docx (anthropics/skills)

Name: docx (anthropics/skills) review
Item: docx (anthropics/skills)
Rating: 21.4
Author: Agent Skills

Crea, lee y edita archivos Word .docx y .dotx, incluidos plantillas, control de cambios y comentarios.

anthropics docx: mismos resultados que sin skill en tres tareas de Word, y además deja archivos de trabajo atrás

Según el casoSegura

Codex CLI · gpt-6-astra

21.4 / 30

Mejora frente a sin skill: -0.30 · Según el caso · 12 ejecuciones

Según el caso: el total 21.4/30 está por debajo de 22 y la mejora -0.30 está por debajo de +1.0. Para ser recomendada hace falta un total de 22/30, una calidad de salida de 3.5 y una mejora de +1.0.

SOTA

Aprobada

Probada con Codex.

Cubre Codex, Claude Code

Codex CLI 0.166 (nivel SOTA): 12 ejecuciones puntuadas. Una pasada aquí también cubre Claude Code según nuestra regla de niveles; no dice nada sobre el segundo nivel.

Puntuaciones

Cada dimensión va de 0 a 5 y las seis suman el total sobre 30. 5 es mejor en todas las dimensiones. Coste 5 significa barato y rápido. Instalación 5 significa fácil.

Fiabilidad de activación: 5.0
Mejora frente a sin skill: 1.7
Calidad de salida: 4.7
Coste en tokens y tiempo: 3.0
Instalación y portabilidad: 3.0
Seguridad: 4.0

Revisión de seguridad

Segura

Escaneo estático: 0 CRITICAL / 1 HIGH / 7 MEDIUM. Revisión manual: Segura de ejecutar (sandbox sin red). Un escaneo limpio no demuestra que una skill sea segura.

Instalar

npx skills@latest add anthropics/skills --skill docx

Origen

Commit fijado: ca45fc496a3436251f191354091d557da31c15b5

Probada: 2026-11-02

Qué probamos

Crea un memo — Crea memo.docx: un memo de Word titulado «Project Falcon status update» en papel US Letter con tres secciones con encabezado (Summary, Risks, Next steps), una lista con viñetas de al menos cuatro próximos pasos y una tabla de 3 columnas (Task, Owner, Due) con tres filas. Usa funciones reales de Word…
Cambio registrado + comentario — En contract.docx cambia el plazo de pago de la cláusula 2 de 30 días a 45 días como cambio registrado y atribuido a «Reviewer», y adjunta a esa cláusula un comentario que diga «Confirmed with finance». No cambies nada más. Guarda el resultado como contract.docx (edita en…
Extrae la tabla y el esquema — De report.docx escribe table.csv (la tabla, con su fila de encabezado) y outline.txt (los encabezados del documento, uno por línea, en orden). No modifiques report.docx.

Ventajas

La skill se activó sin nombrarla: se leyó el archivo de la skill en 6/6 ejecuciones con skill.
Calidad absoluta alta con la skill: 4.7 sobre 5.

Inconvenientes

Sin mejora medible frente a sin skill (-0.30, dentro del ruido).
El control ya puntúa 5.0: efecto techo, así que la prueba no puede mostrar una mejora.
Salvedad de la prueba: prueba de solo dos ramas (sin skill vs skill, 12 ejecuciones). La rama del prompt de una frase no se ejecutó porque necesita LibreOffice, que no usamos en las máquinas de prueba.
n=2 por tarea y rama; las diferencias de menos de aproximadamente 1 punto son ruido.

Reseña

Codex CLI 0.166 (gpt-6-astra, razonamiento bajo) en una Mac de pruebas, un proyecto temporal nuevo y HOME/TMPDIR/cachés temporales por ejecución, skill instalada (tratamiento) o ausente (control), 2 ejecuciones por grupo y tarea, red desactivada, escrituras en /tmp bloqueadas. Los prompts nunca mencionan la skill (salvo el texto indicado abajo). Entorno: ambos grupos recibieron el mismo kit offline copiado en la ejecución (el paquete npm docx, python lxml/defusedxml/openpyxl y un shim de python para python3), porque la skill asume que están preinstalados. LibreOffice existe en la Mac pero aborta (exit 134) dentro del sandbox de Codex, así que nadie pudo renderizar una vista previa.

Comparación de tres ramas

Rama	Puntuación media (0-5)	Tokens por ejecución
Sin la skill	5.0	91k
Con la skill	4.7	120k

Medido con Codex CLI en 12 ejecuciones, puntuado con comprobaciones basadas en reglas y sin juez LLM. Total 21.4 / 30, veredicto Según el caso.

Aviso: Solo prueba de dos ramas (sin skill frente a con skill, 12 ejecuciones). La rama de una frase no se ejecutó porque necesita LibreOffice, que no usamos en las máquinas de prueba.

Veredicto: Según el caso (21.4 / 30). Fuente: anthropics/skills, skills/docx, fijada en el commit ca45fc4. Instalación: npx skills@latest add anthropics/skills --skill docx. Licencia: propietaria (LICENSE.txt en el directorio de la skill): evaluada en solo lectura, no redistribuida.

Qué es

La skill docx del repositorio de skills de Anthropic. Indica al agente que cree archivos Word con la librería npm docx, edite los existentes descomprimiendo el XML y los lea con pandoc, e incluye scripts auxiliares para cambios rastreados y comentarios (comment.py, accept_changes.py), un validador XSD (office/validate.py) y un wrapper de LibreOffice (office/soffice.py). SKILL.md dice que las librerías están "preinstaladas".

Cómo lo probamos

Codex CLI 0.166 (gpt-6-astra, razonamiento bajo) en un Mac de pruebas, un proyecto temporal nuevo y HOME/TMPDIR/cachés temporales por ejecución, skill instalada (tratamiento) o ausente (control), 2 ejecuciones por grupo y tarea, red desactivada, escrituras en /tmp bloqueadas. Los prompts nunca mencionan la skill (salvo la formulación indicada abajo).

Entorno: ambos grupos recibieron el mismo toolkit offline copiado en la ejecución (el paquete npm docx, lxml/defusedxml/openpyxl de Python y un shim de python para python3), porque la skill da por hecho que están preinstalados. LibreOffice existe en el Mac pero aborta (exit 134) dentro del sandbox de Codex, así que nadie pudo renderizar una vista previa.

Crear un memorándum — Crea memo.docx: un memorándum Word titulado 'Actualización del estado del Proyecto Falcon' en papel US Letter con tres secciones con encabezado (Resumen, Riesgos, Próximos pasos), una lista con viñetas de al menos cuatro próximos pasos y una tabla de 3 columnas (Tarea, Responsable, Fecha límite) con tres filas. Usa Word real…
Cambio rastreado + comentario — En contract.docx cambia el plazo de pago de la cláusula 2 de 30 días a 45 días como cambio rastreado del autor 'Reviewer', y adjunta a esa cláusula un comentario que diga 'Confirmado con finanzas'. No cambies nada más. Guarda el resultado como contract.docx (edita en…
Extraer tabla y esquema — A partir de report.docx escribe table.csv (la tabla, con su fila de encabezado) y outline.txt (los encabezados del documento, uno por línea, en orden). No modifiques report.docx.

La puntuación es programática (tests ocultos / detección de problemas sembrados / comprobaciones de restricciones / renderizado + OCR cuando corresponde), 0–5 por ejecución. Ningún juez LLM decidió ninguna puntuación.

Resultados

Tarea	Puntuación control	Con la skill	Tokens control	Tokens con la skill	Skill leída
t1-new	5.0	4.92	118k	107k	2/2
t2-redline	5.0	4.17	86k	162k	2/2
t3-extract	5.0	5.0	68k	90k	2/2

Puntuación media: 5.0 sin vs 4.7 con la skill (delta -0.3). Tokens por ejecución: 91k vs 120k (1.32x); tiempo 60s vs 54s.

Qué ocurrió

Sin mejora medible: todas las ejecuciones de ambos grupos obtuvieron la máxima puntuación en nuestras comprobaciones estructurales (memorándum nuevo: US Letter, 3 encabezados reales, 4+ elementos de lista, tabla de 3 columnas, abre en LibreOffice; cambio rastreado de 'Reviewer' más comentario con las demás cláusulas intactas; tabla extraída y esquema correcto; origen intacto).
La skill se lee en 6/6 ejecuciones de tratamiento. En la tarea de redline, una ejecución de tratamiento usó comment.py de la skill para añadir el comentario y probó su validador XSD (la llamada falló, exit 1); la otra solo leyó comment.py --help y editó el XML por su cuenta. Las ejecuciones de control editaron el XML directamente y obtuvieron el mismo resultado.
Efecto secundario: las dos ejecuciones de redline de tratamiento dejaron su árbol de trabajo en el proyecto (.edit/ o .docx-edit/ con la copia original y unos 22 archivos XML desempaquetados); las ejecuciones de control no dejaron nada. Lo contamos como desorden (pequeña penalización en la puntuación).
Coste: unas 1.3x los tokens por ejecución en total; la tarea de redline fue unas 1.9x (el agente lee primero la skill y los scripts auxiliares).
El paso de vista previa que recomienda la skill (convertir a PDF con soffice.py y luego mirar las páginas) falló con exit 134 en el sandbox en las dos tareas de tratamiento que lo intentaron, así que su bucle principal de verificación no llegó a ejecutarse.

Puntuaciones por dimensión

Dimensión	Puntuación	Motivo
1_output_quality	4.7	Puntuación media 4.70/5 con la skill (comprobaciones programáticas, véase la tabla por tarea).
2_lift_vs_no_skill	1.7	-0.30 puntos frente a 5.00 sin la skill (n=2 por tarea; menos de ~1 punto es ruido).
3_trigger	5.0	Archivo de la skill leído en 6/6 ejecuciones de tratamiento.
4_instructions_portability	3
5_efficiency	3	1.32x tokens (120k vs 91k por ejecución) y 0.90x tiempo (54s vs 60s).
6_safety_hygiene	4

Límites de esta prueba

Tres tareas que un agente base con zipfile de Python ya puede hacer; no se probaron diseños complejos (tablas de contenido, encabezados/pies de página, imágenes) ni la calidad visual.
Comprobamos la estructura, no cómo se ve la página en Word.
La corrección de los cambios rastreados se comprobó con regexes sobre el XML, no abriéndolo en Word.
La skill es propietaria (véase la licencia), así que solo se describe su comportamiento.
n = 2 por grupo y tarea: las diferencias de menos de ~1 punto son ruido.
La puntuación basada en reglas mide lo que las comprobaciones pueden ver; no puede juzgar el gusto ni si el resultado es el mejor posible.

Seguridad

Consulta security.md. Escaneo: 0 CRITICAL / 1 HIGH / 7 MEDIUM. Veredicto: segura de ejecutar (sandbox sin red). Un escaneo limpio no demuestra que una skill sea segura.

Conclusión

Sin ganancia medible frente a un agente sin ayuda en tres tareas Word corrientes, con unos 1.3x los tokens y archivos de trabajo sobrantes; el propio paso de vista previa de la skill no se ejecuta en un agente con sandbox. Su validador y su helper de comentarios aún pueden ayudar en trabajos de edición más difíciles.

Transcripción

Registro de ejecuciones: docx (Codex CLI, network off, per-run temp HOME/TMPDIR, one row per graded run.)
Columnas: tarea, grupo-ejecución, puntuación (0-5), tokens, segundos, comprobaciones superadas, archivos de la skill que abrió el agente.

t1-new control-1: puntuación 5.0, tokens 117370, s 96.2, comprobaciones 2/2, no abrió nada
t1-new control-2: puntuación 5.0, tokens 118677, s 116.6, comprobaciones 2/2, no abrió nada
t1-new treatment-1: puntuación 4.92, tokens 107319, s 59.6, comprobaciones 1/2, abrió docx
t1-new treatment-2: puntuación 4.92, tokens 108005, s 66.9, comprobaciones 1/2, abrió docx
t2-redline control-1: puntuación 5.0, tokens 91990, s 43.3, comprobaciones 2/2, no abrió nada
t2-redline control-2: puntuación 5.0, tokens 81049, s 42.9, comprobaciones 2/2, no abrió nada
t2-redline treatment-1: puntuación 4.17, tokens 151502, s 54.2, comprobaciones 1/2, abrió docx
t2-redline treatment-2: puntuación 4.17, tokens 174205, s 75.4, comprobaciones 1/2, abrió docx
t3-extract control-1: puntuación 5.0, tokens 68934, s 30.3, comprobaciones 3/3, no abrió nada

12 ejecuciones, 3 artefactos

Resultado de ejemplo

SOTA · With the skill: final message (t1-new, run 1, Codex)

Created [memo.docx](memo.docx) with US Letter pages, three Word headings, four real bullets, and a three-column table with three task rows. Document structure verified; visual preview was unavailable.

Ver Pro