【后端】【工具】从 “Vibe PPT“ 到 “蕉幻“：一个原生 AI PPT 生成应用的深度解析

📖目录

前言
[1. 为什么我们需要 "蕉幻"？------ 从痛点出发](#1. 为什么我们需要 "蕉幻"？—— 从痛点出发)
[2. "蕉幻" 的核心设计哲学：Vibe Your PPT Like Vibing Code](#2. "蕉幻" 的核心设计哲学：Vibe Your PPT Like Vibing Code)
- [2.1 大白话解释：为什么 "Vibe" 重要？](#2.1 大白话解释：为什么 "Vibe" 重要？)
[3. 技术架构：从 "想法" 到 "PPT" 的全链路](#3. 技术架构：从 "想法" 到 "PPT" 的全链路)
- [3.1 技术栈](#3.1 技术栈)
- [3.2 整体架构设计](#3.2 整体架构设计)
- [3.2.1 核心流程解析](#3.2.1 核心流程解析)
- - [3.2.1.1 用户输入 → AI 解析](#3.2.1.1 用户输入 → AI 解析)
  - [3.2.1.2 AI 生成 PPT 页面](#3.2.1.2 AI 生成 PPT 页面)
  - [3.2.1.3 自然语言修改](#3.2.1.3 自然语言修改)
- [3.3 项目结构解析](#3.3 项目结构解析)
- [3.4 基于API调用的AI服务集成](#3.4 基于API调用的AI服务集成)
- - [3.4.1 核心架构设计：插件化AI提供商模式](#3.4.1 核心架构设计：插件化AI提供商模式)
  - [3.4.2 智能JSON生成与重试机制](#3.4.2 智能JSON生成与重试机制)
- [3.5 多模态内容处理流程](#3.5 多模态内容处理流程)
- - [3.5.1 从想法到结构化大纲](#3.5.1 从想法到结构化大纲)
  - [3.5.2 大纲扁平化处理](#3.5.2 大纲扁平化处理)
- [3.6 智能图片生成与素材集成](#3.6 智能图片生成与素材集成)
- - [3.6.1 多源图片处理能力](#3.6.1 多源图片处理能力)
  - [3.6.2 Markdown内容智能解析](#3.6.2 Markdown内容智能解析)
- [3.7 自然语言编辑与迭代优化](#3.7 自然语言编辑与迭代优化)
- - [3.7.1 大纲细化功能](#3.7.1 大纲细化功能)
  - [3.7.2 图片编辑功能](#3.7.2 图片编辑功能)
- [3.8 项目上下文管理](#3.8 项目上下文管理)
- [3.9 完整的PPT生成工作流](#3.9 完整的PPT生成工作流)
- [3.10 技术特色总结](#3.10 技术特色总结)
[4. 部署与使用：3分钟上手](#4. 部署与使用：3分钟上手)
- [4.1 使用 Docker 一键部署（推荐）](#4.1 使用 Docker 一键部署（推荐）)
- [4.2 三种创建方式示例](#4.2 三种创建方式示例)
- - [4.2.1 方式一：从想法生成（一句话生成）](#4.2.1 方式一：从想法生成（一句话生成）)
  - [4.2.2 方式二：从大纲生成](#4.2.2 方式二：从大纲生成)
- [4.3 方式三：从页面描述生成](#4.3 方式三：从页面描述生成)
[5. 技术亮点：为什么 "蕉幻" 能做到 "Vibe"？](#5. 技术亮点：为什么 "蕉幻" 能做到 "Vibe"？)
- [5.1 基于 nano banana pro 的高质量生成](#5.1 基于 nano banana pro 的高质量生成)
- [5.2 三种生成路径，适配不同创作习惯](#5.2 三种生成路径，适配不同创作习惯)
- [5.3 自然语言修改：告别反复生成](#5.3 自然语言修改：告别反复生成)
- [5.4 素材理解与上传](#5.4 素材理解与上传)
[6. 未来规划：从 "Vibe PPT" 到 "智能幻灯片"](#6. 未来规划：从 "Vibe PPT" 到 "智能幻灯片")
[7. 结语：AI PPT 的未来](#7. 结语：AI PPT 的未来)
[8. 经典书籍推荐](#8. 经典书籍推荐)

前言

本文将带你深入理解 banana-slides（蕉幻）这个基于 nano banana pro 的 AI PPT 生成应用，从技术架构到实际使用，用大白话讲透它的设计哲学与实现细节。

1. 为什么我们需要 "蕉幻"？------ 从痛点出发

想象一下，你刚结束一个重要的会议，老板要求你"明天上午前出个PPT"。你打开PPT软件，开始翻找模板，调整配色，插入图表... 3小时后，你疲惫地发现PPT还是"老套"、"缺乏设计感"。这就是传统AI PPT工具的困境：

1️⃣ 只能选预设模板 ：像点外卖只能选菜单上的菜，无法根据需求定制

2️⃣ 自由度低 ：修改一次要重新生成，像去超市买菜要重新排队

3️⃣ 成品同质化 ：所有PPT都像"预制菜"，没有特色

4️⃣ 素材质量低 ：图片像"路边摊"，缺乏专业感

5️⃣ 图文割裂：文字和图片不搭，像"汉堡配牛奶"

传统AI PPT工具就像"自动点餐机"，你只能选菜单上的菜，不能说"我要加辣"或"换种摆盘"。

而 banana-slides 的诞生，正是为了解决这个问题------真正的 "Vibe PPT"，让你像和朋友聊天一样，自然地说出需求，AI 就能生成符合你口味的PPT。

2. "蕉幻" 的核心设计哲学：Vibe Your PPT Like Vibing Code

"Vibe" 在这里不是指音乐氛围，而是指设计感、流畅度、个性化 。banana-slides 的设计哲学可以概括为：

"用自然语言，生成有灵魂的PPT"

这意味着：

你不需要懂设计，只需要描述你的想法
你不需要反复修改，只需说"第三页改成案例分析"
你不需要担心配色，AI 会保持整体风格统一

2.1 大白话解释：为什么 "Vibe" 重要？

想象你去一家高级餐厅点菜：

传统PPT工具：菜单上只有一道"招牌菜"，你只能照单点
banana-slides：你告诉厨师"我想要一道健康、低卡、适合商务场合的菜，有蔬菜和鱼，摆盘要精致"，厨师会根据你的描述，现场创作出一道符合你口味的菜

3. 技术架构：从 "想法" 到 "PPT" 的全链路

3.1 技术栈

框架: Flask 3.0
数据库: SQLite + SQLAlchemy ORM
AI服务: Google Gemini API
PPT处理: python-pptx
并发处理: ThreadPoolExecutor
包管理: uv

3.2 整体架构设计

banana-slides采用典型的前后端分离架构，就像餐厅的前厅和后厨分工明确：

复制代码

【插入架构图位置：banana-slides系统架构图】

前端(React) ←→ 后端(Flask) ←→ AI服务(Gemini API)
     │              │              │
用户界面层      业务逻辑层       AI能力层

3.2.1 核心流程解析

3.2.1.1 用户输入 → AI 解析

大白话解释：就像你点外卖时，告诉客服"我要一份辣度中等、有牛肉、不加香菜的牛肉面"，客服会理解你的需求，然后下单。

3.2.1.2 AI 生成 PPT 页面

大白话解释：就像你告诉设计师"我要一个简洁的商务PPT，主题是AI，第一页要有标题和背景图，第二页是数据图表"，设计师会根据你的描述，画出草图。

3.2.1.3 自然语言修改

大白话解释：就像你点完外卖后，发现"辣度中等"不够辣，你直接说"加点辣"，外卖小哥会立刻调整。

3.3 项目结构解析

让我们深入分析项目的代码组织结构：

复制代码

banana-slides/
├── frontend/                    # React前端应用
│   ├── src/
│   │   ├── pages/              # 页面组件
│   │   │   ├── Home.tsx        # 首页（创建项目）
│   │   │   ├── OutlineEditor.tsx    # 大纲编辑页
│   │   │   ├── DetailEditor.tsx     # 详细描述编辑页
│   │   │   ├── SlidePreview.tsx     # 幻灯片预览页
│   │   │   └── History.tsx          # 历史版本管理页
│   │   ├── components/         # UI组件
│   │   │   ├── outline/        # 大纲相关组件
│   │   │   │   └── OutlineCard.tsx
│   │   │   ├── preview/        # 预览相关组件
│   │   │   │   ├── SlideCard.tsx
│   │   │   │   └── DescriptionCard.tsx
│   │   │   ├── shared/         # 共享组件
│   │   │   │   ├── Button.tsx
│   │   │   │   ├── Card.tsx
│   │   │   │   ├── Input.tsx
│   │   │   │   ├── Textarea.tsx
│   │   │   │   ├── Modal.tsx
│   │   │   │   ├── Loading.tsx
│   │   │   │   ├── Toast.tsx
│   │   │   │   ├── Markdown.tsx
│   │   │   │   ├── MaterialSelector.tsx
│   │   │   │   ├── MaterialGeneratorModal.tsx
│   │   │   │   ├── TemplateSelector.tsx
│   │   │   │   ├── ReferenceFileSelector.tsx
│   │   │   │   └── ...
│   │   │   ├── layout/         # 布局组件
│   │   │   └── history/        # 历史版本组件
│   │   ├── store/              # Zustand状态管理
│   │   │   └── useProjectStore.ts
│   │   ├── api/                # API接口
│   │   │   ├── client.ts       # Axios客户端配置
│   │   │   └── endpoints.ts    # API端点定义
│   │   ├── types/              # TypeScript类型定义
│   │   ├── utils/              # 工具函数
│   │   ├── constants/          # 常量定义
│   │   └── styles/             # 样式文件
│   ├── public/                 # 静态资源
│   ├── package.json
│   ├── vite.config.ts
│   ├── tailwind.config.js      # Tailwind CSS配置
│   ├── Dockerfile
│   └── nginx.conf              # Nginx配置
│
├── backend/                    # Flask后端应用
│   ├── app.py                  # Flask应用入口
│   ├── config.py               # 配置文件
│   ├── models/                 # 数据库模型
│   │   ├── project.py          # Project模型
│   │   ├── page.py             # Page模型（幻灯片页）
│   │   ├── task.py             # Task模型（异步任务）
│   │   ├── material.py         # Material模型（参考素材）
│   │   ├── user_template.py    # UserTemplate模型（用户模板）
│   │   ├── reference_file.py   # ReferenceFile模型（参考文件）
│   │   ├── page_image_version.py # PageImageVersion模型（页面版本）
│   ├── services/               # 服务层
│   │   ├── ai_service.py       # AI生成服务（Gemini集成）
│   │   ├── file_service.py     # 文件管理服务
│   │   ├── file_parser_service.py # 文件解析服务
│   │   ├── export_service.py   # PPTX/PDF导出服务
│   │   ├── task_manager.py     # 异步任务管理
│   │   ├── prompts.py          # AI提示词模板
│   ├── controllers/            # API控制器
│   │   ├── project_controller.py      # 项目管理
│   │   ├── page_controller.py         # 页面管理
│   │   ├── material_controller.py     # 素材管理
│   │   ├── template_controller.py     # 模板管理
│   │   ├── reference_file_controller.py # 参考文件管理
│   │   ├── export_controller.py       # 导出功能
│   │   └── file_controller.py         # 文件上传
│   ├── utils/                  # 工具函数
│   │   ├── response.py         # 统一响应格式
│   │   ├── validators.py       # 数据验证
│   │   └── path_utils.py       # 路径处理
│   ├── instance/               # SQLite数据库（自动生成）
│   ├── exports/                # 导出文件目录
│   ├── Dockerfile
│   └── README.md
│
├── tests/                      # 测试文件目录
├── v0_demo/                    # 早期演示版本
├── output/                     # 输出文件目录
│
├── pyproject.toml              # Python项目配置（uv管理）
├── uv.lock                     # uv依赖锁定文件
├── docker-compose.yml          # Docker Compose配置
├── .env.example                 # 环境变量示例
├── LICENSE                     # 许可证
└── README.md                   # 本文件

3.4 基于API调用的AI服务集成

banana-slides的核心技术是巧妙地集成外部AI API，而不是自己训练模型。这就像餐厅不是自己种菜，而是精选优质供应商：

3.4.1 核心架构设计：插件化AI提供商模式

python 复制代码

class AIService:
    """Service for AI model interactions using pluggable providers"""
    
    def __init__(self, text_provider: TextProvider = None, image_provider: ImageProvider = None):
        # 使用插件化设计，支持不同的AI提供商
        self.text_provider = text_provider or get_text_provider(model=self.text_model)
        self.image_provider = image_provider or get_image_provider(model=self.image_model)

核心思想 ：AIService不直接调用具体的AI模型，而是通过抽象的TextProvider和ImageProvider接口。这种设计就像电视机的遥控器------不管内部是LCD还是OLED屏幕，用户都用同样的按钮操作。

3.4.2 智能JSON生成与重试机制

python 复制代码

@retry(stop=stop_after_attempt(3), retry=retry_if_exception_type((json.JSONDecodeError, ValueError)))
def generate_json(self, prompt: str, thinking_budget: int = 1000) -> Union[Dict, List]:
    """
    生成并解析JSON，如果解析失败则重新生成
    这就像让AI写作文，如果格式不对就重写，直到符合要求
    """
    response_text = self.text_provider.generate_text(prompt, thinking_budget=thinking_budget)
    
    # 清理响应文本：移除markdown代码块标记
    cleaned_text = response_text.strip().strip("```json").strip("```").strip()
    
    try:
        return json.loads(cleaned_text)
    except json.JSONDecodeError as e:
        logger.warning(f"JSON解析失败，将重新生成。原始文本: {cleaned_text[:200]}...")
        raise

关键技术点：

重试机制 ：使用@retry装饰器，JSON解析失败自动重试3次
文本清理：自动去除AI响应中可能包含的markdown代码块标记
思考预算 ：thinking_budget参数控制AI的"思考深度"

3.5 多模态内容处理流程

3.5.1 从想法到结构化大纲

python 复制代码

def generate_outline(self, project_context: ProjectContext, language: str = None) -> List[Dict]:
    """
    从想法生成PPT大纲 - 这是整个流程的起点
    过程：用户想法 → AI理解 → 结构化大纲
    """
    outline_prompt = get_outline_generation_prompt(project_context, language)
    outline = self.generate_json(outline_prompt, thinking_budget=1000)
    return outline

实际工作流程：

接收用户输入：一句话想法或详细描述
构建智能提示词 ：使用get_outline_generation_prompt生成适合AI理解的指令
调用AI生成：通过text_provider获取结构化JSON
返回大纲结构：包含章节和页面的层次化数据

3.5.2 大纲扁平化处理

python 复制代码

def flatten_outline(self, outline: List[Dict]) -> List[Dict]:
    """
    将层次化大纲扁平化为页面列表
    例如：将"第一部分{页面1, 页面2}"转换为[页面1, 页面2]
    """
    pages = []
    for item in outline:
        if "part" in item and "pages" in item:
            # 处理章节结构：展开章节内的页面
            for page in item["pages"]:
                page_with_part = page.copy()
                page_with_part["part"] = item["part"]  # 保留章节信息
                pages.append(page_with_part)
        else:
            # 直接页面
            pages.append(item)
    return pages

设计思想：保持原始大纲的层次结构，但在需要时能够扁平化处理，兼顾灵活性和实用性。

3.6 智能图片生成与素材集成

3.6.1 多源图片处理能力

python 复制代码

def generate_image(self, prompt: str, ref_image_path: Optional[str] = None, 
                  additional_ref_images: Optional[List[Union[str, Image.Image]]] = None) -> Optional[Image.Image]:
    """
    生成图片，支持多种参考图片来源：
    - 本地文件路径
    - HTTP URL
    - MinerU特殊路径
    - 直接传入的PIL Image对象
    """
    ref_images = []
    
    # 处理主参考图片
    if ref_image_path and os.path.exists(ref_image_path):
        ref_images.append(Image.open(ref_image_path))
    
    # 处理额外参考图片
    if additional_ref_images:
        for ref_img in additional_ref_images:
            if isinstance(ref_img, Image.Image):
                ref_images.append(ref_img)
            elif isinstance(ref_img, str):
                if ref_img.startswith('http'):
                    # 下载网络图片
                    downloaded_img = self.download_image_from_url(ref_img)
                    if downloaded_img:
                        ref_images.append(downloaded_img)
                elif ref_img.startswith('/files/mineru/'):
                    # 处理MinerU路径
                    local_path = self._convert_mineru_path_to_local(ref_img)
                    if local_path:
                        ref_images.append(Image.open(local_path))
    
    return self.image_provider.generate_image(prompt=prompt, ref_images=ref_images)

技术亮点：

统一接口：无论图片来自哪里，最终都转换为PIL Image对象处理
错误容错：网络下载失败或文件不存在时自动跳过，不影响整体流程
路径转换：支持特殊的MinerU路径格式，体现项目对特定生态的适配

3.6.2 Markdown内容智能解析

python 复制代码

def extract_image_urls_from_markdown(self, text: str) -> List[str]:
    """
    从markdown文本中提取图片URL
    自动识别格式的图片引用
    """
    pattern = r'!\[.*?\]\((.*?)\)'
    matches = re.findall(pattern, text)
    
    urls = []
    for url in matches:
        url = url.strip()
        if url and (url.startswith('http') or url.startswith('/files/mineru/')):
            urls.append(url)
    
    return urls

def remove_markdown_images(self, text: str) -> str:
    """
    移除Markdown图片链接，只保留描述文字
    例如：将"请看下图"转换为"请看下图"
    """
    def replace_image(match):
        alt_text = match.group(1).strip()
        return alt_text if alt_text else ''
    
    pattern = r'!\[(.*?)\]\([^\)]+\)'
    return re.sub(pattern, replace_image, text)

应用场景：当用户上传包含图片引用的Markdown文档时，系统能自动提取图片作为素材，同时保留文字描述用于生成提示词。

3.7 自然语言编辑与迭代优化

3.7.1 大纲细化功能

python 复制代码

def refine_outline(self, current_outline: List[Dict], user_requirement: str,
                  project_context: ProjectContext, previous_requirements: Optional[List[str]] = None) -> List[Dict]:
    """
    根据自然语言指令修改大纲
    支持多轮对话，能记住之前的修改要求
    """
    refinement_prompt = get_outline_refinement_prompt(
        current_outline=current_outline,
        user_requirement=user_requirement,
        project_context=project_context,
        previous_requirements=previous_requirements  # 支持历史上下文
    )
    return self.generate_json(refinement_prompt, thinking_budget=1000)

3.7.2 图片编辑功能

python 复制代码

def edit_image(self, prompt: str, current_image_path: str, original_description: str = None) -> Optional[Image.Image]:
    """
    基于自然语言指令编辑现有图片
    例如："把这张图的背景换成蓝色"
    """
    edit_instruction = get_image_edit_prompt(
        edit_instruction=prompt,
        original_description=original_description  # 提供原始描述作为上下文
    )
    return self.generate_image(edit_instruction, current_image_path)

创新点：不是简单的替换，而是在理解原始内容和用户意图的基础上进行智能修改。

3.8 项目上下文管理

python 复制代码

class ProjectContext:
    """统一管理AI需要的所有项目信息"""
    
    def __init__(self, project_or_dict, reference_files_content: Optional[List[Dict[str, str]]] = None):
        # 支持Project对象或字典，提高灵活性
        if hasattr(project_or_dict, 'idea_prompt'):
            self.idea_prompt = project_or_dict.idea_prompt
            self.outline_text = project_or_dict.outline_text
            # ... 其他属性
        else:
            self.idea_prompt = project_or_dict.get('idea_prompt')
            # ... 其他属性
        
        self.reference_files_content = reference_files_content or []

设计优势：通过统一的上下文对象，确保AI在各个处理阶段都能获得完整的信息，避免信息孤岛。

3.9 完整的PPT生成工作流

基于代码分析，banana-slides的完整工作流程如下：

复制代码

用户输入
    ↓
AIService.generate_outline()  # 生成大纲
    ↓  
AIService.flatten_outline()   # 扁平化处理
    ↓
循环每个页面:
    ↓
AIService.generate_page_description()  # 生成页面描述
    ↓
AIService.generate_image_prompt()     # 生成图片提示词
    ↓
AIService.generate_image()           # 生成图片
    ↓
组合成完整PPT

3.10 技术特色总结

插件化架构：轻松切换不同的AI提供商
强鲁棒性：完善的错误处理和重试机制
多模态集成：智能处理文本、图片、Markdown等多种格式
上下文感知：保持项目状态的连续性，支持多轮交互
自然语言优先：所有功能都围绕自然语言交互设计

这个AIService类体现了banana-slides项目的核心价值：不是简单调用AI API，而是通过精巧的工程设计和提示词工程，将AI能力转化为真正易用的PPT创作体验。

4. 部署与使用：3分钟上手

4.1 使用 Docker 一键部署（推荐）

bash 复制代码

# 1. 克隆项目
git clone https://github.com/Anionex/banana-slides
cd banana-slides

# 2. 配置环境变量（需Gemini API Key）
cp .env.example .env
# 编辑 .env 文件，填入你的Google API Key
# GOOGLE_API_KEY=your-api-key-here

# 3. 启动服务
docker compose up -d

# 4. 访问应用
http://localhost:3000

4.2 三种创建方式示例

4.2.1 方式一：从想法生成（一句话生成）

用户输入 ："我需要一个关于AI PPT工具的演示，重点讲蕉幻的创新点，有数据图表和案例。"

4.2.2 方式二：从大纲生成

用户输入：

复制代码

1. 项目介绍  
2. 核心功能  
   - 三种生成路径  
   - 素材解析  
   - 自然语言修改  
3. 技术架构  
4. 未来规划

4.3 方式三：从页面描述生成

用户输入：

复制代码

第一页：标题"蕉幻 - 重新定义AI PPT"，副标题"基于nano banana pro的原生AI PPT生成应用"，背景图是科技感的抽象线条  
第二页：核心功能，3个要点，每个要点配图标

5. 技术亮点：为什么 "蕉幻" 能做到 "Vibe"？

5.1 基于 nano banana pro 的高质量生成

banana-slides 的核心是使用 Google 的 nano banana pro 模型，相比传统AI PPT工具，它有以下优势：

高质量：生成的图片分辨率更高，细节更丰富
风格一致性：保持整体PPT风格统一，不会出现"风格突变"
精确渲染：能准确呈现用户描述的所有文字和元素

就像一位经验丰富的设计师，不仅能理解你的需求，还能精准执行。

5.2 三种生成路径，适配不同创作习惯

生成方式	适合场景	优点	缺点
从想法生成	初期构思，思路模糊	快速启动，无需详细规划	可能需要多次调整
从大纲生成	有基本结构，需要填充内容	结构清晰，内容丰富	需要提前规划大纲
从页面描述生成	有明确每页内容，只需生成设计	最快，适合细节把控	需要详细描述每页

5.3 自然语言修改：告别反复生成

banana-slides 支持像聊天一样修改PPT：

"第三页的图表改成柱状图，颜色换成蓝色。"

而不是像传统工具那样：

"删除第三页，重新生成第三页，要求是柱状图，蓝色。"

5.4 素材理解与上传

支持上传参考图片、旧PPT作为风格线索，AI会分析并模仿。

6. 未来规划：从 "Vibe PPT" 到 "智能幻灯片"

状态	功能	说明
✅ 已完成	三种生成路径	从想法/大纲/页面描述生成PPT
✅ 已完成	文本与链接自动提取	从文本中抽取要点和图片链接
✅ 已完成	素材上传与解析	上传参考图片、旧PPT
🔄 进行中	元素分割与编辑	支持对已生成图片的元素进行分割和编辑
🔄 进行中	文件上传与网络搜索	支持上传文件和网络搜索素材
🧭 规划中	Agent 模式	AI 自动优化PPT内容和设计

7. 结语：AI PPT 的未来

banana-slides 不仅仅是一个工具，它代表了 AI 与设计的融合。未来的PPT工具将不再是"模板选择器"，而是"设计伙伴"，能真正理解你的需求，生成符合你品味的PPT。

正如《设计心理学》作者唐纳德·诺曼所说：

"好的设计不是让用户去适应产品，而是让产品适应用户。"

banana-slides 正在实践这一理念，让PPT制作从"苦差事"变成"享受"。

8. 经典书籍推荐

《Designing for the Digital Age》 - Kim Goodwin

这本书是数字产品设计的圣经，深入探讨了设计思维、用户体验和设计流程。虽然不是专门讲PPT设计，但其中的"设计思维"和"用户中心"理念，正是 banana-slides 的设计哲学基础。
书中提到："设计不是关于美学，而是关于解决问题。" 这正是 banana-slides 试图解决的PPT制作痛点。

作者简介 ：我是专注于AI与设计融合的极客，曾参与多个AI应用开发项目。如果你对 banana-slides 有任何疑问，欢迎在评论区讨论！

项目地址：https://github.com/Anionex/banana-slides

项目亮点：一句话生成PPT、自然语言修改、高质量页面生成、支持任意模板

本文为原创，转载请注明作者和出处。