raccoon ppt skill

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：

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：

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：

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

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

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：

python3 scripts/main.py find-recent-job --statuses waiting_user_input

然后继续回答：

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 

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
• 快速查询枚举值：references/CHEATSHEET.md