上一篇文章中，我用 Codex 调用 GordenImage2PPTX，将 ChatGPT 生成的页面还原为可编辑 PPTX。效果不错，但多轮推理、视觉处理和工具调用，很快耗尽了 Codex 额度。
这让我开始思考：现有方案可以生成高质量、可编辑的 PPTX，但多轮生成与文件处理的资源消耗仍然偏高。面对日常汇报、技术分享和内部培训，能否直接从已有文章或资料出发，完成内容提炼、页面规划和模板套用？
于是，我亲手做了一个 PPTX 生成 Skill，把从材料读取、内容提炼到文件交付串成一条完整流程，也让此前零散的 AI PPT 实践逐渐沉淀为一套可复用的方法。
一、现成方案很多，为什么还要自己写？
按主要交付形态和实现路径，调研的 PPT Skill 大致可以归为四类：
-
• 图片生成型：如 baoyu-slide-deck，视觉表现较好，但生成结果以整页图片为主，后续修改不够方便。
-
• 图片还原型：如 GordenImage2PPTX，可以将图片分层还原为可编辑 PPTX，但处理链路较长，资源消耗也较高。
-
• 模板与原生 PPTX 生成型：如 GordenPPTSkill、Mck-ppt-design-skill，能够直接生成可编辑文件，但通常使用各自的模板和布局体系。Mck-ppt-design-skill 就内置了独立的咨询风布局系统。
-
• 综合流程与前端渲染型：如 Enterprise AI Skills、humanize-ppt、huashu-design、frontend-slides，能力更完整、视觉表达更灵活，但整体流程相对复杂。
本节调研范围包括公开可访问的 PPT Skill；文末参考资料则进一步按照“具有明确开源许可证”的标准进行了筛选。
这些方案各有所长，却很难同时满足我的需求：基于已有材料提炼内容，快捷套用企业模板或多套视觉风格，并通过缩短生成链路，让资源消耗和运行成本更加可控，最终直接输出可编辑 PPTX。
因此，我想做的不是一个通用 PPT 工具，而是一条适合日常高频使用的轻量流程：让 AI 负责内容整理、页面拆分和基础排版，人只保留对内容方向和视觉风格的判断。
二、把一次 PPT 任务，变成可复用流程
这个 Skill 将一次 PPT 任务拆成四步：选择材料来源并确定听众和页数，预览并确认大纲与逐页内容，选择企业模板或视觉风格，最后核对生成信息并输出可编辑 PPTX。
使用时，材料可以来自知识库、网址链接、粘贴内容、示例大纲或本地文件。Skill 读取并解析材料后，会根据听众和页数生成内容方案，交由用户预览。内容定稿后，再选择视觉风格，并在最终生成前确认来源、听众、页数和模板等信息。
tgzhu-content-2pptx Skill 的四步生成流程
流程中保留了内容审核和生成前确认两个关键节点。AI 负责材料解析、内容提炼、页面拆分、基础排版和文件生成，用户负责确认内容方向与视觉风格，避免生成完成后再大范围返工。
三、先看效果：同一份材料，生成多套风格
为了观察不同模板与视觉风格的实际效果，本次保持测试材料、目标听众、页数和生成模型不变，只切换页面风格。内容完成一次提炼后，即可直接生成多套 PPTX，无需重新整理大纲和逐页文案。
测试材料：充电站电损到底藏在哪？
生成模型： DeepSeek-V4-Flash
1. 企业模板
套用企业模板生成的可编辑 PPTX
2. 文质风
适合培训与知识分享的文质风
3. 商务风
适合方案与分析汇报的商务风
4. 锋芒风
适合技术与产品分享的深色风格
除了视觉风格可以切换，生成结果也不是整页图片。文字、表格和图片仍然保留为独立对象，可以在 PowerPoint 中继续修改。
生成后的文字、表格和图片均可继续编辑
从生成结果来看，同一份内容可以快速切换企业模板、文质风、商务风和锋芒风，并保留文字、表格和图片的后续编辑能力。
四、操作过程：从材料到 PPTX
实际使用时，不需要反复编写提示词，也不需要手工把内容复制到 PowerPoint。提供材料后，只需依次确认目标听众、页数、逐页内容和视觉风格，剩余工作由 Skill 自动完成。
tgzhu-content-2pptx 操作过程 gif
从发起任务到生成文件，用户主要完成几次关键确认：内容是否准确、页数是否合适、风格是否匹配。确认完成后，Skill 会生成可继续修改的 PPTX，并返回文件路径。
gif工具： ScreenToGif、EZGIF、图贴士
五、Skill 约束流程，模型影响内容质量
Skill 约束的是材料读取、内容确认、页面规划、风格选择和 PPTX 生成流程；真正负责理解材料、提炼重点和组织表达的，仍然是大模型。
为了观察模型差异，本次保持测试材料、目标听众、页数、内容规则和视觉风格不变，仅将生成模型由 DeepSeek-V4-Flash 更换为 GLM-5V-Turbo。
左：DeepSeek-V4-Flash；右：GLM-5V-Turbo
在本次样例中，两种模型生成的页面风格基本一致，但内容组织方式存在明显差异：
DeepSeek-V4-Flash 直接将内容归纳为四项降损手段，结构简洁，重点更加集中；
GLM-5V-Turbo 增加了行业水平分级，并将降损措施与判断标准结合起来，信息更完整，页面密度也更高。
这并不意味着其中一个模型一定更好。需要快速传递重点时，简洁的结构更容易阅读；需要补充判断依据、支撑管理分析时，更完整的背景信息可能更有价值。
选择模型时，也可以参考国内外公开评测平台：
国外平台：
-
• Arena Leaderboard：通过匿名模型对战和用户投票形成排名，更接近真实用户对输出质量的主观偏好。
-
• Artificial Analysis：综合比较模型能力、响应速度、延迟和调用价格，适合评估模型的实际使用成本。
国内平台：
-
• OpenCompass 司南：提供大语言模型和多模态模型的多能力维度评测与排名。
-
• SuperCLUE：侧重中文大模型评测，覆盖语言理解与生成、专业知识、Agent 和安全等能力。
公开榜单适合初步筛选模型，但不能直接代表 PPT 生成效果。材料理解、内容取舍、中文表达和指令遵循能力，最终仍需要使用相同材料、相同规则和相同 Skill 进行实际验证。
Skill 让生成流程更加一致，模型则影响内容理解、信息取舍和最终表达。
六、给这一轮 AI PPT 探索收个尾
从 ChatGPT 生成高质量页面，到图片还原为可编辑 PPTX，再到把内容提炼、风格选择和文件生成封装成 Skill，这一轮 AI PPT 的实践终于形成了一条完整链路。
它还不能替代专业设计师，也无法保证每一页都达到发布会级效果。但对于日常汇报、技术分享和内部培训，它已经能够完成最耗时间、也最适合标准化的部分：整理材料、提炼内容、规划页面、套用风格，并生成可继续修改的 PPTX。
重要场合，仍然可以使用高质量模型和视觉生成方案，优先追求效果；日常高频场景，则更适合使用轻量、可控的 Skill，兼顾效率、成本和可编辑性。
不是所有 PPT 都需要最高的制作成本，但每一次内容表达，都值得拥有更高效的生产方式。
这次自研 Skill 不是 AI PPT 的终点，而是把一次次生成尝试，真正沉淀成可重复使用的工作方法。
参考资料
筛选说明： 以下仅保留能够核验到公开代码仓库，并具有明确开源许可证的项目。项目能力与许可证请以仓库最新说明为准。
1、图片型幻灯片生成
1. baoyu-slide-deck
根据文章或 Markdown 材料生成演示大纲，再逐页生成幻灯片图片。适合快速获得视觉完成度较高的演示稿，但生成结果以图片为主，后续精细修改不如原生 PPTX 方便。
-
• 开源协议：MIT License
-
• 访问地址：https://github.com/JimLiu/baoyu-skills/tree/main/skills/baoyu-slide-deck
2、原生可编辑 PPTX 生成
2. Mck-ppt-design-skill
基于 python-pptx 的咨询风 PPT 设计系统，内置多种布局、图表组件和质量检查机制，适合商业汇报与结构化演示。
-
• 开源协议：Apache 2.0
-
• 访问地址：https://github.com/likaku/Mck-ppt-design-skill
3. Enterprise AI Skills：Deck Pipeline
将问题拆解、故事线规划、图表生成、PPT 构建和质量检查串成完整流程，可生成包含原生可编辑图表的 PPTX。
-
• 开源协议：MIT License
-
• 项目地址：https://github.com/sruthir28/enterprise-ai-skills
-
• Deck Pipeline：https://github.com/sruthir28/enterprise-ai-skills/tree/main/deck-pipeline
4. PPT Master
面向文档到原生可编辑 PPTX 的完整生成流程，支持文字、图形、表格、图表、动画、演讲备注和现有 PPTX 模板。
-
• 开源协议：MIT License
-
• 访问地址：https://github.com/hugohe3/ppt-master
3、内容规划与流程编排
5. humanize-ppt
重点解决演示主线、观众理解过程和演讲质量检查，通过结构化内容连接 HTML 或原生 PPTX 渲染工具。
-
• 开源协议：MIT License
-
• 访问地址：https://github.com/LearnPrompt/humanize-ppt
4、HTML 与视觉设计
6. huashu-design
HTML 原生设计 Skill，覆盖幻灯片、交互原型、动画和多套视觉风格，并支持生成可编辑 PPT。
-
• 开源协议：MIT License
-
• 访问地址：https://github.com/alchaincyf/huashu-design
7. frontend-slides
面向浏览器演示的幻灯片 Skill，可从零生成带动画和交互效果的 HTML 演示，也支持将已有 PowerPoint 转换为 Web Slides。
-
• 开源协议：MIT License
-
• 访问地址：https://github.com/zarazhangrui/frontend-slides
未纳入本次开源参考清单的项目
以下项目未纳入正式参考清单，主要原因包括：未核验到明确的开源许可证、存在个人或非商业用途限制、依赖商业服务，或无法唯一定位对应的官方公开仓库。
-
•
GordenImage2PPTX -
•
GordenPPTSkill -
•
popai-presentation-slides -
•
mckinsey-consultant-11 -
•
qoderwork-ppt-skill -
•
pptx-generation -
•
deck -
•
dashiai-ppt
说明： 公开代码仓库不等同于开源项目。是否允许修改、分发和商业使用，应以项目中的 LICENSE 文件及最新版权说明为准。
更佳阅读效果，请移步关注我的公众号
