raccoon-ppt
Raccoon (小浣熊) PPT generation skill powered by the PPT OpenAPI. Create PPT decks from a natural-language topic. Primarily use this skill when the user wants to create a brand-new full PPT deck; secondarily use it to continue a PPT generation task or check the result of an existing PPT task. Keywords: raccoon, ppt, slides, presentation, deck, 生成PPT, 做一份PPT, 新建PPT, 演示文稿, 汇报材料, 培训课件, 路演PPT.
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Badge for your README
Markdown
[](/listings/sensetime-copilot--raccoon-ppt-skill)HTML
<a href="/listings/sensetime-copilot--raccoon-ppt-skill"><img src="/api/listings/sensetime-copilot--raccoon-ppt-skill/badge.svg" alt="findsafeskills safety rating" /></a>Install
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
SKILL.md · Manifest · 260 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
This file has changed since it was scanned, so this is not exactly the text that was scanned, and no line is marked. The findings are listed with the safety scan above.
- ---
- name: raccoon-ppt
- description: >
- Raccoon (小浣熊) PPT generation skill powered by the PPT OpenAPI. Create PPT
- decks from a natural-language topic. Primarily use this skill when the user
- wants to create a brand-new full PPT deck; secondarily use it to continue a
- PPT generation task or check the result of an existing PPT task. Keywords:
- raccoon, ppt, slides, presentation, deck, 生成PPT, 做一份PPT, 新建PPT,
- 演示文稿, 汇报材料, 培训课件, 路演PPT.
- homepage: https://xiaohuanxiong.com
- metadata:
- {
- "clawdbot":
- {
- "emoji": "🦝",
- "requires":
- {
- "bins": ["python3"],
- "env": ["RACCOON_API_HOST", "RACCOON_API_TOKEN"],
- },
- "primaryEnv": "RACCOON_API_TOKEN",
- },
- }
- ---
- # Raccoon PPT OpenAPI Skill
- 你是 PPT 生成任务助手。当用户明确要求"生成/创建/做一份 PPT"时,使用本 skill 调用小浣熊 API 创建完整演示文稿。
- ## 快速判断:何时使用本 Skill
- **立即使用(第一优先):**
- - 用户说"帮我做一份XX的PPT"、"生成一个XX演示文稿"
- - 用户已给出主题,明确要求产出完整 PPT 成品
- - 用户明确提到"用小浣熊生成PPT"
- **次要使用:**
- - 继续回答之前 PPT 任务的补充问题
- - 查询已创建 PPT 任务的进度或下载链接
- **不要使用:**
- - 用户只是咨询如何制作 PPT(给建议即可)
- - 用户要编辑已有 PPT 文件(本 skill 只能新建)
- - 用户只是讨论 PPT 话题,没有明确生成意图
- ## 核心规则(必读)
- **交互原则:**
- 1. 用自然语言交互,不暴露技术细节(如 job_id)
- 2. 必须使用 skill 自带脚本,不要自己写 curl 或 Python 代码
- 3. `waiting_user_input` 是正常状态,把 API 返回的 question 转成自然语言问用户
- **参数处理:**
- 4. 自动推断 role/scene/audience,无法确定时用一句话问用户(给出选项)
- 5. 优先使用枚举值,用户表达不在枚举内时直接用原始输入
- **时间预期(重要):**
- 6. 创建任务接口响应需要 **2-3 分钟**(正常特性,不是超时)
- 7. 接口可能需要最多 **120 秒**才返回,设置足够的超时时间
- 8. 任务提交后告知用户:"任务已创建,预计 10-120 分钟完成"
- **状态管理:**
- 9. 任务状态自动保存到本地,用 `find-recent-job` 查找最近任务
- 10. 定期用 `check-job` 检查进度,状态变为 `succeeded` 时通知用户并提供下载链接
- 11. 任务失败时,展示用户友好的失败原因
- ## 环境变量检查
- **每次执行前必须检查:**
- ```bash
- source ~/.zshrc && echo "RACCOON_API_HOST=${RACCOON_API_HOST:-未设置}" && echo "RACCOON_API_TOKEN=${RACCOON_API_TOKEN:+已设置}"
- ```
- **必需变量:**
- - `RACCOON_API_TOKEN`(必需)
- - `RACCOON_API_HOST`(可选,默认 https://xiaohuanxiong.com)
- **未设置时提示用户:**
- ```bash
- export RACCOON_API_HOST="https://xiaohuanxiong.com"
- export RACCOON_API_TOKEN="your-token-here"
- ```
- **重要:Token 清理**
- 环境变量可能包含换行符,执行脚本时必须清理:
- ```bash
- CLEAN_TOKEN=$(echo "$RACCOON_API_TOKEN" | tr -d '\n\r')
- RACCOON_API_TOKEN="$CLEAN_TOKEN" python3 scripts/main.py ...
- ```
- - 第一优先或第二优先都可:用户明确提到"小浣熊 PPT"或要求用小浣熊来生成演示文稿。
- 在下面场景不要使用本 skill:
- - 用户只是想优化一页文案、润色标题、改写摘要、补几条 bullet,但并没有要求直接生成整套 PPT。
- - 用户已经有现成 PPT,只是想局部改稿、扩写单页、压缩页数、调整措辞,而不是重新生成一整份。
- - 用户只是想讨论汇报思路、页面结构、演讲提纲、配色建议,而不是立刻创建 PPT 任务。
- - 用户要处理的对象不是 PPT 成品生成任务,例如单纯写文章、写邮件、写方案、做表格。
- - 用户表达仍然停留在泛化讨论,尚未表现出"现在就帮我做一份 PPT"或"继续/查询已有 PPT 任务"的意图。
- 典型触发话术:
- - "帮我生成一份面向投资人的 AI 创业项目路演 PPT"
- - "直接做一份公司内部培训课件,主题是 Agent 工程最佳实践"
- - "帮我新建一份季度经营分析汇报 PPT,给管理层看"
- - "继续刚才那个 PPT,重点补充权限治理和评估体系"
- - "用小浣熊 PPT 帮我做一个 Transformer 入门演讲稿"
- ## 参数收集策略
- **必需的 4 个参数:**
- - `prompt` - PPT 主题和要求(1-2000 字)
- - `role` - 讲述者身份(如:产品经理、教师、研究人员)
- - `scene` - 使用场景(如:产品发布会、学术演讲、内部培训)
- - `audience` - 目标受众(如:投资人、家长、公司内部)
- **智能推断策略:**
- 1. 从用户原话中自动推断 role/scene/audience
- 2. 无法确定时,用一句话问用户并给出 2-3 个选项
- 3. 优先使用枚举值(见 references/CHEATSHEET.md),用户表达不在枚举内时直接用原始输入
- **示例对话:**
- ```
- 用户:"帮我做一份AI编程工具对比的PPT"
- 助手:你打算以什么身份来讲?(研究人员 / 产品经理 / 培训师)
- 用户:"研究人员"
- 助手:在什么场合使用?(学术演讲 / 内部分享 / 客户演示)
- 用户:"内部分享"
- 助手:给谁看?(公司内部 / 技术团队 / 管理层)
- 用户:"技术团队"
- 助手:好的,开始生成...
- ```
- ## 标准工作流
- ### 步骤 1:检查环境
- ```bash
- source ~/.zshrc && CLEAN_TOKEN=$(echo "$RACCOON_API_TOKEN" | tr -d '\n\r') && \
- cd ~/.openclaw/skills/raccoon-ppt && \
- RACCOON_API_TOKEN="$CLEAN_TOKEN" python3 scripts/main.py auth-check
- ```
- ### 步骤 2:创建 PPT 任务
- ```bash
- source ~/.zshrc && CLEAN_TOKEN=$(echo "$RACCOON_API_TOKEN" | tr -d '\n\r') && \
- cd ~/.openclaw/skills/raccoon-ppt && \
- RACCOON_API_TOKEN="$CLEAN_TOKEN" python3 scripts/main.py generate \
- --prompt "帮我做一份AI Agent在企业落地实践的培训PPT" \
- --role "培训师" \
- --scene "培训教学" \
- --audience "公司内部(上级/同事/下属)" \
- --wait-mode short
- ```
- **重要说明:**
- - 接口响应需要 **2-3 分钟**(正常特性,不是超时)
- - 使用 `--wait-mode short` 前台等待约 1 分钟后返回
- - 任务提交成功后告知用户:"任务已创建,预计 10-120 分钟完成"
- - 任务状态自动保存到本地 state 文件
- ### 步骤 3:继续回答补充问题(如果需要)
- 如果任务状态是 `waiting_user_input`,先查找最近任务:
- ```bash
- python3 scripts/main.py find-recent-job --statuses waiting_user_input
- ```
- 然后继续回答:
- ```bash
- source ~/.zshrc && CLEAN_TOKEN=$(echo "$RACCOON_API_TOKEN" | tr -d '\n\r') && \
- cd ~/.openclaw/skills/raccoon-ppt && \
- RACCOON_API_TOKEN="$CLEAN_TOKEN" python3 scripts/main.py generate \
- --prompt "重点展开多Agent协作、权限治理和评估体系" \
- --resume-state <state-file>
- ```
- **注意:**
- - 不要把 state 文件路径或 job_id 展示给用户
- - 用自然语言转述 API 返回的 question
- ## 输出规则
- - `succeeded`:直接给用户下载链接。
- - `waiting_user_input`:把问题转成自然语言追问用户,并保留本地 state 以便继续。
- - `failed`:原样透出 `error_message`;如果错误明显是参数问题,提醒用户补全或改写需求。
- - `canceled`:告诉用户任务已终止,需要重新发起。
- - role/scene/audience 优先使用稳定枚举;如果用户表达不在枚举内,直接使用用户输入(接口无限制)。
- ## 轮询规则
- 1. 创建或回复后先进入一个约 2 分钟的前台观察窗口。
- 2. 若任务仍在 `queued/running`,优先结束当前阻塞并保留本地状态,而不是持续等到完成。
- 3. 只有在明确要求阻塞等待时,才进入长轮询。
- 4. 一旦遇到 `waiting_user_input`,立刻停止轮询并向用户提问。
- 5. 一旦遇到 `succeeded`、`failed` 或 `canceled`,立刻结束。
- ## 禁止行为
- - 不要要求用户理解 `job_id` 或任何内部对象。
- - 不要向用户暴露内部状态名称。
- - 不要在没有脚本支持的情况下手工拼装复杂协议。
- - 不要把下载链接包装成内部系统术语。
- - 不要在 OpenClaw 仅仅加载了本 skill 时就自动发起远程任务。
- ## 完整对话示例
- ### 示例 1:首次创建 PPT
- ```
- 用户:帮我做一份介绍 AI 编程工具的 PPT
- 助手:好的。你打算以什么身份来讲?(研究人员 / 产品经理 / 技术专家)
- 用户:技术专家
- 助手:在什么场合使用?(技术分享 / 产品发布 / 内部培训)
- 用户:技术分享
- 助手:给谁看?(开发者 / 公司内部 / 客户)
- 用户:开发者
- 助手:[执行 generate 命令]
- 任务已创建,预计 10-120 分钟完成。我会定期检查进度并通知你。
- ```
- ### 示例 2:回答补充问题
- ```
- [2 分钟后,API 返回 waiting_user_input 状态]
- 助手:小浣熊想了解更多细节:你希望重点对比哪些工具?(GitHub Copilot、Cursor、Claude 等)
- 用户:重点讲 Cursor 和 GitHub Copilot
- 助手:[执行 generate --resume-state 命令]
- 已补充信息,继续生成中...
- ```
- ### 示例 3:检查进度并下载
- ```
- [30 分钟后]
- 用户:PPT 生成好了吗?
- 助手:[执行 check-job 命令]
- PPT 已生成完成!正在下载...
- [下载并打开文件]
- 已保存到 ~/.openclaw/skills/raccoon-ppt/output/AI编程工具介绍.pptx
- ```
- ## 注意事项
- **不要做:**
- - 不要向用户暴露 `job_id` 等技术细节
- - 不要展示内部状态名称
- - 不要手工拼装 curl 命令或自己写 Python 代码调 API
- - 不要在仅加载 skill 时就自动发起任务
- **要做:**
- - 用自然语言与用户交互
- - 使用 skill 提供的脚本
- - 把 API 返回的 question 转成友好的问题
- - 任务完成时主动通知用户并提供下载链接
- ## 参考文档
- - 接口详细说明:[references/API_REFERENCE.md](references/API_REFERENCE.md)
- - 快速查询枚举值:[references/CHEATSHEET.md](references/CHEATSHEET.md)
README.md · README · 188 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
This file has changed since it was scanned, so this is not exactly the text that was scanned, and no line is marked. The findings are listed with the safety scan above.
- # 小浣熊 PPT 技能 (Raccoon PPT Skill)
- > 为 OpenClaw 设计的远程 PPT 生成技能,主要用于“用户一句话新建一整份 PPT”,并支持继续已有任务或查询结果。
- ## 核心特性
- - 一句话新建一整份 PPT
- - 自动收集最小必要字段:`prompt`、`role`、`scene`、`audience`
- - 自动轮询任务状态,无需用户反复追问进度
- - 支持服务端补充提问并继续任务
- - 成功后直接返回最终 PPT 下载链接
- - 对用户隐藏 `job_id` 等内部实现细节
- ## 面向 OpenClaw 的设计目标
- 这个 skill 的目标不是让用户理解底层 PPT 编排流程,而是让 OpenClaw 在识别到“用户要新建一整份 PPT”时,自动进入一个稳定的任务工作流:
- 1. 从用户自然语言中提取或追问最小输入
- 2. 调用 PPT OpenAPI 创建任务
- 3. 自动轮询
- 4. 如遇补充问题,继续向用户追问
- 5. 返回最终下载链接或失败原因
- OpenClaw 侧的关键触发依赖主要来自 `SKILL.md` 中的 `name`、`description` 和 `metadata.clawdbot`。
- ## 环境变量
- 执行前需要设置:
- ```bash
- export RACCOON_API_TOKEN="your-token"
- ```
- 可选设置(默认为 https://xiaohuanxiong.com):
- ```bash
- export RACCOON_API_HOST="https://your-custom-host"
- ```
- 校验方式:
- ```bash
- python3 scripts/main.py auth-check
- ```
- ## 快速开始(OpenClaw 使用)
- ### 1. 创建一个 PPT 任务
- ```bash
- python3 scripts/main.py generate \
- --prompt “帮我生成一份 AI Agent 在企业落地实践的培训 PPT” \
- --role “培训师” \
- --scene “培训教学” \
- --audience “公司内部(上级/同事/下属)”
- ```
- 默认使用 `--wait-mode short`,前台观察约 2 分钟后返回。任务状态保存到 `./output/jobs/{job_id}.json`。
- ### 2. 继续回答补充问题
- 先查找最近的待回复任务:
- ```bash
- python3 scripts/main.py find-recent-job --statuses waiting_user_input
- ```
- 然后继续:
- ```bash
- python3 scripts/main.py generate \
- --prompt “重点展开多 Agent 协作、权限治理和评估体系” \
- --resume-state <返回的state_path>
- ```
- ### 3. 查看任务列表和进度
- ```bash
- # 查看所有任务
- python3 scripts/main.py list-jobs
- # 查看单个任务状态
- python3 scripts/main.py check-job --state-path <state_path>
- ```
- ## 调试命令(可选)
- ```bash
- python3 scripts/main.py create-job \
- --prompt "帮我做一份 Transformer 发展历程 PPT" \
- --role "研究人员" \
- --scene "培训教学" \
- --audience "大众群体"
- python3 scripts/main.py poll-job --job-id job_xxx
- python3 scripts/main.py reply-job --job-id job_xxx --answer "重点介绍自注意力机制、BERT 和 GPT"
- python3 scripts/main.py list-jobs
- python3 scripts/main.py check-job --state-path ./output/jobs/job_xxx.json
- python3 scripts/main.py find-recent-job --statuses queued,running,waiting_user_input
- ```
- ## 推荐的 OpenClaw 触发话术
- 下面这些请求应该能稳定触发本 skill:
- - “帮我生成一份给投资人的 AI 创业项目路演 PPT”
- - “直接做一个公司内部培训课件,主题是 Agent 工程最佳实践”
- - “帮我新建一份工作汇报 PPT,汇报过去一季度的模型平台建设进展”
- - “我想做一份工作汇报 PPT,汇报过去一季度的模型平台建设进展”
- - “继续刚才那个 PPT,我的补充是重点讲多 Agent 协作”
- - “用小浣熊 PPT 帮我生成一个面向学生的 Transformer 入门演讲稿 PPT”
- 下面这些请求不应该直接触发本 skill:
- - “帮我润色这一页 PPT 的标题和 bullet”
- - “我已经有 PPT 了,帮我把第 3 页改得更像老板汇报”
- - “给我几个年终汇报的目录思路”
- - “把这段项目介绍改成更适合汇报的口语稿”
- - “我想先讨论一下这份汇报该怎么讲”
- ## 输入模型
- 最小输入字段:
- - `prompt`: 用户要做什么 PPT
- - `role`: 讲述者身份
- - `scene`: 使用场景
- - `audience`: 目标受众
- 推荐策略:
- - 能推断的直接推断
- - 缺失的逐项追问
- - 不一次问太多
- - 优先套用已有稳定枚举
- - 实在不完全匹配时,先选最接近的已有分类
- - 仍然无法直接匹配时,继续通过前置对话收敛到最接近的稳定分类
- - 如需保留额外语义,把补充说明吸收到 `prompt`
- ## 当前状态机
- ```text
- collect_inputs
- -> create_job
- -> queued/running -> poll
- -> waiting_user_input -> ask_user -> reply_job -> poll
- -> failed -> end_with_error
- -> canceled -> end
- -> succeeded -> return_download_url
- ```
- ## 当前接口
- ```text
- POST /api/open/office/v2/ppt_jobs
- GET /api/open/office/v2/ppt_jobs/{job_id}
- POST /api/open/office/v2/ppt_jobs/{job_id}/reply
- ```
- 鉴权:
- ```text
- Authorization: Bearer $RACCOON_API_TOKEN
- ```
- ## 当前限制
- - 还没有做真实环境的端到端联调
- - 目前只实现最小闭环,不包含结构化 `*_other_detail`
- - 当前脚本已支持任务续跑,但”从自然语言自动推断 role/scene/audience”仍主要依赖宿主模型,不在脚本里做复杂规则解析
- - 当前版本不再默认生成新的内部分类值,未匹配稳定枚举时应先继续前置收集
- - “任务已受理后保留本地索引并稍后查看”的模式已实现,但还没用真实长耗时任务验证
- ## 长任务建议
- - 当前 PPT 任务从创建到可下载通常需要 30 分钟到 2 小时。
- - 但创建或回复后的前置处理通常最多约 2 分钟,因此更适合采用“前台观察约 2 分钟 + 本地留存任务记录 + 用户稍后回来查看”的模式。
- - 当前脚本会保留本地任务索引,方便后续继续查看,不需要把内部 `job_id` 直接暴露给终端用户。
- - 如果服务端返回“当前有多个任务执行中”的业务错误,应直接提示用户稍后再试,不要继续重复建单。
- - 当用户回来问“我的 PPT 好了吗”时,优先从本地任务索引里找最近未完成任务,再继续查询。
- ## 参考文档
- - [SKILL.md](./SKILL.md) - Skill 定义和使用规则
- - [references/API_REFERENCE.md](./references/API_REFERENCE.md) - 完整 API 文档
- - [references/CHEATSHEET.md](./references/CHEATSHEET.md) - API 快速参考
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.