MiniMax Skills深度技术解析：AI编程代理的11大开发技能全面剖析

一、引言

在 AI 编程代理（AI Coding Agent）快速发展的今天，如何让 AI 代理具备结构化、生产级质量的开发能力，成为了业界的关键课题。MiniMax-AI/skills 是一个开源的开发技能库，专为 Claude Code、Cursor、Codex、OpenCode 等 AI 编程工具设计，提供了覆盖前端、全栈、移动端、图形着色器、文档生成以及多模态内容创作等领域的 11 个核心 Skill。

🔗 仓库地址：https://github.com/MiniMax-AI/skills

📜 许可证：MIT | ⭐ Stars: 4.7k+ | 🍴 Forks: 324+

本文将逐一深入分析每个 Skill 的核心实现原理、底层技术架构及工作流程，结合代码示例与架构图解，力求做到理论深度与实践参考价值兼备。

二、整体架构概览

2.1 仓库结构

MiniMax-AI/skills/
├── .claude/                    # Claude Code 集成配置
├── .claude-plugin/             # Claude 插件配置
├── .cursor-plugin/             # Cursor 集成配置
├── .codex/                     # Codex 集成配置
├── .opencode/                  # OpenCode 集成配置
├── skills/                     # 核心技能定义目录
│   ├── frontend-dev/           # 前端开发
│   ├── fullstack-dev/          # 全栈开发
│   ├── android-native-dev/     # Android 原生开发
│   ├── ios-application-dev/    # iOS 应用开发
│   ├── shader-dev/             # GLSL 着色器开发
│   ├── gif-sticker-maker/      # GIF 贴纸生成
│   ├── minimax-pdf/            # PDF 文档生成
│   ├── pptx-generator/         # PPT 演示文稿生成
│   ├── minimax-xlsx/           # Excel 电子表格处理
│   ├── minimax-docx/           # Word 文档处理
│   └── minimax-multimodal-toolkit/ # 多模态工具箱
├── plugins/                    # 插件（如 pptx-plugin）
└── assets/                     # 静态资源

2.2 Skill 定义规范

每个 Skill 都遵循统一的 SKILL.md 规范，包含以下核心元素：

2.3 技能分类全景图

┌─────────────────────────────────────────────────────────┐
│                   MiniMax Skills 全景图                    │
├──────────────┬──────────────┬───────────────────────────┤
│   应用开发    │   文档生成    │       内容创作              │
├──────────────┼──────────────┼───────────────────────────┤
│ frontend-dev │ minimax-pdf  │ gif-sticker-maker         │
│ fullstack-dev│ minimax-docx │ minimax-multimodal-toolkit│
│ android-dev  │ minimax-xlsx │                           │
│ ios-dev      │ pptx-gen     │                           │
│ shader-dev   │              │                           │
└──────────────┴──────────────┴───────────────────────────┘

三、各 Skill 深度技术剖析

3.1 frontend-dev — 全栈前端开发工作室

核心定位

frontend-dev 是一个将 设计工程、动效系统、AI 生成资产、说服力文案、生成艺术 融为一体的前端开发 Skill。它不只是写代码，而是一个完整的"前端工作室"。

技术栈

• 框架：React / Next.js（Server Components 优先）
• 样式：Tailwind CSS（严格区分 v3/v4 语法）
• 动效：Framer Motion + GSAP + ScrollTrigger + Lottie + Three.js/R3F
• 文案：AIDA / PAS / FAB 框架
• 生成艺术：p5.js, Three.js

六阶段强制工作流

┌──────────┐    ┌──────────┐    ┌──────────┐
│ Phase 1  │───▶│ Phase 2  │───▶│ Phase 3  │
│设计架构   │    │动效架构   │    │资产生成   │
│          │    │          │    │(AI API)  │
└──────────┘    └──────────┘    └──────────┘
                                     │
                                     ▼
┌──────────┐    ┌──────────┐    ┌──────────┐
│ Phase 6  │◀───│ Phase 5  │◀───│ Phase 4  │
│质量门禁   │    │构建UI    │    │文案撰写   │
└──────────┘    └──────────┘    └──────────┘

Phase 1 — 设计架构：分析需求，设定三个"设计旋钮"：

Phase 3 — AI 资产生成是核心亮点，通过四个 Python 脚本调用 MiniMax API：

# 图片生成脚本调用示例
python scripts/minimax_image.py \
  --prompt "A minimalist SaaS dashboard with dark theme" \
  --output public/assets/images/hero-dashboard-1710xxx.webp

# TTS 语音合成
python scripts/minimax_tts.py \
  --text "Welcome to our platform" \
  --voice "english-male" \
  --output public/assets/audio/tts-intro-1710xxx.mp3

动效引擎选择矩阵（强制规则）

┌─────────────────────┬──────────────────────┐
│     需求场景         │     强制使用工具       │
├─────────────────────┼──────────────────────┤
│ UI 进入/退出/布局    │ Framer Motion        │
│ 滚动叙事            │ GSAP + ScrollTrigger │
│ 循环图标动画         │ Lottie               │
│ 3D / WebGL          │ Three.js / R3F       │
│ Hover / Focus       │ 纯 CSS               │
└─────────────────────┴──────────────────────┘

⚠️ 冲突规则：
• 同一组件内禁止混用 GSAP 与 Framer Motion
• R3F 必须隔离在独立 Canvas 包装器中
• 重型库必须懒加载

反平庸设计技巧

Skill 定义了独特的"Anti-Slop"技术来避免 AI 生成千篇一律的界面：

/* Liquid Glass 效果 */
.glass-card {
  backdrop-filter: blur(16px);
  border: 1px solid rgba(255, 255, 255, 0.1);
  box-shadow: inset 0 1px 0 rgba(255, 255, 255, 0.1);
}

// 磁性按钮 - 使用 Framer Motion
function MagneticButton({ children }) {
  const x = useMotionValue(0);
  const y = useMotionValue(0);
  return (
    <motion.button style={{ x, y }}
      onMouseMove={(e) => {
        const rect = e.currentTarget.getBoundingClientRect();
        x.set((e.clientX - rect.left - rect.width / 2) * 0.3);
        y.set((e.clientY - rect.top - rect.height / 2) * 0.3);
      }}
      onMouseLeave={() => { x.set(0); y.set(0); }}>
      {children}
    </motion.button>
  );
}

适用场景与边界

3.2 fullstack-dev — 全栈后端架构

核心定位

fullstack-dev 提供的不是一个框架，而是一套 全栈架构决策体系，覆盖从后端服务搭建到前后端集成的完整链路。

七条铁律

┌────────────────────────────────────────────────┐
│           fullstack-dev 七条铁律                 │
├────────────────────────────────────────────────┤
│ 1. Feature-First：按功能组织代码，非按技术层     │
│ 2. Controller 零业务：控制器禁止包含业务逻辑      │
│ 3. Service 纯净：服务层禁止导入 HTTP 类型         │
│ 4. 环境变量配置：所有配置来自环境变量              │
│ 5. 类型化错误：每个错误都有类型、日志、统一格式    │
│ 6. 边界验证：所有输入在边界处验证                  │
│ 7. 结构化日志：JSON 格式 + RequestID，禁用 console│
└────────────────────────────────────────────────┘

三层架构与依赖注入

                 ┌─────────────┐
   HTTP 请求 ───▶│ Controller  │ 解析、验证、路由
                 │ (HTTP层)    │ ⚠️ 禁止业务逻辑
                 └──────┬──────┘
                        │ 依赖注入
                 ┌──────▼──────┐
                 │  Service    │ 业务规则、编排
                 │ (业务层)    │ ⚠️ 禁止 HTTP 类型
                 └──────┬──────┘
                        │ 依赖注入
                 ┌──────▼──────┐
                 │ Repository  │ 数据访问、外部 API
                 │ (数据层)    │ ⚠️ 禁止业务逻辑
                 └─────────────┘

Feature-First 项目结构示例：

src/
├── orders/
│   ├── orders.controller.ts    # HTTP 处理
│   ├── orders.service.ts       # 业务逻辑
│   ├── orders.repository.ts    # 数据访问
│   ├── orders.types.ts         # 类型定义
│   └── orders.test.ts          # 测试
├── users/
│   ├── users.controller.ts
│   ├── users.service.ts
│   └── ...
└── shared/
    ├── config.ts               # 集中配置
    ├── errors.ts               # 错误类型体系
    └── logger.ts               # 结构化日志

中间件执行顺序（严格）

Request ──▶ RequestID ──▶ Logging ──▶ CORS ──▶ RateLimit
    ──▶ BodyParse ──▶ Auth ──▶ Authz ──▶ Validation ──▶ Handler

实时通信模式选择

┌──────────────┬─────────────────┬─────────────────┐
│    模式       │    最佳场景       │    复杂度        │
├──────────────┼─────────────────┼─────────────────┤
│ SSE          │ 服务端推送        │ ★☆☆ 简单        │
│ (通知/Feed)   │ (单向)          │                 │
├──────────────┼─────────────────┼─────────────────┤
│ WebSocket    │ 双向通信          │ ★★★ 复杂        │
│ (聊天/游戏)   │ 需要心跳+重连    │                 │
├──────────────┼─────────────────┼─────────────────┤
│ Polling      │ 简单状态检查      │ ★☆☆ 最简        │
│ (低频场景)    │ 少量客户端       │                 │
└──────────────┴─────────────────┴─────────────────┘

适用场景与边界

3.3 android-native-dev — Android 原生开发

核心定位

为 Android 原生应用提供从项目初始化到 Material Design 3 合规的完整指导，技术栈围绕 Kotlin + Jetpack Compose 构建。

项目状态评估矩阵

┌──────────────────────┐
│ 项目初始状态判断       │
├──────────────────────┤
│ 空目录？              │──▶ 完整初始化（Gradle Wrapper等）
│ 有 Gradle Wrapper？   │──▶ 直接构建
│ Android Studio 项目？ │──▶ 检查 Wrapper
│ 不完整项目？          │──▶ 修复缺失配置
└──────────────────────┘

核心原则：确保 ./gradlew assembleDebug 成功后再写业务逻辑

Kotlin 协程与线程模型

// ✅ 正确：IO 操作使用 IO 调度器
suspend fun fetchUser(): User = withContext(Dispatchers.IO) {
    api.getUser()  // 网络请求在 IO 线程
}

// ❌ 错误：在主线程执行网络请求（导致 ANR）
fun fetchUser(): User {
    return api.getUser()  // 阻塞主线程!
}

关键协程调度规则：

Material Design 3 规范要点

┌────────────────────────────────────────┐
│         M3 设计规范核心指标              │
├────────────────────────────────────────┤
│ 对比度：正文文本最低 4.5:1              │
│ 触控目标：最小 48×48dp                  │
│ 网格系统：8dp 基准网格                  │
│ 动画时长：50ms - 500ms                 │
│ 启动时间：< 2s（超过即为反模式）         │
└────────────────────────────────────────┘

适用场景与边界

3.4 ios-application-dev — iOS 应用开发

核心定位

严格遵循 Apple Human Interface Guidelines (HIG) 的 iOS 开发指南，同时覆盖 UIKit 和 SwiftUI 双技术路径。

UIKit vs SwiftUI 组件对照

┌──────────────────┬─────────────────────┬────────────────────┐
│ 场景              │ UIKit                │ SwiftUI            │
├──────────────────┼─────────────────────┼────────────────────┤
│ 主要板块          │ UITabBarController   │ TabView            │
│ 下钻导航          │ UINavigationController│ NavigationStack    │
│ 专注任务          │ Sheet presentation   │ .sheet + detents   │
│ 列表内容          │ UICollectionView     │ List + insetGrouped│
│ 搜索              │ UISearchController   │ .searchable        │
│ 深色模式          │ 语义颜色              │ .primary/.secondary│
│ 生命周期          │ UIApplication通知     │ @Environment       │
└──────────────────┴─────────────────────┴────────────────────┘

核心开发原则

┌────────────────────────────────────────────────┐
│             iOS 开发铁律                         │
├────────────────────────────────────────────────┤
│ 布局：触控目标 ≥ 44pt                            │
│ 布局：内容必须在安全区域内                         │
│ 布局：8pt 间距网格（8, 16, 24...）                │
│ 布局：主要操作位于拇指区（屏幕下半部分）             │
│ 排版：支持 Dynamic Type                          │
│ 颜色：对比度 ≥ 4.5:1（普通文本）                  │
│ 导航：底部标签栏 3-5 个板块                       │
│ 导航：严禁汉堡菜单 🚫                            │
│ 隐私：上下文场景中请求权限                         │
│ 隐私：支持 Sign in with Apple                    │
└────────────────────────────────────────────────┘

适用场景与边界

3.5 shader-dev — GLSL 着色器开发

核心定位

覆盖 36 种 GLSL 着色器技术 的统一 Skill，兼容 ShaderToy，可生成独立 WebGL2 HTML 页面。

技术分类体系

┌─────────────────────────────────────────────────────┐
│              shader-dev 36项技术分类                   │
├─────────────┬───────────────────────────────────────┤
│ 几何 & SDF  │ sdf-2d, sdf-3d, CSG布尔运算,          │
│ (6项)       │ 域重复, 域扭曲, SDF技巧                 │
├─────────────┼───────────────────────────────────────┤
│ 光线 & 照明 │ 光线行进, 解析光追, 路径追踪,           │
│ (7项)       │ 光照模型, 阴影技术, 环境遮蔽, 法线估算  │
├─────────────┼───────────────────────────────────────┤
│ 仿真 & 物理 │ 流体仿真, 物理仿真, 粒子系统, 元胞自动机│
│ (4项)       │                                        │
├─────────────┼───────────────────────────────────────┤
│ 自然现象    │ 海洋/水面, 地形渲染, 大气散射, 体积渲染  │
│ (4项)       │                                        │
├─────────────┼───────────────────────────────────────┤
│ 程序化生成  │ 程序化噪声, 2D图案, Voronoi噪声,       │
│ (5项)       │ 分形渲染, 色彩调色板                    │
├─────────────┼───────────────────────────────────────┤
│ 后处理 & 基础│ 后处理, 多Pass缓冲, 纹理采样,          │
│ (8项)       │ 矩阵变换, 极坐标UV, 抗锯齿,            │
│             │ 相机效果, 高级纹理映射                   │
├─────────────┼───────────────────────────────────────┤
│ 音频 (1项)  │ 程序化音频合成                          │
├─────────────┼───────────────────────────────────────┤
│ 调试 (1项)  │ WebGL2 陷阱与调试                       │
└─────────────┴───────────────────────────────────────┘

路由机制

Skill 采用"路由表"模式：根据用户需求匹配主技术 + 组合技术：

用户请求："创建一个有柔和阴影的光线行进 SDF 场景"
    │
    ├── 主技术：ray-marching + sdf-3d
    └── 组合技术：lighting-model + shadow-techniques

WebGL2 适配规则

从 ShaderToy 风格到独立 HTML 的关键转换：

// ShaderToy 风格（原始）
void mainImage(out vec4 fragColor, in vec2 fragCoord) {
    vec2 uv = (2.0 * fragCoord - iResolution.xy) / iResolution.y;
    // ... shader logic ...
    fragColor = vec4(col, 1.0);
}

// WebGL2 适配（必须添加 main() 包装）
#version 300 es
precision highp float;
out vec4 fragColor;
uniform vec2 iResolution;
uniform float iTime;

void mainImage(out vec4 fragColor, in vec2 fragCoord) {
    vec2 uv = (2.0 * fragCoord - iResolution.xy) / iResolution.y;
    // ... shader logic ...
    fragColor = vec4(col, 1.0);
}

void main() {
    mainImage(fragColor, gl_FragCoord.xy);  // 注意：gl_FragCoord
}

Quick Recipe 示例 —— 逼真 SDF 场景

┌─────────────┐     ┌──────────────┐     ┌──────────────┐
│ 1. 几何体    │────▶│ 2. 渲染       │────▶│ 3. 光照       │
│ sdf-3d      │     │ ray-marching │     │ lighting-model│
│ + CSG布尔   │     │ + 法线估算    │     │ + 软阴影      │
└─────────────┘     └──────────────┘     │ + 环境遮蔽    │
                                          └──────┬───────┘
                                                 │
                         ┌──────────────┐  ┌─────▼────────┐
                         │ 5. 后处理     │◀─│ 4. 大气       │
                         │ ACES色调映射  │  │ 高度雾+日光   │
                         │ + 2xSSAA     │  └──────────────┘
                         │ + 暗角       │
                         └──────────────┘

性能预算（严格限制）

适用场景与边界

3.6 gif-sticker-maker — GIF 贴纸工厂

核心定位

将用户上传的照片（人物、宠物、物品、Logo）转换为 4 张 Funko Pop / 盲盒风格 的动画 GIF 贴纸。

完整工作流

┌──────────────┐    ┌──────────────┐    ┌──────────────┐
│ Step 0       │───▶│ Step 1       │───▶│ Step 2       │
│ 收集字幕文案  │    │ 生成静态贴纸  │    │ 图片转动画    │
│              │    │ (MiniMax     │    │ (MiniMax     │
│ 用户选择:     │    │  Image API)  │    │  Video API)  │
│ • 自定义4条   │    │              │    │              │
│ • 默认模板    │    │ 可并发×4     │    │ 可并发×4     │
└──────────────┘    └──────────────┘    └──────────────┘
                                              │
                    ┌──────────────┐    ┌──────▼───────┐
                    │ Step 4       │◀───│ Step 3       │
                    │ 交付输出      │    │ MP4→GIF转换  │
                    │ deliver_assets│   │ (FFmpeg)     │
                    └──────────────┘    └──────────────┘

默认四表情

核心脚本调用

# Step 1: 生成静态贴纸图片
python scripts/minimax_image.py \
  --prompt "Funko Pop blind box style, C4D rendering, white studio lighting..." \
  --subject-ref user_photo.jpg \  # 仅人物使用
  --output sticker-hi.png

# Step 2: 图片生成动画视频
python scripts/minimax_video.py \
  --image sticker-hi.png \
  --prompt "Character waves hand, slight head tilt, smooth loop" \
  --output sticker-hi.mp4

# Step 3: 视频转 GIF
python scripts/convert_mp4_to_gif.py \
  --input sticker-hi.mp4 \
  --output sticker-hi.gif

适用场景与边界

3.7 minimax-pdf — PDF 文档设计系统

核心定位

一个拥有完整 Token-Based 设计系统 的 PDF 生成 Skill，支持三种模式：CREATE（从零创建）、FILL（填充表单）、REFORMAT（重排版）。

路由决策

用户意图判断
    │
    ├── "生成一份报告" ──▶ CREATE
    │    │
    │    └── palette.py → cover.py → render_cover.js → render_body.py → merge.py
    │
    ├── "填写这个表单" ──▶ FILL
    │    │
    │    └── fill_inspect.py → fill_write.py
    │
    └── "重新排版这份文档" ──▶ REFORMAT
         │
         └── reformat_parse.py → [完整 CREATE 管线]

15 种文档类型与视觉体系

┌─────────────┬─────────────┬──────────────────────────┐
│ 文档类型     │ 封面模式     │ 视觉特征                  │
├─────────────┼─────────────┼──────────────────────────┤
│ report      │ fullbleed   │ 深色背景, 点阵, Playfair  │
│ proposal    │ split       │ 左面板+右几何, Syne       │
│ resume      │ typographic │ 超大首字, DM Serif        │
│ portfolio   │ atmospheric │ 近黑, 径向辉光, Fraunces  │
│ academic    │ typographic │ 浅色背景, 古典衬线        │
│ minimal     │ minimal     │ 白底+8px强调条            │
│ terminal    │ terminal    │ 近黑, 网格线, 等宽, 霓虹绿│
│ poster      │ poster      │ 白底, 粗侧栏, 超大标题    │
│ ...         │ ...         │ 共 15 种                  │
└─────────────┴─────────────┴──────────────────────────┘

内容块类型系统

CREATE 模式通过 content.json 定义页面内容，支持丰富的块类型：

[
  {"type": "h1", "text": "执行摘要"},
  {"type": "body", "text": "本季度营收同比增长 <b>23%</b>..."},
  {"type": "callout", "text": "关键洞察：用户留存率是增长的核心驱动力"},
  {"type": "chart", "chart_type": "bar",
   "labels": ["Q1","Q2","Q3","Q4"],
   "datasets": [{"label": "营收", "values": [120,145,132,178]}]},
  {"type": "flowchart",
   "nodes": [
     {"id": "s", "label": "开始", "shape": "oval"},
     {"id": "p", "label": "处理", "shape": "rect"},
     {"id": "d", "label": "验证?", "shape": "diamond"},
     {"id": "e", "label": "结束", "shape": "oval"}
   ],
   "edges": [
     {"from": "s", "to": "p"},
     {"from": "p", "to": "d"},
     {"from": "d", "to": "e", "label": "是"},
     {"from": "d", "to": "p", "label": "否"}
   ]}
]

技术栈

适用场景与边界

3.8 pptx-generator — PowerPoint 演示文稿生成器

核心定位

基于 PptxGenJS 的模块化 PPT 生成系统，支持从零创建、编辑现有文件和文本提取。

创建工作流

┌──────────┐    ┌──────────┐    ┌──────────┐    ┌──────────┐
│ Research │───▶│ Design   │───▶│ Planning │───▶│ Generate │
│ 受众分析  │    │ 选择色板  │    │ 幻灯片   │    │ 生成JS   │
│ 话题研究  │    │ 选择字体  │    │ 分类规划 │    │ 模块文件 │
└──────────┘    └──────────┘    └──────────┘    └──────────┘
                                                     │
                ┌──────────┐    ┌──────────┐         │
                │ QA       │◀───│ Compile  │◀────────┘
                │ 质量保证  │    │ compile.js│
                └──────────┘    │ 合并PPTX  │
                                └──────────┘

幻灯片五分类体系

每张幻灯片必须归入以下五类之一：

模块化代码结构

// slides/slide-01.js — 每个幻灯片一个独立模块
function createSlide(pres, theme) {
  const slide = pres.addSlide();
  
  // 背景
  slide.background = { fill: theme.bg };
  
  // 标题
  slide.addText("Q3 Strategy Review", {
    x: 0.8, y: 1.5, w: 8.4, h: 1.2,
    fontSize: 36, fontFace: "Arial",
    color: theme.primary, bold: true
  });
  
  // 页码徽章（封面页之外所有页必须有）
  slide.addShape(pres.ShapeType.oval, {
    x: 9.1, y: 5.0, w: 0.5, h: 0.5,
    fill: { color: theme.accent }
  });
  slide.addText("1", {
    x: 9.1, y: 5.0, w: 0.5, h: 0.5,
    fontSize: 10, color: "FFFFFF", align: "center"
  });
}

module.exports = { createSlide };

技术规格

3.9 minimax-xlsx — Excel 电子表格处理

核心定位

基于 XML 直接编辑 的 Excel 处理 Skill，避免传统库（如 openpyxl）的格式丢失问题。

路由与执行流

┌──────────────────────────────────────────────────────────┐
│                    minimax-xlsx 路由表                     │
├──────────┬────────────────┬──────────────────────────────┤
│ 任务      │ 方法           │ 核心工具                      │
├──────────┼────────────────┼──────────────────────────────┤
│ READ     │ 分析现有数据    │ xlsx_reader.py + pandas      │
│ CREATE   │ 从零创建 xlsx  │ XML 模板复制 + xlsx_pack.py   │
│ EDIT     │ 修改现有 xlsx  │ xlsx_unpack → 编辑XML → pack │
│ FIX      │ 修复公式       │ 解压 → 修复<f>节点 → 打包    │
│ VALIDATE │ 检查公式       │ formula_check.py             │
└──────────┴────────────────┴──────────────────────────────┘

XML 直接编辑原理

这是该 Skill 最核心的技术创新。传统的 Python 库在处理复杂 Excel 时会丢失 VBA 宏、数据透视表等高级特性。minimax-xlsx 通过直接操作底层 XML 来解决：

原始 .xlsx 文件（本质是 ZIP 压缩包）
    │
    ▼ xlsx_unpack.py（解压）
    │
    ├── [Content_Types].xml
    ├── xl/
    │   ├── workbook.xml        # 工作簿定义
    │   ├── styles.xml          # 样式定义
    │   ├── sharedStrings.xml   # 共享字符串
    │   └── worksheets/
    │       ├── sheet1.xml      # ← 直接编辑单元格XML
    │       └── sheet2.xml
    └── ...
    │
    ▼ xlsx_pack.py（重新打包）
    │
    修改后的 .xlsx 文件（完整保留所有特性）

编辑操作示例

# 解压
python scripts/xlsx_unpack.py --input report.xlsx --output-dir ./tmp/

# 添加列（带公式和格式）
python scripts/xlsx_add_column.py \
  --dir ./tmp/ \
  --sheet sheet1 \
  --col F \
  --header "合计" \
  --formula "SUM(B{row}:E{row})" \
  --number-format "#,##0.00" \
  --border thin

# 重新打包
python scripts/xlsx_pack.py --input-dir ./tmp/ --output report_edited.xlsx

金融格式化标准

3.10 minimax-docx — Word 文档处理

核心定位

基于 OpenXML SDK (.NET) 的专业 DOCX 处理 Skill，支持创建、编辑和模板格式化，配备严格的 XSD 验证管线。

三条管线

               ┌─ 无输入文件 ──▶ Pipeline A: CREATE
               │                 从零起草新文档
               │
任务路由 ──────┤
               │                 ┌─ Pipeline B: FILL-EDIT
               └─ 有输入文件 ──▶┤  替换文本/填充占位符
                                │
                                └─ Pipeline C: FORMAT-APPLY
                                   ├─ C-1 Overlay (纯样式覆盖)
                                   └─ C-2 Base-Replace (模板+内容)

验证管线（强制）

每次操作后必须经过三步验证：

操作完成 ──▶ merge-runs ──▶ validate --xsd ──▶ validate --business
             合并运行        XSD 结构验证       业务规则检查

OpenXML 关键约束

<!-- ⚠️ 元素顺序规则：属性必须在内容之前 -->

<!-- ✅ 正确 -->
<w:p>
  <w:pPr>                <!-- 段落属性在前 -->
    <w:pStyle w:val="Heading1"/>
  </w:pPr>
  <w:r>                  <!-- 运行在后 -->
    <w:rPr>              <!-- 运行属性在前 -->
      <w:b/>
    </w:rPr>
    <w:t>标题文本</w:t>   <!-- 文本内容在后 -->
  </w:r>
</w:p>

<!-- ❌ 错误 — 属性在内容之后会导致文档损坏 -->
<w:p>
  <w:r>
    <w:t>标题文本</w:t>
    <w:rPr><w:b/></w:rPr>  <!-- 运行属性不应在文本之后 -->
  </w:r>
  <w:pPr>...</w:pPr>        <!-- 段落属性不应在运行之后 -->
</w:p>

字号单位注意：OpenXML 使用半磅值（half-points），12pt 字体 = sz="24"。

3.11 minimax-multimodal-toolkit — 多模态工具箱

核心定位

MiniMax 多模态 API 的 统一命令行入口，纯 Bash 脚本实现（无需 Python），通过 curl + FFmpeg + jq 驱动。

五大功能模块

┌──────────────────────────────────────────────────────────────┐
│              minimax-multimodal-toolkit 架构                   │
├───────────┬───────────┬──────────┬──────────┬───────────────┤
│   TTS     │  Music    │  Image   │  Video   │  Media Tools  │
│  语音合成  │  音乐生成  │ 图像生成  │ 视频生成  │  媒体处理     │
├───────────┼───────────┼──────────┼──────────┼───────────────┤
│ • 单语音   │ • 纯音乐   │ • 文生图  │ • 文生视频│ • 格式转换    │
│ • 多角色   │ • 带歌词   │ • 图生图  │ • 图生视频│ • 音视频拼接  │
│ • 语音克隆 │            │          │ • 长视频  │ • 裁剪/提取   │
│ • 语音设计 │            │          │ • 首尾帧  │ • 音频混音    │
├───────────┴───────────┴──────────┴──────────┴───────────────┤
│             scripts/*.sh (纯 Bash，无需 Python)               │
│             依赖：bash, curl, ffmpeg, jq, xxd                │
└──────────────────────────────────────────────────────────────┘

决策树

每个模块都有明确的决策规则：

TTS 决策：

用户需要语音？
    ├── 单一角色 ──▶ tts 命令（直接生成）
    └── 多角色/超长文本/有声书 ──▶ segments.json + generate 命令

Music 决策：

用户需要音乐？
    ├── 背景音乐/未指定 ──▶ --instrumental（默认，不询问）
    └── 明确要歌曲 ──▶ 询问是否需要歌词 → --lyrics

Video 决策：

用户需要视频？
    ├── 单段视频 ──▶ generate_video.sh
    │   ├── 1080P ──▶ 最长 6s
    │   └── 768P  ──▶ 最长 10s
    └── 多场景/长视频 ──▶ generate_long_video.sh

使用示例

# 环境配置
export MINIMAX_API_HOST="https://api.minimax.io"
export MINIMAX_API_KEY="sk-api-..."

# TTS - 文本转语音
bash scripts/tts/generate_voice.sh tts "Hello world" \
  -o minimax-output/hello.mp3

# 音乐 - 纯音乐背景
bash scripts/music/generate_music.sh \
  --instrumental \
  --prompt "ambient electronic, calm, lo-fi beats" \
  --output minimax-output/bgm.mp3 --download

# 图像 - 文生图
bash scripts/image/generate_image.sh \
  --prompt "A cat sitting on a rooftop at sunset, warm colors" \
  --aspect-ratio 16:9 \
  -o minimax-output/cat.png

# 视频 - 文生视频（自动优化提示词）
bash scripts/video/generate_video.sh --mode t2v \
  --prompt "A golden retriever runs through autumn leaves, [跟随] tracking shot" \
  -o minimax-output/puppy.mp4

# 媒体工具 - 拼接视频
bash scripts/media_tools.sh concat-video \
  -i "clip1.mp4,clip2.mp4,clip3.mp4" \
  --crossfade 500 \
  -o minimax-output/merged.mp4

视频提示词公式

主体 + 场景 + 动作 + 镜头运动 + 氛围

示例：
"一只金毛犬, 在秋天的公园草地上, 奔跑追逐落叶,
 [跟随]镜头平稳跟随, 暖色调阳光氛围"

适用场景与边界

四、跨 Skill 技术特征总结

4.1 设计模式对比

4.2 共性设计原则

┌─────────────────────────────────────────────────────────┐
│               11 个 Skill 的共性设计原则                   │
├─────────────────────────────────────────────────────────┤
│ 1. 声明式路由：根据用户意图自动匹配执行路径               │
│ 2. 强制流程：工作流步骤不可跳过，保证质量                  │
│ 3. 脚本工具链：每个 Skill 自带可执行脚本                  │
│ 4. 参考文档分层：SKILL.md 概览 + references/ 深入          │
│ 5. 防错机制：Anti-patterns 清单 + 常见陷阱警告             │
│ 6. 环境检查：首次运行前验证依赖完整性                      │
│ 7. 零占位符原则：禁止使用 placeholder/Lorem ipsum          │
└─────────────────────────────────────────────────────────┘

4.3 技术依赖矩阵

五、实践指南：如何集成到 AI 编程工具

5.1 Claude Code 安装

# 一键安装
claude plugin marketplace add https://github.com/MiniMax-AI/skills
claude plugin install minimax-skills

5.2 Cursor 安装

# 克隆到本地
git clone https://github.com/MiniMax-AI/skills ~/.cursor/minimax-skills

# 在 Cursor Settings 中配置 skills 路径指向
# ~/.cursor/minimax-skills/skills/

5.3 Codex / OpenCode 安装

# Codex
git clone https://github.com/MiniMax-AI/skills ~/.codex/minimax-skills
ln -s ~/.codex/minimax-skills/skills ~/.agents/skills

# OpenCode
git clone https://github.com/MiniMax-AI/skills ~/.config/opencode/minimax-skills
ln -s ~/.config/opencode/minimax-skills/skills ~/.config/opencode/skills

六、总结与展望

MiniMax Skills 代表了 AI 编程代理技能体系的一种前沿实践。它的核心贡献在于：

1. 结构化的 Skill 定义规范：通过 SKILL.md 标准化技能描述、触发条件、工作流和质量门禁，使 AI 代理的行为可预测、可审计。

2. 全栈覆盖：从前端到后端、从移动端到图形渲染、从文档生成到多模态创作，构建了一个完整的开发能力矩阵。

3. 生产级质量保证：每个 Skill 都内置了严格的约束规则和质量检查机制，确保 AI 生成的代码和内容达到生产标准。

4. MiniMax API 深度集成：在内容创作类 Skill 中，深度集成了 MiniMax 的多模态 API（图像、视频、音频、TTS），展示了 AI 代理如何调用外部 AI 能力。

5. 跨工具兼容：同一套 Skill 可在 Claude Code、Cursor、Codex、OpenCode 等多种 AI 编程工具中使用，体现了标准化的价值。

随着 AI 编程代理的快速发展，这种 结构化技能定义 + 强制工作流 + 内置质量门禁 的模式，可能会成为行业的标准范式。值得每一位关注 AI 开发工具链的工程师深入研究和实践。

参考资料：

• MiniMax-AI/skills GitHub 仓库
• MiniMax 平台文档
• Claude Code 插件文档
• Cursor AI 编辑器文档

× 爱折腾的工程师

真诚赞赏，手留余香

2元 5元 10元 50元 100元 任意金额

2元

使用微信扫描二维码完成支付

• ← Previous Post
• Next Post →