SlideFlow: AI 驱动的 PPT 自动化生成引擎

重磅推荐专栏：
《大模型AIGC》
《课程大纲》
《知识星球》
本专栏系统介绍了大语言模型(LLM)及其相关技术的系列文章。第一章从LLM基础概念入手，涵盖文本向量化、ChatGPT应用、模型架构等基础知识，并针对Qwen3模型进行了6篇技术报告的深度解读。第二章聚焦RAG(检索增强生成)与Agent技术，包括RAG架构实践、知识图谱应用和多篇行业案例解析，同时包含17篇Dify框架核心源码的模块化解读。文章内容涵盖从基础理论到行业应用的全方位技术解析，为开发者提供了大语言模型技术落地的完整知识体系。

Github地址：https://github.com/xiaoyesoso/SlideFlow

SlideFlow 不仅仅是一个 PPT 生成器，它是一个基于 LangGraph 状态机编排、MCP (Model Context Protocol) 协议驱动、并具备 RAG (检索增强生成) 能力的端到端自动化引擎。它能够将模糊的创意或繁杂的文档，转化为具备专业排版、高保真图像和完全可编辑性的演示文稿。

🏗️ 架构设计：高度解耦的生产力模型

SlideFlow 采用现代 AI 应用的四层架构设计，确保了在 Agent 交互、并发生成和基础设施扩展上的卓越表现。

1. 逻辑架构概览 (Mermaid)

执行与基础设施层 2. 接口与协议层 1. 交互层工具调用
API 请求
逻辑编排层 - LangGraph 1. 联网搜索与大纲生成 2. 章节深度内容扩写 3. HTML 幻灯片原子生成 4. PDF 像素级合成 5. PPTX 矢量化转换用户
AI Agent / Claude Desktop
响应式 Dashboard
FastMCP Server
Flask / Web API
SSE 流式推送引擎
Serper / DuckDuckGo
Milvus Lite / RAG
Jinja2 / Tailwind CSS
Playwright / Python-pptx

2. 核心组件职责表

层次	组件	关键技术	核心职责
交互层	Web Dashboard	Vue 3 + Tailwind	提供实时可视化反馈，展示生成进度与日志。
协议层	MCP Server	FastMCP	暴露 10 个原子工具，使 AI Agent 具备操作 SlideFlow 的"手"和"眼"。
编排层	LangGraph	StateGraph	管理复杂的有向无环图（DAG），实现内容的并行扩写与生成。
基础设施层	矢量 RAG 引擎	Milvus Lite	基于本地向量库提供私有文档检索能力，增强内容的专业深度。
基础设施层	转换引擎	Playwright	执行像素级捕获，将 HTML 模板精确映射到 PPTX 矢量元素。

🔬 技术深潜：核心工作流深度解析

1. LangGraph 状态机编排：精准的任务流控制

SlideFlow 的核心大脑是位于 ppt_graph.py 中的状态机。不同于传统的线性脚本，它支持复杂的并行处理和状态回溯。

python 复制代码

# core/ppt_graph.py 核心逻辑片段
def create_ppt_graph():
    # PPTState 存储了整个生成周期的所有上下文（大纲、页面、路径等）
    workflow = StateGraph(PPTState)

    # 注册 5 个核心工作节点
    workflow.add_node("search_outline", search_outline_node)   # 节点 1：生成结构化 JSON 大纲
    workflow.add_node("chapter_content", chapter_content_node) # 节点 2：深度内容扩写（并行）
    workflow.add_node("page_generation", page_generation_node) # 节点 3：原子 HTML 生成（并行）
    workflow.add_node("pdf_synthesis", pdf_synthesis_node)     # 节点 4：渲染为高保真 PDF
    workflow.add_node("html_to_pptx", html_to_pptx_node)       # 节点 5：重建为矢量 PPTX

    # 编排逻辑：Search 结束后，同时启动内容扩写与页面生成
    workflow.set_entry_point("search_outline")
    workflow.add_edge("search_outline", "chapter_content")
    workflow.add_edge("search_outline", "page_generation") 
    
    # 两个分支完成后汇聚到合成节点
    workflow.add_edge("chapter_content", "pdf_synthesis")
    workflow.add_edge("page_generation", "pdf_synthesis") 
    
    workflow.add_edge("pdf_synthesis", "html_to_pptx")
    workflow.add_edge("html_to_pptx", END)

    return workflow.compile()

2. 高保真 HTML-to-PPTX：从 DOM 到矢量的桥梁

这是 SlideFlow 的核心"黑科技"。通过 html_to_ppt.py，我们避免了简单的"截图粘贴"，而是实现了真正的元素重建。

坐标捕获 ：使用 Playwright 执行自定义 JS 脚本，获取每个字符、图像、形状的 getBoundingClientRect()。
样式还原 ：提取计算后的 CSS 样式（如 RGB 颜色、字体大小、对齐方式），并映射到 python-pptx 的对应属性。
分层策略：背景图片 -> 装饰性元素 -> 文本内容 -> 图标。

javascript 复制代码

// html_to_ppt.py 中的核心坐标捕获逻辑
async () => {
    const elements = [];
    // 遍历所有非脚本和样式的可见元素
    const allElements = document.querySelectorAll('body *:not(script):not(style)');
    allElements.forEach(el => {
        const rect = el.getBoundingClientRect();
        const style = window.getComputedStyle(el);
        
        // 精确处理 TextNode 及其换行情况
        if (hasDirectText(el)) {
            elements.push({
                type: 'text',
                text: el.textContent.trim(),
                x: rect.left, y: rect.top, // 像素级坐标
                fontSize: parseFloat(style.fontSize),
                fontFamily: style.fontFamily,
                color: parseRGB(style.color), // 将 'rgb(r,g,b)' 转为数组
                textAlign: style.textAlign
            });
        }
    });
    return elements;
}

3. RAG 引擎：基于 Milvus Lite 的知识增强

在 vector_utils.py 中，我们集成了 Milvus Lite，为 PPT 提供垂直领域的知识支撑。

本地索引 ：无需部署庞大的向量数据库集群，milvus_demo.db 即可满足本地 Agent 的低延迟检索需求。
自动切片 ：使用 tiktoken 进行精准的 Token 计数和重叠切片（Chunking），确保上下文完整。

python 复制代码

# vector_utils.py 核心 RAG 逻辑
class VectorSearchManager:
    def __init__(self, db_path: str = "milvus_demo.db"):
        # 初始化 Milvus Lite 客户端
        self.milvus_client = MilvusClient(db_path)
        self.collection_name = "pdf_chunks"

    async def add_pdf(self, pdf_path: str):
        """将 PDF 内容向量化并存入 Milvus"""
        text = self.extract_text_from_pdf(pdf_path)
        chunks = self.chunk_text(text, chunk_size=500, chunk_overlap=50)
        
        # 获取 Embedding 并存入向量库
        for chunk in chunks:
            embedding = await self.get_embedding(chunk)
            self.milvus_client.insert(
                collection_name=self.collection_name,
                data=[{"vector": embedding, "text": chunk, "source": pdf_path}]
            )

🔌 MCP 模式：将 SlideFlow 挂载到您的 Agent

1. 核心工具列表 (10 个原子工具)

工具名称	作用阶段	功能描述
`initialize_task_workspace`	初始化	为新任务创建独立的工作目录，隔离 HTML、PDF 和 PPTX。
`search_web`	调研	调用 Serper 或 DuckDuckGo 获取互联网实时信息。
`search_vector_db`	调研	在本地 PDF 向量库中检索专业知识。
`get_generation_guidelines`	规划	核心工具：获取各类型页面的 System Prompt 和生成规则。
`list_available_templates`	设计	返回系统内置的视觉模板列表（如 `company_report`）。
`get_template_reference`	设计	获取特定模板页面的参考 HTML/CSS 结构。
`search_images`	设计	搜索高清背景图片以增强幻灯片视觉效果。
`save_html_to_workspace`	设计	将 Agent 生成的 HTML 代码保存到磁盘。
`list_workspace_files`	验证	列出当前任务已保存的所有 HTML 幻灯片。
`synthesize_final_documents`	合成	最终步骤：触发 Playwright 和 PPTX 转换引擎生成产物。

2. 配置 Claude Desktop

将 SlideFlow 挂载为 Claude 的"外部技能"：

json 复制代码

{
  "mcpServers": {
    "slideflow": {
      "command": "python",
      "args": ["/Users/your_path/SlideFlow/mcp_server.py"],
      "env": {
        "OPENAI_API_KEY": "sk-xxxx",
        "SERPER_API_KEY": "xxxx"
      }
    }
  }
}

🚀 快速开始

1. 环境依赖

bash 复制代码

# 推荐 Python 3.10+
pip install -r requirements.txt

# 安装 Playwright 驱动（用于 HTML 渲染）
playwright install chromium

2. 运行模式

Web 交互模式 ：运行 python main.py，访问 http://localhost:5001。
Agent 模式 ：通过 Claude Desktop 或其他 MCP 客户端连接 mcp_server.py。

🔮 未来展望

多模态图表识别：直接识别用户上传图片中的图表并转化为 PPT 内部原生图表。
多 Agent 协作流：引入"设计 Agent"和"文案 Agent"进行多轮博弈优化。
矢量资产库扩展：支持更多样化的 SVG 图标和动态背景模板。

📂 项目结构

text 复制代码

SlideFlow/
├── core/
│   ├── nodes/          # LangGraph 节点实现（大纲、内容、合成等）
│   ├── utils/          # 核心工具类（RAG、转换引擎、搜索）
│   ├── ppt_graph.py    # 工作流状态机定义
│   └── state.py        # 共享状态 PPTState 定义
├── web/                # 基于 Flask 的可视化看板
├── mcp_server.py       # MCP 协议入口
├── main.py             # Web 服务入口
└── assets/             # 模板与静态资源

📄 开源协议

本项目采用 MIT License。

💡 提示 ：为了获得最佳生成质量，建议使用 Claude 3.5 Sonnet 或 GPT-4o 作为底层模型。