本文介绍了一个基于Python的Langchain技能框架，能够根据用户需求调用本地大模型完成数据分析和PPT制作等工作。文章提供了快速上手指南，包括项目克隆、技能装载、环境同步、Node依赖安装、Key配置和测试运行等步骤。此外，还探讨了项目的缘起和核心思路，如渐进式披露、意图识别和默认工具加载等，旨在降低AI技能使用门槛，助力企业员工借助本地大模型提高工作效率。

---

LOCAL AI AGENT

Langchain Skill Framework

GitHub：https://github.com/zhoujiand/langchain-skill

这是一个基于Python的Langchain包，可以根据用户要求，由本地大模型理解并调用合适的Skill来完成任务，例如分析数据、制作PPT的代码框架。

— 给大家看一下运行效果 —

— 这是最后生成的 PPT 效果 —

快速上手指南

使用方式上，你可以通过 AI 梳理项目来了解需要怎么安装，这里补充一些必要步骤：

01. 项目克隆
将项目克隆到本地。

02. 装载技能
把需要的技能拷贝到本项目中，建议先在 skills 下创建子文件夹（例如 office），然后将技能放到这个文件夹里。

03. 环境同步
运行 uv sync 命令，同步所有需要的 Python 包，如果报错重点关注pyproject.toml文件。

04. 安装Node依赖
安装 npm ，然后安装 pptxgenjs 库。

05. 配置 Key
修改 secret_def.py，填写所依赖的API信息，可以指向本地大模型。

06. 运行测试
执行 test.py 。

— · —

最后，简单谈一下该项目的缘起，以及开发项目过程中的一些核心思路。

自从Anthropic公司推出Skill以来，AI Agent开发进入了一个崭新的时代。从过去定义Prompt、Tools、Memory，逐渐向沿用已有的成熟Skill、定制化自己所需要Skill的方向演进。

对于有软件开发经验的朋友，可以通过Claude Code、Trae等软件，自己捣鼓和配置AI Skills，然后来帮助自己完成一些工作，例如前后端开发、数据分析、PPT汇报等。

但对于一些没有编程基础，但希望借助AI来提效的朋友，他们可能需要面临一定的学习和试错成本。特别是在企业里，数据安全这条红线，导致更多时候他们处在想用但用不了的境地。

因此，本项目基于Python的Langchain库，作为企业AI Agent工程化的底座能力工具，可以轻量化地部署在服务器上，在研发人员配置好Skill依赖的各类工具后，让各类业务人员通过自然语言，来驱动企业本地大模型来完成工作日常所需的基础工作，例如Word、Excel、Powerpoint等。让技术和数据隐私不再成为企业员工使用AI提高工作效率的瓶颈。

整个研发过程分两个阶段，首先我是通过Claude Code来Vibe Coding，然后再使用Trae做一些人工优化，最终实现当前这个效果。过程中值得一提的是如下几个环节：

1、渐进式披露：在代码生成之初，AI按照自己对Skill的理解，生成了两个Demo Skill，一个是用来解析JSON的，另一个是计算器，只包括技能介绍和脚本两块内容。然后在主程序里，它首先读取SKILL.md里的元数据，包括技能名称和描述，但不包括详细内容。只有当确定要使用这个技能时，它才会把技能当成一个Tool加载到内存中，供大模型调用。

但这里有个值得注意的点是：当你查看Anthropic创建的Skill时，你会发现往往结构没有那么简单，它在技能介绍和脚本外，可能会有其他的.md（介绍），脚本的类型不仅是Python脚本，还会有其他类型，例如Javascript，所以当我们将它转化为Tools时，还要关注不同的脚本类型，以及指定好除了主技能介绍外其他文档的路径

2、意图识别：在使用Claude Code的时候，大模型在执行我们的自然语言指令前，会先判断是否使用技能，以及使用什么技能。在判断之前，会把所有技能的元数据（技能名称和描述）加载到Prompt里，然后交给大模型去判断。但考虑到未来可能会有非常庞大的技能数量，因此在我的框架里，添加了一个中间层——技能类别。这也是为什么在上手指南里，会要求在skill文件夹下新增子文件夹，然后把技能放到子文件夹里。而子文件夹的名称，即类别名称。在框架中，会先读取skill文件夹下所有的子文件夹名称，让大模型做第一轮意图识别，然后加载相关性较高的多个类别下的技能元数据，然后进行第二轮意图识别，判断选择使用哪些技能。

3、默认工具加载：这是一个细节方面的处理，众所周知，为了让大模型可以对技能应用自如，默认需要在Agent里添加读文件、写文件、执行文件的工具。但是，对于AI生成的脚本，非常容易出现执行报错的情况，此时则需要把报错信息作为上下文传给AI，让它去更正和重新输出。Langchain的原生工具并不支持，因此我在该框架里重写了WriteFileTool，即SmartWriteFileTool来实现。同样的，对于Windows环境下，执行ShellTool容易报错，因为大模型更多情况会执行Linux的命令，因此建议单纯使用Python的执行工具，但值得注意的是，Python的执行工具仍处于试验阶段，并不在通用工具包中。

​最后

我在一线科技企业深耕十二载，见证过太多因技术更迭而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。

我整理出这套 AI 大模型突围资料包：

• ✅AI大模型学习路线图
• ✅Agent行业报告
• ✅100集大模型视频教程
• ✅大模型书籍PDF
• ✅DeepSeek教程
• ✅AI产品经理入门资料

完整的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
​​

为什么说现在普通人就业/升职加薪的首选是AI大模型？

人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。

智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。

​​

资料包有什么？

①从入门到精通的全套视频教程⑤⑥

包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

④各大厂大模型面试题目详解

⑤ 这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

​​​​

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**

​