当ChatGPT for Excel全球上线，Claude将Office三件套转正GA，巨头们争相把大模型塞进办公套件时，一个更深层的问题浮现：光有强大的模型本身不够，从脏数据到分析报告到汇报PPT，中间那条自动化链路谁来跑？GitHub上刚开源的SenseNova-Skills给出了一个答案，我们实测了四个真实场景，效果有点超出预期。

第一个场景是流程图生成。输入出国旅游的签证、机票等需求，Agent自动生成一张完整流程图，步骤清晰，中文排版零乱码，风格对标小红书爆款。第二个场景是存储芯片价格分析，6家厂商13种品类混着来，数据脏乱差严重。Agent先跑数据审计，清理厂商名不规范和空值，对13%的离群值不简单删除，而是分析后保留真实业务场景，最终按品类、应用场景、厂商交叉分析，精准捕捉到2026年2月下旬的价格拐点，结论是AI服务器需求带动的结构性修复。

第三个场景是低空经济行业调研，只给题目没有参考资料。Agent自主检索国内外主流厂商进展，提取UAM落地节奏和eVTOL零部件国产化率，生成产业链结构图和成本占比饼图，用TAM/SAM/SOM框架测算市场规模，整个过程由sn-deep-research Skill编排，支持断点续跑。第四个场景是城市新能源汽车充电基础设施布局与运营方案，Agent搭建七段式框架，最终交付23页完整PPT，每部分匹配对应图表，连配色都替你想好。

这套Skills背后的轻量模型SenseNova 6.7 Flash-Lite在Claw-Eval榜单冲进前十，紧跟DeepSeek V4 Pro和GPT-5.4，压过Gemini 3.1 Pro。对于AI从业者，这标志着大模型从会聊天到会交作业的关键跨越，开源社区正加速推动办公自动化全链路落地。建议开发者直接克隆项目仓库，尝试将Skills集成到自己的办公流程中，尤其适合处理跨环节、多数据源的复杂任务。