Agent Skills

全部技能

xlsx (anthropics/skills)

讀取、編輯、清理、轉換與建立 .xlsx、.xlsm、.xltx、.csv 與 .tsv 格式的試算表。

anthropics xlsx：它的重新計算腳本在 Mac 上從未執行成功，而成績也略低於未使用技能

視情況推薦安全

Codex CLI · gpt-6-astra

20.3 / 30

相對未使用技能的提升：-0.25 · 視情況推薦 · 12 次執行

視情況推薦：總分 20.3/30 低於 22，並且提升幅度 -0.25 低於 +1.0。推薦條件為總分至少 22/30、產出品質至少 3.5、提升幅度至少 +1.0。

SOTA

透過

使用 Codex 測試。

涵蓋 Codex, Claude Code

Codex CLI 0.166（SOTA 等級）：12 次評分執行。依我們的等級規則，在這裡通過也涵蓋 Claude Code；但這不代表第二等級的結果。

分數

每個維度為 0 到 5 分，六個維度相加即為滿分 30 的總分。每個維度都是 5 分最好。成本 5 分代表便宜又快速；安裝 5 分代表容易安裝。

觸發可靠性
5.0
相對未使用技能的提升
1.8
產出品質
4.6
Token 與時間成本
3.0
安裝與可攜性
2.0
安全性
4.0

安全審查

安全

靜態掃描：0 CRITICAL / 0 HIGH / 0 MEDIUM。人工審查：可在無網路沙箱中安全執行。掃描結果乾淨，不代表技能一定安全。

安裝

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

來源

固定 Commit: ca45fc496a3436251f191354091d557da31c15b5

測試日期: 2026-11-02

我們測了什麼

  • 建立預算活頁簿 — 建立 budget.xlsx，內含名為「Budget」的工作表：標題列為 Category、Q1、Q2、Q3、Q4、Total（粗體、Arial 字型）；至少五個支出類別並附範例數字；Total 欄與最下方的 Total 列必須是實際運算的 Excel 公式，不能是手動輸入的值。
  • 新增成長率欄 — 在 sales.xlsx 的 Sales 工作表末端（F 欄）新增「Growth %」欄，用實際運算的公式顯示各地區 Q2 相對於 Q1 的變化。保留現有公式與標題格式。就地編輯檔案。
  • 以 SUMIF 建立摘要工作表 — 在 orders.xlsx 新增「Summary」工作表，用參照 Orders 工作表的實際運算公式，列出各地區（North、South、East、West）的 Amount 總計。不要變更 Orders 工作表。就地編輯檔案。

優點

  • 技能即使未被點名也會被採用：6/6 次實驗組執行都讀取了技能檔案。
  • 使用技能後的絕對品質很高：4.55 / 5。

缺點

  • 相對未使用技能沒有可測量的提升（-0.25，落在雜訊範圍內）。
  • 測試注意事項：僅進行兩組測試（未使用技能對上使用技能，共 12 次執行）。一句話提示組未執行，因為它需要 LibreOffice，而我們不在測試機上執行 LibreOffice。
  • 每個任務的每個組別 n=2；約 1 分以內的差異屬於雜訊。

評測

在 Mac 測試機上執行 Codex CLI 0.166（gpt-6-astra，低推理），每次執行都使用全新的暫存專案與暫存的 HOME/TMPDIR/快取，技能分為已安裝（實驗組）、未安裝（對照組），每個任務的每個組別執行 2 次，關閉網路，封鎖 /tmp 寫入。提示詞從未提到技能（除了下方註明的措辭）。環境：兩組都使用相同的離線工具組（python openpyxl/lxml/defusedxml、node docx、python3 的 python shim），因為技能假設這些工具已存在。Mac 上有 LibreOffice，但無法在 Codex 沙箱內建立設定檔。

三組對照

組別平均分數（0-5）每次執行 Token 用量
未使用技能4.883k
使用技能4.55120k

以 Codex CLI 執行 12 次，採規則式檢查評分，不經 LLM 評審。總分 20.3 / 30，評級為 視情況推薦。

揭露事項：僅進行兩組測試（未使用技能對上使用技能，共 12 次執行）。一句話提示組未執行，因為它需要 LibreOffice，而我們不在測試機上執行 LibreOffice。

評定：視情況而定（20.3 / 30）。 來源：anthropics/skills，skills/xlsx，固定於提交 ca45fc4。安裝：npx skills@latest add anthropics/skills --skill xlsx。授權： 專有（技能目錄中的 LICENSE.txt）：僅以唯讀方式評估，未重新散布。

這是什麼

xlsx 技能（來自 Anthropic 的技能儲存庫）：使用 openpyxl/pandas 建立與編輯 Excel 檔案、讓公式保持運算而不貼上數值、遵循財務模型的顏色慣例，並執行 scripts/recalc.py（LibreOffice 無介面模式）來計算公式及掃描 #REF! 等錯誤。SKILL.md 表示這些工具已預先安裝。

測試方式

在 Mac 測試機上使用 Codex CLI 0.166（gpt-6-astra，低推理），每次執行都建立全新的臨時專案，並使用臨時的 HOME/TMPDIR/快取；分別為安裝技能（技能組）與未安裝（對照組）；每項任務的每組執行 2 次；關閉網路，並封鎖對 /tmp 的寫入。提示詞完全不會提到技能名稱（以下註明的措辭除外）。

環境：兩組都使用相同的離線工具組（python 的 openpyxl/lxml/defusedxml、node 的 docx、以 python 包裝 python3 的 shim），因為技能假設這些工具存在。Mac 上雖有 LibreOffice，但無法在 Codex 沙箱內建立設定檔。

  1. 建立預算活頁簿 — 建立 budget.xlsx，內含名為 'Budget' 的工作表：標題列為 Category、Q1、Q2、Q3、Q4、Total（粗體、Arial 字型）；至少五個支出類別並附範例數字；Total 欄與底部 Total 列必須是實際運算的 Excel 公式，不能是手動輸入的值。
  2. 新增成長率欄 — 在 sales.xlsx 的 Sales 工作表末端（F 欄）新增 'Growth %' 欄，以實際運算的公式顯示各區域 Q2 相對於 Q1 的變化。保留現有公式與標題格式。直接就地編輯檔案。
  3. 使用 SUMIF 的摘要工作表 — 在 orders.xlsx 中新增 'Summary' 工作表，以參照 Orders 工作表的實際運算公式，計算各區域（North、South、East、West）的 Amount 總計。請勿變更 Orders 工作表。直接就地編輯檔案。

計分採程式化方式（隱藏測試／預埋問題召回／限制條件檢查／視情況搭配渲染與 OCR），每次執行 0–5 分。分數並非由任何 LLM 評審決定。

結果

任務對照組分數技能組對照組 token 數技能組 token 數技能讀取
t1-new5.04.7471k118k2/2
t2-edit4.44.479k127k2/2
t3-summary5.04.598k113k2/2

平均分數：無技能 4.8，技能組 4.55（差異 -0.25）。每次執行 token 數：83k 對 120k（1.44 倍）；時間 44 秒對 63 秒。

實際表現

  • 結果大致相同：對照組 4.8、技能組 4.55（滿分 5，n=2，在雜訊範圍內）。兩組都建立了正確的實際運算公式（列與欄合計、成長率欄、各區域 SUMIF），而我們自行重新計算時，數值也都正確。
  • 技能的主打功能沒有執行。6 次技能組執行中有 5 次嘗試了 recalc.py：直接呼叫 python 時因 TypeError: ... 'ignore_cleanup_errors' 而崩潰（該參數需要 Python 3.10+；沙箱 PATH 解析到的 python3 版本較舊），改用 Homebrew Python 後，又在沙箱內停在「LibreOffice did not create a usable profile; formulas were NOT recalculated」。
  • 發現這件事的代價：每次執行約多花 1.4 倍的 token，指令也更多（10–18 個對 4–6 個）。
  • 嘗試變通方法的副作用：有一次技能組執行在專案中留下了 .xlsx-tmp/ 資料夾，裡面有活頁簿的副本。
  • 成長率欄任務在全部四次執行中都失了同一分：檔案中沒有為新公式儲存計算值（不會重新計算的檢視器會顯示空白），因為沒有人能執行重新計算。在 SUMIF 任務中，四次執行有三次最後有儲存值（對照組自行把值寫進 XML）；有一次技能組執行則完全沒有。
  • 有一次技能組執行中，預算合計列沒有公式（8 項檢查通過 7 項）。

各面向分數

面向分數原因
1_output_quality4.55

技能組平均分數 4.55/5（程式化檢查，詳見各任務 表格）。

2_lift_vs_no_skill1.75

相較無技能的 4.80 低 -0.25 分（每項任務 n=2；約 1 分 以下的差異屬於雜訊）。

3_trigger5.0技能組 6/6 次執行都讀取了技能檔案。
4_instructions_portability2
5_efficiency3token 為 1.44 倍（每次執行 120k 對 83k），時間為 1.43 倍（63 秒對 44 秒）。
6_safety_hygiene4

本測試的限制

  • 只有三個小型活頁簿任務；格式慣例（藍色輸入、黑色公式）、數字格式與多工作表財務模型並未計分。
  • 這些失敗是環境造成的（系統 Python 版本過舊、沙箱中的 LibreOffice）。在 recalc.py 能正常執行的機器上，結果可能不同。
  • 專有授權：僅描述其行為。
  • 每項任務的每組 n = 2：約 1 分以下的差異屬於雜訊。
  • 規則式計分只能衡量檢查項目看得見的部分，無法評判品味，也無法判斷結果是否為最佳解。

安全性

詳見 security.md。掃描：0 CRITICAL / 0 HIGH / 0 MEDIUM。評定：可在無網路沙箱中安全執行。掃描結果乾淨並不代表技能一定安全。

總結

在 Mac 上這類 Codex 風格的沙箱中，技能的重新計算腳本無法執行，因此你得多付約 1.4 倍的 token，得到的活頁簿卻沒有比不用技能更好。它的建議（實際運算的公式、重新計算、錯誤掃描）本身合理，但工具需要 Python 3.10+ 以及不受沙箱限制的 LibreOffice。

完整紀錄

執行日誌：xlsx (Codex CLI, network off, per-run temp HOME/TMPDIR, one row per graded run.)
欄位：任務、組-輪次、得分（0-5）、token、秒、通過的檢查、代理開啟的 skill 檔案。

t1-new control-1: 得分 5.0, token 79892, 秒 54.9, 檢查 2/2, 未開啟
t1-new control-2: 得分 5.0, token 63375, 秒 44.3, 檢查 2/2, 未開啟
t1-new treatment-1: 得分 4.48, token 128230, 秒 111.7, 檢查 1/2, 開啟 xlsx
t1-new treatment-2: 得分 5.0, token 108664, 秒 57.0, 檢查 2/2, 開啟 xlsx
t2-edit control-1: 得分 4.4, token 78381, 秒 44.1, 檢查 1/2, 未開啟
t2-edit control-2: 得分 4.4, token 80886, 秒 32.4, 檢查 1/2, 未開啟
t2-edit treatment-1: 得分 4.4, token 127161, 秒 41.9, 檢查 1/2, 開啟 xlsx
t2-edit treatment-2: 得分 4.4, token 127810, 秒 44.3, 檢查 1/2, 開啟 xlsx
t3-summary control-1: 得分 5.0, token 85935, 秒 40.9, 檢查 2/2, 未開啟

12 次執行、2 個產出檔案

範例產出

SOTA · 装了 skill：final message（t1-new，第 1 次，Codex）

Created [budget.xlsx](budget.xlsx) with the Budget sheet, bold Arial headers, six expense categories, and live formulas for all totals. Formulas are verified; recalculation in this environment was unavailable.

檢視 Pro