AI news

MiniMax Office Skills:开源一套生产级办公文档引擎

By MiniMax1 viewsSource: MiniMax 稀宇科技
MiniMax Office Skills:开源一套生产级办公文档引擎

M2.7 开启了模型的自我进化,是我们第一个模型深度参与迭代自己的模型。在专业办公领域,M2.7 对 Office 三件套 Excel/PPT/Word 的复杂编辑能力有了显著提升,能更好地完成多轮修改和高保真的编辑。

The full text has not been translated yet. The Chinese original is shown below.

M2.7 开启了模型的自我进化,是我们第一个模型深度参与迭代自己的模型。在专业办公领域,M2.7 对 Office 三件套 Excel/PPT/Word 的复杂编辑能力有了显著提升,能更好地完成多轮修改和高保真的编辑。

在实际场景的使用中,我们发现,使用Agent处理文档最难的不是写不出来,而是写出来不能用,比如公式存完变成了死数字,模板编辑一轮后格式全乱了,数据透视表保存之后悄悄丢了……文件能打开,但没办法作为最终交付产出。

为了解决这些问题,我们搭建了一整套 Office Skills,让生成出来的文档真正经得住交付。

今天,我们把这套能力完整开源,包括四个 Office Skills 的代码、设计选型的思路、以及 Skills 自进化的机制,均采用 MIT 协议。

如果你也在做 Agent 办公场景,或者正在头疼文档生成出来总是不能直接用,这篇文章会讲清楚两件事:

  • 我们是怎样构建 Office Skills 的,为什么在不同文档格式上做了不同的技术选型
  • 一套 Skill 怎样在自动评测里持续变稳、持续变强

文章配图

这四个 Skill 都在生产环境里跑过了多轮自动化测试。用户给出一句话,比如“帮我写一份 Q3 策略报告”,Skill 就能完成从内容组织、排版控制到最终输出的整条流程,生成可直接交付的文档。接下来,我们分别讲讲每个格式的核心难点,以及为什么最后落在现在这套方案上。

01

技术选型: 每个决策背后的取舍

① MiniMax-docx:选择 NET OpenXML SDK,而非 python-docx

这是整个项目中讨论最久的一个选型。

python-docx 是社区里最常见的 Word 生成方案,轻量、易用。但当需求推进到复杂表格嵌套、多级目录、页眉页脚控制、修订追踪这些复杂场景时,有些功能它不支持,有些它支持但生成出来的文档结构容易出错。

.NET OpenXML SDK 是微软官方维护的底层库,对 ECMA-376(Word 文件格式的官方标准)的实现最完整。选它意味着更高的部署成本,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。

我们在 Word 这个场景里的判断是,文档质量比部署便利性更重要。基于这一选型,我们覆盖了三种典型场景:从零生成完整文档、在已有文档上编辑内容而不破坏原有格式、以及将设计模板套用到文档上并自动校验结构是否合规。围绕这些场景,我们沉淀了一批配套文档,包括 OpenXML 格式参考手册、中日韩排版指南、以及 10+ 可直接运行的示例代码,细节在 Github 仓库里。

文章配图

文章配图

文章配图

文章配图

Omakase 日料菜单示例

Query:为高端 Omakase 日料餐厅体验打造一份精致、高端的菜单,呈现奢华、优雅的质感,具备餐厅级专业水准,布局简洁、措辞考究。需包含以下板块:时令刺身、寿司、烤物、前菜、主厨招牌套餐、甜品及饮品。

② MiniMax-xlsx:直接操作 XML,而非依赖 openpyxl

Excel 的坑更隐蔽。很多时候不是 Agent 写不出来,而是“写完以后悄悄坏了”。

Openpyxl 是社区里最常见的 Excel 处理方案,但它有一个工程上很难接受的问题:文件读入再写回之后,一些高级内容会被静默丢弃。比如一个包含数据透视表、迷你图、VBA 宏的 Excel 文件,被 openpyxl 打开再保存,这些东西可能就没了,甚至没有报错和提示。对于“读取→编辑→回写”这个最常见的使用场景,这种损失不可接受。

我们的方案是绕开所有 Python Excel 库,直接在 XML 层面操作。.xlsx 文件本质上是一个压缩包,里面是一组 XML 文件。我们的做法是: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。

另一个关键点是公式。很多方案会把公式提前算好,存一个静态数字进去。我们要求每一个派生值都必须是真正的 Excel 公式,比如SUM(B2:B9),这样用户打开文件后还能正常编辑和联动。

为此我们开发了 13 个独立的 Python 工具脚本,覆盖解压打包、列插入、行偏移、公式校验、动态重算、格式审计等环节,同时写了一份 34,000 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。

文章配图

Query:帮我在表格的最右边加一列,填入对商品服务描述的中文翻译,注意表头的样式以及其余的样式不要发生变化。

③ MiniMax-pdf:封面和正文要拆成两套渲染引擎

PDF 的核心挑战不在于文字呈现本身,而在于需要做出一套可复用、可扩展的设计系统。我们为 15 种文档类型设计了独立的视觉语言,每一种都有对应的封面模式、字体和配色方案。

文章配图

在技术实现上,我们做了一个关键判断:封面和正文使用不同的渲染引擎。

封面用 HTML + CSS 编写,通过 Playwright 渲染为 PDF。原因在于渐变、网格、混合模式、自定义字体这些设计能力,CSS 原生就支持,而多数 PDF 绘图 API 做这些非常吃力。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可控。最后通过 merge 脚本把两部分合并成一份完整的 PDF。

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。

文章配图

文章配图

文章配图

文章配图

文章配图

文章配图

文章配图

艺术展览 Ephemeral Forms

④ PPTX-generator:难点是视觉风格一致性

PPT 生成的难点不在于往 slide 上放内容,而在于视觉风格的统一,字体大小、间距、配色、圆角弧度,任何一个地方不一致,整份演示文稿看起来都会很粗糙。

我们的做法是先定义一套约束体系,再去做生成。

页面类型上,我们定义了 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和元素位置,不是随意摆放。

风格上,我们设计了 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,而不用逐页调整。

技术实现基于 PptxGenJS,它是 JavaScript 生态里功能最完整的 PPT 生成库之一。对于已有模板的编辑场景,我们采用和 xlsx 相同的思路:解压 。pptx,直接修改 XML,再重新打包,尽量不破坏原有的格式和结构。

文章配图

Query:帮我生成一个介绍 Dota 2 职业选手 AME 的 PPT。

02

自循环进化: Skill 如何自己变好

构建一个 skill 并不难。真正的挑战在于,你怎么知道它下一轮是不是更好了,以及它有没有在修一个问题的同时,又把别的场景弄坏。

在我们看来,办公文档这类任务最困难的地方,不是“第一次做出来”,而是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,它很快就会停留在 demo 阶段。

所以我们没有把质量迭代完全交给人工 review,而是搭了一套固定的三阶段循环:Execute → Evaluate → Fix。

它的工作方式是: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。这套机制能够让 Skills 的迭代围绕失败样例持续收敛,每一轮跑下来,我们都能更清楚地知道问题出在结构、公式、样式,还是模板约束上;修复之后,也能立刻验证,是真的变好了,还是只是换了一种方式出错。

这里对“达标”的定义不只是文件能打开。我们真正关心的是: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。一个 docx 文档目录能显示却无法正确更新,同样算失败。

这也是为什么前面每个格式我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。

以下视频完整展示了这套系统的运行机制:

文章配图

03

开源信息

我们把代码、设计文档和评测框架一起开源,希望这套东西能切实帮到正在做同类工作的团队,减少重复投入,也少在格式细节里反复踩坑。

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,欢迎来看看这个仓库。跑通了某个 case,修了某个边角问题,或者有最真实的文档场景,也欢迎直接提 PR、提 issue。

GitHub:github.com/MiniMax-AI/skills

协议:MIT

本次介绍的四个 Skill 已在MiniMax Agent 与 MaxClaw 中上线,可以直接体验:agent.minimaxi.com

Skill开源代码搭配 M2.7 效果最佳,可通过 Token Plan 调用,欢迎大家订阅体验:platform.minimaxi.com/subscribe/token-plan

Intelligence with Everyone.

文章来自于“MiniMax 稀宇科技”,作者 “MiniMax”。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)