生图模型加持的 PPT Skill
先看一页 AI PPT 效果图，已经追上古法 PPT 了。
过去用 AI 做 PPT，最大的问题不是”能不能生成”，而是：
- 逻辑容易散
- 风格不稳定
- 生成完还要手工塞进 PPT
- 演讲备注还得另写一遍
gpt-image-2 这类高质量图像模型出来后，真正拉开差距的不是单张图能力，而是能不能把 PPT 变成一条稳定流水线。
这套 Skill 方案不是”让 AI 随便做几页图”，而是把 PPT 拆成 10 个可控步骤：分析、确认、大纲、提示词、生图、备注、合成、迭代。
一句话总结
这个 Skill 的核心能力是：
先把内容变成结构化大纲，再把每页变成可复现的图片 prompt，最后批量生成整页幻灯片图片，合成为 PPTX，并自动把中文演讲稿写进备注。
这套流程最适合三类 PPT：
- 商务方案：客户交流、售前材料、解决方案
- 技术汇报：架构设计、产品能力、行业方案
- 公众号/路演：视觉冲击强、适合阅读和转发
为什么它比”直接让 AI 做 PPT”强
直接让 AI 做 PPT，通常是一口气生成。结果是：第一页不错，第三页跑偏，第五页文字炸，第八页风格变了。想改一页，还得整套重来。
这个 Skill 的做法完全不同，它把 PPT 拆成这些中间产物：
| 文件 | 作用 |
|---|---|
analysis.md | 记录主题、受众、风格、页数建议 |
outline.md | 整套 PPT 的结构化大纲 |
prompts/ | 每一页独立的生图提示词 |
NN-slide-xxx.png | 每一页生成后的整页图片 |
speaker-notes.md | 每页中文演讲人口述稿 |
.pptx | 最终 PowerPoint 文件 |
这意味着：每一步都能检查，每一页都能单独改，每张图都能复现。
完整流程：10 步做出一套 PPT
1. 输入资料
可以给它：
- 一个主题
- 一份 Word
- 一组 PPT
- 多份参考材料
- 品牌图或视觉参考
- 直接粘贴的业务说明
它会先把原始内容保存下来，不直接开画。
2. 内容分析
系统会判断：
- 这是销售材料、技术材料，还是培训材料
- 面向高管、客户、专家，还是内部团队
- 适合几页
- 适合什么风格
- 重点应该是讲逻辑、讲产品，还是讲价值
分析结果会写入 analysis.md。
3. 方案确认
默认会先确认 5 件事：
- 风格
- 受众
- 页数
- 是否审核大纲
- 是否审核提示词
这一步很关键。PPT 不是图片合集，方向错了，后面越精美越浪费。
4. 生成大纲
大纲会写进 outline.md。每一页不是只有标题，而是包含：
- 页面标题
- 页面类型
- 叙事目标
- 关键内容
- 视觉方案
- 版式建议
也就是说，outline.md 是整套 PPT 的剧本。
5. 审核大纲
如果选择审核，它会先给出每页的标题和结构。这一步适合做三件事：
- 删掉重复页
- 调整讲述顺序
- 补上缺失的商业闭环
先改逻辑，再生成图片，这是效率最高的。
6. 生成每页 prompt
确认大纲后，它会为每一页生成独立 prompt：
prompts/01-slide-cover.md
prompts/02-slide-market-window.md
prompts/03-slide-pain-points.md
...这里的价值非常大。后面如果某一页不满意，不需要重做全套，只改这一页 prompt，再单独重生这一页。
7. 用 Image Gen 生成整页图片
最新版流程里，生图优先使用系统自带 Image Gen，走 gpt-image-2 生图通道。如果主通道某一页连续失败 3 次，才会 fallback 到用户提供的兼容图片接口。
8. 自动生成演讲人备注
这是很多 PPT 工具没有做好的地方。这个 Skill 会生成 speaker-notes.md，格式类似：
## Slide 1 - 标题
这里是这一页的中文口述稿。它写的不是图片提示词，而是真正适合演讲时说的话：
- 解释这一页在讲什么
- 点出关键业务价值
- 衔接下一页
- 控制在口播可用的长度
9. 合成为 PPTX
生成的图片会按顺序铺满 PPT 每一页。同时，speaker-notes.md 会被写入 PowerPoint 的备注区。最终得到的是一个真正可交付的 .pptx，不是一堆散图。
10. 单页迭代
后期改稿非常简单：
| 需求 | 做法 |
|---|---|
| 改某一页画面 | 改对应 prompt，重生这一页 |
| 改某一页话术 | 改 speaker-notes.md |
| 增加一页 | 新增 prompt，生成图片，更新大纲和备注 |
| 删除一页 | 删除图片和 prompt，重新编号并合成 |
| 换首页风格 | 只重生第 1 页，再 merge |
这才是 AI 做 PPT 应该有的工作流。
最强的地方：可控
最值得看重的不是能生成多漂亮的图，而是它把所有中间过程都保存了：
- 逻辑可控：有
outline.md - 视觉可控：每页有 prompt
- 结果可控：每页是独立图片
- 备注可控：有
speaker-notes.md - 迭代可控：可以单页重生
- 交付可控：最终是 PPTX
AI 生成内容最大的坑，就是过程不可追踪。这套 Skill 反过来，把过程全部显式化。
什么时候一定要审核 prompt
下面几类 PPT，必须审核 prompt：
- 客户正式汇报
- 品牌色要求强
- 涉及复杂架构图
- 页面文字较多
- 需要参考图片风格
- 对首页视觉冲击要求高
因为图片模型很强，但它不懂你的最终审美偏好。最稳的方式是：先让它生成 prompt，再人工看一眼方向。
实战经验：别追求一次成片
真正高效的做法是：
- 先把大纲做对
- 再把 prompt 做稳
- 批量生成第一版
- 挑 2-3 页重点改
- 最后合成 PPTX
不要一开始就纠结每页细节。PPT 的质量，先由结构决定，再由视觉决定，最后才是局部微调。
结论
gpt-image-2 之后，PPT 的上限被大幅抬高。但真正能稳定交付的，不是”单次生成”，而是”工程化流程”。
这个 Skill 强就强在：它把做 PPT 变成了一个可复现、可审核、可并发、可单页迭代、可自动写备注的流水线。
以后做 PPT，不要只问 AI 能不能生成。要问它能不能重来、能不能单页改、能不能写备注、能不能最终交付 PPTX。