3月24日，MiniMax正式宣布开源其面向AI Agent的办公文档生成框架——MiniMax Office Skills。
该框架旨在解决当前AI生成办公文档“能写但难用”的痛点，使生成的Word、Excel、PDF和PPT文件能够直接满足企业交付场景的需求，具备生产级的可靠性与完整性。相关代码、设计文档及评测框架已在开源社区发布，采用宽松的MIT许可协议。
开源地址：https://github.com/MiniMax-AI/skills
完整技能列表如下：
| 技能 | 简介 | 来源 |
|---|---|---|
frontend-dev | 全栈前端开发，融合高级 UI 设计、电影级动画（Framer Motion、GSAP）、通过 MiniMax API 生成媒体资源（图片、视频、音频、音乐、TTS）、基于 AIDA 框架的说服力文案、生成艺术（p5.js、Three.js、Canvas）。技术栈：React / Next.js、Tailwind CSS。 | Official |
fullstack-dev | 全栈后端架构与前后端集成。REST API 设计、认证流程（JWT、Session、OAuth）、实时功能（SSE、WebSocket）、数据库集成（SQL / NoSQL）、生产环境加固与发布清单。引导式工作流：需求收集 → 架构决策 → 实现。 | Official |
android-native-dev | 基于 Material Design 3 的 Android 原生应用开发。Kotlin / Jetpack Compose、自适应布局、Gradle 配置、无障碍（WCAG）、构建问题排查、性能优化与动效系统。 | Official |
ios-application-dev | iOS 应用开发指南，涵盖 UIKit、SnapKit 和 SwiftUI。触控目标、安全区域、导航模式、Dynamic Type、深色模式、无障碍、集合视图，符合 Apple HIG 规范。 | Official |
flutter-dev | Flutter 跨平台开发指南，涵盖 Widget 模式、Riverpod/Bloc 状态管理、GoRouter 导航、性能优化与测试策略。 | Official |
react-native-dev | React Native 与 Expo 开发指南，涵盖组件、样式、动画、导航、状态管理、表单、网络请求、性能优化、测试、原生能力及工程化（项目结构、部署、SDK 升级、CI/CD）。 | Official |
shader-dev | 全面的 GLSL 着色器技术，用于创建惊艳的视觉效果 — 光线行进、SDF 建模、流体模拟、粒子系统、程序化生成、光照、后处理等。兼容 ShaderToy。 | Official |
gif-sticker-maker | 将照片（人物、宠物、物品、Logo）转换为 4 张带字幕的动画 GIF 贴纸。Funko Pop / Pop Mart 盲盒风格，基于 MiniMax 图片与视频生成 API。 | Official |
minimax-pdf | 基于 token 化设计系统生成、填写和重排 PDF 文档。支持三种模式：CREATE（从零生成，15 种封面风格）、FILL（填写现有表单字段）、REFORMAT（将已有文档重排为新设计）。排版与配色由文档类型自动推导，输出即可打印。 | Official |
pptx-generator | 生成、编辑和读取 PowerPoint 演示文稿。支持用 PptxGenJS 从零创建（封面、目录、内容、分节页、总结页），通过 XML 工作流编辑现有 PPTX，或用 markitdown 提取文本。 | Official |
minimax-xlsx | 打开、创建、读取、分析、编辑或验证 Excel/电子表格文件（.xlsx、.xlsm、.csv、.tsv）。支持通过 XML 模板从零创建 xlsx、使用 pandas 读取分析、零格式损失编辑现有文件、公式重算与验证、专业财务格式化。 | Official |
minimax-docx | 基于 OpenXML SDK（.NET）的专业 DOCX 文档创建、编辑与排版。三条流水线：从零创建新文档、填写/编辑现有文档内容、应用模板格式并通过 XSD 验证门控检查。 | Official |
vision-analysis | 使用视觉 AI 模型分析、描述和提取图像信息。支持描述、OCR 文字识别、UI 界面审查、图表数据提取和物体检测。基于 MiniMax VL API，OpenAI GPT-4V 作为备选。 | Community |
minimax-multimodal-toolkit | 通过 MiniMax API 生成语音、音乐、视频和图片内容 — MiniMax 多模态使用场景的统一入口。涵盖 TTS（文字转语音、声音克隆、声音设计、多段合成）、音乐（带词歌曲、纯音乐）、视频（文生视频、图生视频、首尾帧、主体参考、模板、长视频多场景）、图片（文生图、图生图含角色参考），以及基于 FFmpeg 的媒体处理（格式转换、拼接、裁剪、提取）。 | Official |
背景：从“能生成”到“可直接交付”
随着大模型在文本生成能力上的突破，AI已能够根据指令快速输出文档内容。然而，在真实的办公场景中，文档不仅是文字的组合，更是格式、样式、公式、动态计算、视觉规范与版本控制的复杂载体。传统基于简单模板或常见开源库生成的文档，往往在打开时出现格式错乱、公式失效、高级对象丢失等问题，难以直接用于正式汇报、客户交付或内部协作。
MiniMax Office Skills的推出，正是瞄准了这一“最后一公里”问题。它不仅仅是一个文档生成工具，更是一套覆盖全格式、支持复杂结构、保持企业级一致性的文档工程框架。
技术架构：针对不同格式的深度定制方案
该框架对Word、Excel、PDF、PPT四类主流办公文档采取了差异化的底层技术方案，以确保对文件格式的深度控制和高保真输出。
1. Word文档生成（MiniMax-docx）
团队放弃了社区常见的python-docx库，转而采用微软官方维护的**.NET OpenXML SDK**作为底层操作库。这一选择使其能够直接操作DOCX文件的内部XML结构，从而实现对复杂功能的原生支持：
- 复杂表格与样式：精确控制单元格合并、边框样式、底纹。
- 多级目录与编号：自动生成并更新文档目录结构。
- 页眉页脚与节控制：支持不同章节使用不同的页眉页脚、页码格式。
- 修订追踪：能够生成并保留Word的“修订模式”标记，便于团队协作审阅。
2. Excel文档处理（MiniMax-xlsx）
为避免使用高级Excel库（如openpyxl、pandas）时可能丢失数据透视表、迷你图、宏或特定单元格格式的问题，该系统选择在XML层直接操作.xlsx文件。其流程为：解压.xlsx文件（实为ZIP包）、定位并修改xl/worksheets/sheet1.xml等相关XML节点、再重新打包。这种方式能最大程度地保持文件原貌，并确保所有计算公式仍以Excel原生公式形式存储，保持其动态计算能力。
3. PDF文档生成
PDF生成采用了双引擎混合方案以兼顾视觉效果与排版稳定性：
- 封面/复杂视觉部分：使用HTML与CSS进行设计，通过无头浏览器Playwright渲染为PDF。这种方式能完美支持渐变、网格布局、自定义字体等现代Web视觉效果。
- 正文/长文本部分：使用专业的PDF生成库ReportLab。它提供强大的段落流控制、分页逻辑和字体嵌入能力，确保长篇文档的排版稳定可靠。
- 最终，通过脚本将两部分生成的PDF进行合并，形成既美观又专业的完整文档。
4. PPT演示文稿生成（MiniMax-pptx）
PPT生成的核心挑战在于保持视觉一致性。该系统通过预定义五类标准页面（封面、目录、章节分割、内容页、总结页）和多套视觉参数组合（字体、间距、圆角、阴影等）来约束设计。在生成全新PPT时，使用JavaScript库PptxGenJS；而在编辑现有模板时，则采用与处理Excel类似的方法——解压.pptx文件并直接修改ppt/slides/slide1.xml等XML内容，以确保不破坏模板原有的任何设计元素。
核心创新：自动化迭代与生产级评测框架
除了生成能力，MiniMax Office Skills更引入了一套关键的自动化迭代机制，使其能够持续进化并满足生产环境要求。该机制遵循 “执行（Execute）→ 评估（Evaluate）→ 修复（Fix）” 的闭环流程：
- 执行：系统接收真实世界的文档生成任务（如“生成一份2024年Q1市场分析报告”）并执行。
- 评估：通过一套详尽的规则集对输出文档进行自动化检查。评估标准远超“文件能否打开”，包括：
- 结构完整性：目录链接是否有效、页码是否正确。
- 公式与动态内容：Excel公式是否保持、计算结果是否准确。
- 格式保真度：样式在读写循环后是否被破坏、字体是否嵌入。
- 模板符合度：是否严格遵守了企业品牌模板的规范。
- 修复：将评估失败的案例自动转化为具体的修复任务（如“修复跨页表格的边框线丢失问题”），并反馈给系统进行下一轮迭代优化。
这套机制使得Office Skills能够通过海量的自动化测试用例不断打磨，确保其输出结果在复杂、严苛的真实办公场景中依然可靠。
意义与展望
MiniMax此次开源Office Skills，将一套经过生产环境验证的文档工程实践带入了开源社区。对于开发者而言，它提供了一个高起点，可以快速构建能够输出“可直接使用”文档的AI Agent或自动化流程，无需再从零开始解决各种格式兼容性的“坑”。对于企业用户，这意味着AI生成的文档终于可以无缝融入现有工作流，真正提升办公效率。
从行业角度看，这标志着AI应用正从“内容生成”迈向“格式与交付感知”的更深层次。当AI不仅理解文字，还能理解文档作为一种结构化产物的全部约束时，其作为生产力工具的价值将得到实质性飞跃。MiniMax Office Skills的开源，或许将成为推动AI智能办公迈向成熟应用的关键一步。
相关文章
