raccoon-ppt

# 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)