AI 办公革命:6 个必装的文档处理技能

AI 办公革命:6 个必装的文档处理技能

Anthropic 在 2025 年底将 Agent Skills 标准开源后,办公文档处理领域迅速涌现出一批生产级技能。我们从 awesome-claude-skills(72.7k★)、Anthropic 官方仓库和 Cursor Directory(86.8k 开发者)中,筛选出 6 个最值得安装的文档处理技能——覆盖 Word、Excel、PPT、PDF 全格式,以及协作文档编辑和内部沟通两大高频场景。

为什么办公文档处理是 AI Agent 的必争之地

据 Gartner 预测,到 2026 年底全球 40% 的企业应用将嵌入 AI Agent,但目前仅有 16.3% 的企业深耕专业场景。办公文档处理恰恰是那个”高频、低门槛、高价值”的切入点——每个知识工作者每天都在和 Word、Excel、PPT、PDF 打交道,而这些工作的大量时间花在了格式调整、数据整理、模板填充等重复性劳动上。

2025 年 10 月 Anthropic 推出 Agent Skills 格式、12 月开源以来,文档处理类技能成为生态中质量最高、最成熟的品类。这不仅因为 Anthropic 官方投入了四个核心技能(docx/xlsx/pptx/pdf),更因为文档处理天然是”结构化输入→结构化输出”的任务,与 LLM 的能力高度契合。

我们实际测试了 15+ 个办公相关技能,从易用性、实用性和维护度三个维度打分,最终选出以下 6 个——它们要么是官方 production-ready 实现,要么在特定场景下解决了真实痛点。

6 个必装技能详解

Tier 1

1. Anthropic docx — Word 文档全流程处理

仓库:anthropics/skills · 许可:Proprietary · 平台:Claude Code / Claude.ai / API / Cursor

一句话:创建、编辑、分析 Word 文档,支持跟踪修订、评论系统、格式化验证。

这是 Claude.ai 底层文档能力的核心实现。创建新文档走 docx-js 脚本,支持目录、页码、页眉页脚、信头等专业排版;编辑现有文档通过 unzip→修改 XML→zip 的方式,能精确处理跟踪修订(ins/del 标签)和评论系统(六个交叉引用文件);读取内容用 pandoc 转 markdown。最实用的是验证环节——LibreOffice 渲染 + pdftoppm 截图 QA,确保输出在 Word 和 Google Docs 中都能正确显示。

避坑指南:docx-js 默认 A4 纸,美式信纸需手动设尺寸;表格需要双重宽度(columnWidths + 每个 cell 的 width);列表必须用 numbering config,不能手打”•”;图片必须带 type 字段。

★★★★ 易用性 ★★★★★ 实用性 ★★★★★ 维护度

Tier 1

2. Anthropic xlsx — 电子表格操作与金融模型

仓库:anthropics/skills · 许可:Proprietary · 平台:Claude Code / Claude.ai / API / Cursor

一句话:创建、编辑 Excel 表格,支持公式、图表、数据转换和金融模型规范。

这个技能的含金量藏在避坑指南里。openpyxl 写公式后必须跑 LibreOffice recalc(脚本封装好了),否则所有公式返回 None;data_only=True 保存会永久丢失公式;外部链接引用的文件不在本地时会被静默破坏。它还内置了一套完整的金融模型规范:蓝色字=硬编码输入、黑色=公式、绿色=跨 sheet 链接、红色=跨文件链接、黄色填充=关键假设。

特别注意:XLOOKUP、XMATCH、SORT、FILTER、UNIQUE、SEQUENCE 这些新函数在 LibreOffice 环境下不可用,必须用 INDEX/MATCH 替代。post-2007 函数(TEXTJOIN、CONCAT、IFS 等)需要加 _xlfn. 前缀。

★★★★ 易用性 ★★★★★ 实用性 ★★★★★ 维护度

Tier 1

3. Anthropic pptx — 演示文稿创建与模板填充

仓库:anthropics/skills · 许可:Proprietary · 平台:Claude Code / Claude.ai / API / Cursor

一句话:创建、编辑、读取 PowerPoint 演示文稿,含设计理念指导和配色方案表。

从”创建空白”到”模板填充”到”读取分析”全覆盖。创建走 pptxgenjs 脚本,支持原生图表、react-icons 渲染的图标、speaker notes;编辑走 unzip→XML→zip,含 add_slide.py(复制幻灯片)、clean.py(清理孤立资源)、validate.py(验证)完整工具链。读取用 markitdown + thumbnail.py 生成缩略图网格。

设计彩蛋:技能内置了 5 套配色方案(Midnight Executive / Forest & Moss / Coral Energy / Warm Terracotta 等),还给出了”深浅对比 sandwich 结构””视觉母题重复”等设计理念指导。12 个 pptxgenjs 已知陷阱中,最致命的是”stacked bar 的 dataLabelPosition 必须用 ctr/inEnd/inBase,用 outEnd 会损坏文件”。

★★★★ 易用性 ★★★★★ 实用性 ★★★★★ 维护度

Tier 1

4. Anthropic pdf — PDF 处理全流程

仓库:anthropics/skills · 许可:Proprietary · 平台:Claude Code / Claude.ai / API / Cursor

一句话:PDF 提取、合并、拆分、旋转、表单填写、OCR、加密解密,全流程覆盖。

PDF 是办公中最高频的格式之一,这个技能覆盖了几乎所有常见操作。读取用 pypdf(文本+元数据)和 pdfplumber(表格提取,保留布局);写入/合并/拆分/旋转都用 pypdf 的 PdfWriter;表单填写有专门的 FORMS.md 指南(含字段类型识别、JavaScript 动作处理等进阶内容)。OCR 场景用 pytesseract 处理扫描件。

实用场景:合同审批(提取条款+填写表单+加密)、报告合并(多部门 PDF 合一)、发票处理(表格提取→Excel 导出)。

★★★★★ 易用性 ★★★★★ 实用性 ★★★★★ 维护度

Tier 2

5. doc-coauthoring — 协作文档编辑工作流

仓库:anthropics/skills · 许可:Apache 2.0 · 平台:Claude Code / Claude.ai / API

一句话:三阶段结构化协作流程,引导用户高效产出文档。

这不是一个”生成文档”的技能,而是一个”引导协作”的技能。三个阶段分别是:上下文收集(Claude 问清文档类型、受众、期望影响、模板要求,用户倾倒所有背景信息)、迭代精炼(逐节构建,brainstorm + 编辑)、读者测试(用一个全新的 Claude 实例,在无上下文状态下阅读文档,检测盲点和歧义)。

独特价值:读者测试阶段用新实例模拟”首次阅读者”,能发现作者因熟悉内容而忽略的逻辑断层。支持 PRD、设计文档、决策文档、RFC 等多种类型,还能自动为没有 alt-text 的图片生成描述。

★★★★★ 易用性 ★★★★ 实用性 ★★★★★ 维护度

Tier 2

6. Internal Comms — 内部沟通模板库

仓库:anthropics/skills · 许可:Apache 2.0 · 平台:Claude Code / Claude.ai / API

一句话:覆盖 3P 更新、新闻稿、FAQ、状态报告等 7 种内部沟通模板。

内部沟通是被严重低估的办公场景。这个技能提供了完整的模板库:3P 更新(Progress/Plans/Problems)是硅谷最常用的团队周报格式,公司新闻稿、FAQ 撰写、状态报告、领导层更新、项目更新、事故报告都有对应的 guideline 文件。使用时只需告诉 Claude “写一份本周 3P 更新”,它会自动加载对应的模板并引导你填充内容。

适用团队:工程团队周报、产品团队状态同步、管理层汇报、跨部门沟通。特别适合远程团队标准化沟通格式。

★★★★★ 易用性 ★★★★ 实用性 ★★★★★ 维护度

对不同角色的实操建议

对研发负责人

优先安装 docx + xlsx + pdf 三件套。日常的 API 文档编写、测试报告生成、数据表格处理都能直接用上。doc-coauthoring 特别适合技术方案评审前的文档打磨——先让 Claude 帮你过一遍逻辑,再提交给团队。

对产品经理 / 项目管理者

pptx + Internal Comms 是你的效率倍增器。周报、OKR 汇报、产品评审 deck 都能快速产出。doc-coauthoring 的三阶段流程非常适合 PRD 和产品需求文档的协作编辑。

对投资者 / 分析师

xlsx 的金融模型规范直接可用——蓝字输入、黑字公式、绿链接、红跨文件、黄假设,颜色编码让审阅者一眼看清数据流向。配合 pdf 的表格提取能力,可以从财报 PDF 中快速抽取关键数据并结构化到 Excel。

对远程团队

Internal Comms + doc-coauthoring 组合拳:前者标准化沟通格式(3P 更新、状态报告),后者保证文档质量(读者测试防盲点)。特别适合跨时区团队异步协作。

安装与使用

Anthropic 官方四个技能(docx/xlsx/pptx/pdf)已内置在 Claude.ai 付费计划中,也可通过 Claude Code 插件市场安装:

/plugin marketplace add anthropics/skills

/plugin install document-skills@anthropic-agent-skills

doc-coauthoring 和 Internal Comms 同样在官方仓库中,安装方式相同。社区技能(如 Google Workspace Skills)可从 GitHub 仓库手动复制到 .claude/skills/ 目录。

小结

办公文档处理是 AI Agent 最接地气的落地场景。Anthropic 官方的四件套已经做到了生产级水准,而 doc-coauthoring 和 Internal Comms 则在”协作流程”和”沟通标准化”两个维度补齐了办公全链路。对于想要提升知识工作者效率的团队来说,这 6 个技能是 2026 年最值得投入的基础设施。

关注 AI商业快讯,每天一篇 AI 热点深度解读。

相关阅读:

GreatCTO 实测:69 个 AI Agent 帮你从设计到上线,一个功能只要 $3.40

GreatCTO 实测:69 个 AI Agent 帮你从设计到上线,一个功能只要 $3.40

Solo 开发者最大的痛点不是写代码,而是一个人要干一个团队的活:架构设计、前后端开发、测试、安全审查、部署上线——每一步都需要不同领域的专业知识。现在,一个叫 GreatCTO 的开源工具声称:描述一个产品,批准两次,就能拿到一个完整可运行的应用。

它背后是 69 个专家 AI Agent,按软件开发生命周期(SDLC)编排成一条流水线。实测数据:一个功能从描述到上线 1 小时 26 分钟,token 成本 $3.40;完整产品中位数 $171。

它怎么工作?

GreatCTO 的流程极其简洁:

描述产品 → AI 生成 spec + 架构 + 数据模型 + 界面设计 → 🟢 你审批设计 → AI 脚手架 + 后端 + 前端 + 测试 + 代码审查 + 安全审计 → 🟢 你审批部署 → 上线

你全程只做两件事:批准”建什么”和批准”上不上线”。中间 69 个 agent 自动协作。

日常使用三个命令:

  • /start "描述你的产品" — 启动流水线
  • /inbox — 查看待审批项和阻塞任务
  • /digest — 周报:DORA 指标 + 每个功能的成本

69 个 Agent 是怎么分工的?

GreatCTO 把 69 个 agent 按角色分成 7 个团队:

1. 产品定义团队(Prototyper)— 4 个 agent
把模糊的想法变成可执行的方案:

  • product-owner:第一个启动的 agent。把原始想法变成产品简报,甚至会启动”多 LLM 辩论”(4 个 AI 角色在 4 个模型上辩论)来验证方案
  • architect:生成架构文档、ADR(架构决策记录)、成本估算
  • decision-scorer:给 2+ 个架构方案打分,输出加权评分表
  • design-advisor:选设计系统、列组件清单、写文字版线框图

2. 开发团队(Builder)— 11 个 agent
各司其职的全栈开发:

  • app-scaffolder:搭建 Next.js + TypeScript + Tailwind 骨架,配好数据库和认证
  • senior-dev:主力开发,TDD 方式实现功能(可并行运行多个)
  • auth-engineer:认证和权限专家(Auth.js / Clerk / RBAC / 多租户隔离)
  • integrations-engineer:第三方 API 对接(Stripe / Twilio / Google Calendar / Shopify)
  • subscription-billing-engineer:订阅计费(Stripe Billing / 用量计费 / 试用期 / 退款)
  • mobile-app-builder:React Native 移动端开发
  • geo-routing-engineer:地理空间和路径优化
  • media-pipeline-engineer:视频/图片处理管线
  • connector-builder:数据源连接器(Stripe / GA / QuickBooks)
  • migration-import-engineer:数据迁移和导入
  • ai-eval-engineer:AI 产品的评估管线

3. 质量团队(Sweeper)— 3 个 agent
代码审查 + 测试:

  • qa-engineer:分析实际代码,按类型做 QA
  • code-reviewer:读 diff,报 bug,给裁决
  • e2e-test-engineer:生成 Playwright 端到端测试,部署后自动跑

4. 安全与合规团队(Reviewers & Safety)— 30+ 个 agent
这是 GreatCTO 的核心护城河。覆盖 30+ 个垂直行业的合规审查:

  • pci-reviewer:PCI-DSS 支付合规
  • healthcare-reviewer:HIPAA 医疗数据合规
  • gdpr-reviewer:GDPR + EU AI Act + NIS2
  • ai-security-reviewer:OWASP LLM Top 10
  • legal-reviewer:律师-客户特权 / UPL 防护
  • insurance-reviewer:NAIC 保险合规
  • tax-reviewer:IRS 电子报税
  • ……还有政府、教育、游戏、流媒体、固件、DAO 等 30+ 个领域

每个 reviewer 的工作方式相同:分析项目类型 → 输出威胁模型(TM-{slug}.md)→ 在 senior-dev 开发前签署关键/高危缓解措施。

5. 增长团队(Grower)— 2 个 agent

  • performance-engineer:性能测试(k6/Locust)、延迟分析、容量规划
  • growth-engineer:北极星指标、激活/留存漏斗、增长实验设计

6. 运维团队(Maintainer)— 3 个 agent

  • devops:部署执行
  • infra-provisioner:基础设施配置(Neon 数据库 / Vercel 托管 / DNS / TLS)
  • l3-support:线上问题排查和事故响应

7. 编排团队(Orchestration & Meta)— 4 个 agent

  • pm:读架构文档,分解任务,生成 Gantt 图,分配 agent
  • coordinator:多流协调,跨 agent 调度
  • project-auditor:技术债务审计和重构计划
  • continuous-learner:会话结束时提取模式和经验,写入全局知识库

实测数据

GreatCTO 在公开 benchmark 上跑了 7 个完整产品:

指标 数据
单功能端到端 1 小时 26 分钟 / $3.40 token 成本
完整产品(7 个基准) 中位数 $171 / 质量 70/100(58-86)
典型月度(20 次流水线) ~$34
支持的产品类型 60 种,覆盖 15 个美国行业

质量评分来自运行产品自身的测试(不是数文件数),所以是 70 而不是 100——这恰恰说明数据是真实的。

安全性设计

几个值得注意的设计:

  • 范围隔离:agent 在写入时就被限制在自己的职责范围内,不是审查时才检查
  • 合规永不跳过:即使设为”auto”模式(无人审批),安全和合规门控仍然强制执行
  • 本地运行:所有代码在本地执行,prompt 只发给你自己的 LLM 提供商
  • 遥测默认关闭:不收集任何使用数据

安装

npx great-cto init

一行命令。自动安装 Companion 插件(Superpowers、Beads)。重启 Claude Code 后即可使用。支持 Claude Code(默认)和 OpenAI Codex(加 --host codex)。

需要 Node ≥ 18.17。

适用场景与局限

最适合:独立开发者、Solo 创业者、CTO 一个人扛一个产品。你有一个想法,想快速验证——GreatCTO 帮你从 0 到上线。

不适合:多人协作的团队(”For one builder”是作者原话);需要 CI/CD 系统的成熟项目;需要正式合规认证的场景(PCI/HIPAA 脚手架是起点不是终点)。

对不同角色的意义

对独立开发者:你不再需要自己搞安全审查、写测试、配基础设施。69 个 agent 分工覆盖了你一个人顾不到的角落。$3.40 一个功能,$171 一个产品——这个成本结构改变了”一个人能做什么”的上限。

对创业团队:用 GreatCTO 快速出 MVP,验证产品假设,再决定是否组建正式团队。先跑通流程再招人。

对 AI 应用开发者:GreatCTO 的多 agent 编排架构(7 团队 69 agent + 范围隔离 + 合规门控)是一个值得研究的参考实现。它证明了”LLM + 多 agent 协作”不是 demo,而是已经跑通的工程实践。

关注 AI商业快讯,每天一篇 AI 热点深度解读。

GreatCTO 为开源项目(MIT 协议),本文不构成投资建议。
相关阅读:AI Skill 生态全景:从 1000+ 仓库精选 10 个必装技能 | LeanCTX 实测:砍掉 86% token 成本