Skills 自进化的机制都一并丢出来了，MIT 协议。
02 四个 Skill，每个都是踩坑踩出来的
Word 篇：放弃了 python-docx，投向了微软亲儿子
python-docx 轻量好用，但一遇到复杂表格嵌套、多级目录、页眉页脚控制这些需求，不是功能不支持，就是生成出来的结构容易出错。
他们最后选了 .NET OpenXML SDK——微软官方维护的底层库，对 Word 文件格式标准的实现最完整。代价是要额外部署 .NET 运行环境，但换来的，是对文档结构更可靠的控制力。
三种典型场景全覆盖：从零生成完整文档、在已有模板上编辑内容不破坏原有格式、套用模板并自动校验结构合规。
Excel 篇：直接操作 XML，动最少的刀子
Excel 的坑更隐蔽。
openpyxl 是社区最常见的方案，但它有个工程上很难接受的问题：文件读入再写回之后，数据透视表、迷你图、VBA 宏这些高级内容会被静默丢弃，而且不报错。
他们的解法是：绕开所有 Python Excel 库，直接在 XML 层面操作。.xlsx 本质是一个压缩包，里面是一组 XML 文件。解压 → 只修改目标单元格对应的 XML 节点 → 重新打包。样式、图表、宏，原封不动。
公式也是真公式，不提前静态计算，确保用户打开后还能正常编辑联动。
配套了 13 个独立 Python 工具脚本，还有一份 34,000 字的金融格式化标准文档，对齐投行级别要求。
PDF 篇：封面和正文，用了两套不同的渲染引擎
PDF 的核心挑战不是文字呈现，而是一套可复用的设计系统。MiniMax 为 15 种文档类型设计了独立视觉语言，每种都有封面模式、字体和配色方案。
技术上的关键决策是：封面和正文拆成两套引擎。
封面用 HTML + CSS 写，通过 Playwright 渲染 PDF，因为渐变、网格、混合模式、自定义字体这些设计能力，CSS 原生就强。正文交给 ReportLab 排版，段落流控制、分页策略、页眉页脚更稳定。最后 merge 脚本合二为一。
拆开更复杂，但换来了封面的设计自由度和正文的工程稳定性。
PPT 篇：风格一致性才是真正的难题
PPT 生成最难的不是往 slide 上塞内容，而是一致性——字体大小、间距、配色、圆角弧度，任何一个地方不统一，整份演示文稿看起来都像出自两个人之手。
他们的做法是：先定义约束体系，再做生成。
定义了 5 种标准页面类型：封面、目录、章节分割、内容、总结，每种有明确布局规范。
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，整份 PPT 视觉调性一键变换，不用逐页调整。
03 这个"自进化"机制才是真正有价值的地方
构建一个 skill 不难。真正的难题是：你怎么知道它下一轮是不是更好了，以及它在修一个问题的时候有没有把别的场景弄坏？
办公文档的特殊性在于，你永远会遇到下一份更难的文档、更刁钻的模板、更多轮真实用户修改。一个 skill 如果不能在失败里持续学习，很快就会停在 demo 阶段。
MiniMax 没有把质量迭代完全交给人工 review，而是搭了一套三阶段循环：
Execute → Evaluate → Fix
先执行一组真实用例，再根据规则检查输出是否达标，然后把失败样例沉淀成可修复的问题，进入下一轮迭代。
这里的"达标"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
这也解释了为什么前面每个格式他们都选了更复杂的方案——只有底层链路足够可控，评测才可能对齐到真正有意义的质量指标，而不是停留在"程序没报错"这一层。
04 我的个人实践
总体来说还行，有部分文字重叠和超出。
开源地址
GitHub：github.com/MiniMax-AI/skills 协议：MIT
不仅仅有office相关技能，还有前端开发、全栈开发、安卓开发等相关技能。
说在最后：
说实话，这套东西最打动我的不是某个具体技术选型，而是他们对待"文档生成"这个问题的态度——不满足于"能跑"，执着于"能交付"。
Agent 写文档这件事，看起来简单，但越往深做越发现，真正的门槛不在于生成内容，而在于格式的精确控制、评测体系的建设，以及持续迭代的工程化能力。MiniMax 把这些踩过的坑、趟过的弯路都开源出来，对于正在做或者打算做这个方向的人来说，节省的时间可能不是一两个月。
#MiniMax #TokenPlanTips