Claude Code + NanoBanana PPT Skills：一句自然语言，生成动态PPT

前言

深夜十一点，你盯着电脑屏幕，PPT的第三页改了六遍依然不够满意。模板翻了几十个，配色怎么调都别扭，老板明天早上就要看汇报材料------这种内耗，每个职场人都经历过。

但如果我告诉你，现在的AI已经可以一句话生成整套带动态转场的演示文稿呢？不是那种套模板出来的呆板幻灯片，而是带有2K/4K高清图片、平滑视频转场、甚至支持无限循环封面视频的专业级PPT。

这就是今天的主角：Claude Code + NanoBanana PPT Skills。作为一个开源项目，它已在GitHub上获得了超过2000颗星，被开发者归藏（op7418）创造出来，目标是让PPT制作从"体力活"变成"一次对话"。

本文将带你从零开始，深入理解这个组合的工作原理、完整安装步骤以及实战操作指南。

一、背景知识：Claude Code 的 Skills 机制

在正式介绍 NanoBanana PPT Skills 之前，我们需要先理解一个关键概念：什么是 Agent Skills？

根据 Claude Code 官方文档，技能（Skill）是由指令、脚本和资源组成的模块化功能包，能够扩展 Claude 智能体的能力。这些技能存放在特定目录下（每个技能一个文件夹），当 Claude 判断某个技能与当前用户请求相关时，便会自动加载相应技能来完成任务。

Skills 的核心设计理念是 "渐进式披露" （Progressive Disclosure），信息分为三个层次：

1. 元数据（Metadata）------第一层：每个技能的 SKILL.md 文件开头都有 YAML 元信息，包括技能的名称和描述。Claude 启动时会预加载所有已安装技能的元数据，了解每个技能"能干什么"。
2. 技能主体（SKILL.md 内容）------第二层：当 Claude 判断某个技能与当前任务相关，它会进一步读取完整的技能指令文件，获得详细的工作流指导。
3. 附加文件和脚本------第三层：对于复杂场景，技能文件夹中可以包含 Python 脚本或额外说明文档，Claude 仅在需要时才会加载或运行它们。

这种设计让 Skills 既能包含海量专业知识，又不会一次性撑爆上下文窗口。更重要的是，一旦技能被触发，Claude Code 就不再通过大模型生成的方式去执行任务中的具体处理点，而是通过调用 Skill 中的脚本来完成任务，效率和可靠性都大幅提升。

简单来说：Skill 本质上是一个 SOP（标准作业程序）能力包------包含核心指令（SKILL.md）、参考文档（references/）、自动化脚本（scripts/）和视觉资产（assets/），装进 Claude Code 后自动生效。写一次，永远按最高标准执行，还能打包分享给别人用。

二、NanoBanana PPT Skills 是什么？

NanoBanana PPT Skills 是一个开源 AI 驱动演示文稿生成工具，由开发者归藏（op7418）创建。它利用 AI 自动分析文档内容，生成高质量 PPT 图片和转场视频，为用户提供从内容提取到交互式视频输出的完整自动化流程。

核心能力

• AI 驱动的图像生成：支持生成 2K/4K 高分辨率 PPT 图片，画面细腻、专业感十足。
• 动态视频转场：结合可灵 AI 平台，在幻灯片之间生成流畅的转场动画，提升最终呈现的视觉冲击力。
• 交互式视频播放：生成的演示文稿自带交互式播放器，支持键盘控制、循环预览和智能转场。
• 完整 MP4 导出：可以将整套幻灯片合成为一个完整的演示视频，方便分享和展示。
• Claude Code Skill 集成：以 Skill 形式嵌入 Claude Code，支持通过自然语言对话直接生成 PPT。

技术架构

NanoBanana PPT Skills 的核心设计是将 PPT 生成的三个环节分别交由不同的 AI 模型处理：

处理环节	使用的技术	核心作用
内容理解层	Claude 大模型 + 文档解析	智能解析输入文档，自动提取层级关系和核心要点
图像生成层	Google Nano Banana Pro（Gemini 3 Pro Image）	生成幻灯片内容图片，支持 2K/4K 分辨率
动画渲染层	可灵 AI + FFmpeg	生成页面转场视频，进行视频合成

这套架构的精妙之处在于各取所长：Claude 擅长理解和组织内容，Nano Banana Pro 擅长生成高质量图片，可灵 AI 和 FFmpeg 则负责视频处理。三者协同工作，实现了从文本到精美演示文稿的自动化流程。

三、实战案例：30 页 PPT，一句话搞定

在深入技术细节之前，我们先来看一个真实的实战案例，直观感受这套工具的强大。

一位名为 OpenAlgo 项目的开发者需要制作一个面向交易员和开发者的 Pitch Deck，展示他们开源算法交易平台的能力。按照常规做法，这需要找设计师、调模板、手动排版------至少半天的工作量。但他选择了 AI 方案：

"Create a 30-slide PPT on Introduction to OpenAlgo. This is for traders and developers. Use the nano-banana plugin to generate process diagrams and infographics. Make it a modern startup pitch deck."（"创建一个 30 页的 OpenAlgo 介绍 PPT，面向交易员和开发者。使用 nano-banana 插件生成流程图和信息图。制作成现代创业公司的 Pitch Deck 风格。"）

就这一句话。Claude 没有追问 OpenAlgo 是做什么的，也没有索要功能列表或营销文案------它直接阅读了源代码。几秒钟之内，它就开始探索代码仓库中的路由、API 端点、经纪商集成和文档文件，自动理解了 OpenAlgo 连接了 24+ 家印度经纪商、支持 12 个交易平台等核心特性。

最终的产出是一套完整的 30 页 Pitch Deck，包含精美的架构图和信息图表。其中一个典型的架构图 Prompt 是这样的：

"Create a professional architecture diagram titled 'ONE API, 24+ BROKERS' in bold white text at the top. TOP SECTION --- 'YOUR TRADING PLATFORM': Three boxes in a row labeled: 'TradingView', 'Amibroker', 'Python/Excel' ... MIDDLE SECTION --- 'OPENALGO API LAYER': A large glowing rectangular box ... BOTTOM SECTION --- 'BROKER CONNECTIONS': From the API box, 24 small lines fan out ..."

这个案例揭示了一个关键优势：Nano Banana Pro 支持超过 2000 词的长提示，这让 Claude 能够输出极其精细的视觉指令，而 Nano Banana Pro 则忠实执行，生成与品牌调性高度一致的图表。

四、详细安装与配置指南

接下来进入实操环节。下面将详细介绍如何从零开始安装和配置 NanoBanana PPT Skills。

第一步：前置准备

安装前，确保你的系统满足以下要求：

依赖项	作用	获取方式
Python 3.8+	运行核心脚本	python.org
FFmpeg	视频合成和转码	brew install ffmpeg（macOS）/ apt install ffmpeg（Linux）
Git	克隆代码仓库	git-scm.com
Claude Code	AI 交互环境	claude.ai/code

第二步：获取 API 密钥

你需要两个 API 密钥：

1. Google Gemini API Key （必需）：用于调用 Nano Banana Pro 图像生成模型
   • 前往 Google AI Studio 免费获取
2. 可灵 AI 密钥 （可选）：用于生成视频转场效果
   • 包括 KLING_ACCESS_KEY 和 KLING_SECRET_KEY

第三步：安装 NanoBanana PPT Skills

方法一：通过 Claude Code 提示安装（推荐）

在 Claude Code 中直接输入以下提示：

> "Install the NanoBanana-PPT-Skills skill from op7418/NanoBanana-PPT-Skills"

Claude Code 会自动完成克隆仓库、安装依赖、配置环境的全流程。

方法二：手动安装

如果你希望完全手动控制，可以按照以下步骤操作：

# 1. 克隆仓库
git clone https://github.com/op7418/NanoBanana-PPT-Skills
cd NanoBanana-PPT-Skills

# 2. 创建并激活 Python 虚拟环境
python -m venv venv
source venv/bin/activate  # macOS/Linux
# 或 .\venv\Scripts\activate  # Windows

# 3. 安装 Python 依赖
pip install google-genai pillow python-dotenv

第四步：配置环境变量

在项目根目录创建 .env 文件，填入你的 API 密钥：

GEMINI_API_KEY=your_gemini_api_key_here
KLING_ACCESS_KEY=your_kling_access_key_here  # 可选
KLING_SECRET_KEY=your_kling_secret_key_here  # 可选

第五步：验证安装

在 Claude Code 中运行一个简单的测试：

> "使用 nano-banana skill 生成一页测试 PPT，主题是'人工智能的未来'，风格简洁现代。"

如果成功生成一页图片并返回，说明安装配置完成。

五、使用教程：从输入到精美 PPT 的全流程

核心工作流程

NanoBanana PPT Skills 的完整工作流程可以概括为四个阶段：

输入内容 → Claude 内容解析 → Nano Banana Pro 图像生成 → FFmpeg 视频合成

具体来说：

1. 内容输入：你可以输入一句话主题、一篇文章、一份 Markdown 大纲，甚至直接指向一个代码仓库或文档文件夹。工具会自动分析并提取核心要点。
2. 结构规划：Claude 根据内容自动规划幻灯片结构------几页、每页讲什么、用什么视觉风格。你可以选择多种视觉风格，包括渐变毛玻璃卡片风（Apple Keynote 极简风，适合科技产品演示和商务汇报）和矢量插画风（温暖扁平化设计，适合教育培训和创意提案）。
3. 图像生成：对每一页幻灯片，Claude 生成一个详细到极致的 Prompt（可达 2000+ 词），交由 Nano Banana Pro 渲染成 2K/4K 高清图片。
4. 视频合成：所有页面图片生成完毕后，FFmpeg 将图片和可灵 AI 生成的转场视频合成为一个完整的 MP4 演示视频。

实战操作示例

下面以制作一个"产品发布会 PPT"为例，演示完整操作：

步骤 1：准备内容文件

在项目目录中创建一个 content.txt 文件，填入你想要展示的内容。你可以采用 Markdown 格式来组织结构：

# 产品发布会：SmartHome Hub 2026

## 第一页：封面
- 标题：SmartHome Hub 2026 发布会
- 副标题：重新定义智能家居中枢
- 日期：2026年1月

## 第二页：市场痛点
- 智能家居设备孤岛问题
- 用户需要在多个 App 间切换
- 现有方案兼容性差

## 第三页：我们的解决方案
- 统一中枢：一个 App 控制所有设备
- 支持 50+ 主流品牌
- AI 学习用户习惯，自动场景联动

## 第四页：核心技术优势
- 自研跨协议通信芯片
- 毫秒级响应速度
- 军工级安全加密

## 第五页：市场数据
- 智能家居市场规模：2026年预计 1500 亿
- 目标份额：第一年 5%
- 已获得 3000 万天使轮融资

## 第六页：团队介绍
- CEO：前 Google 智能家居团队技术负责人
- CTO：连续创业者，上一家公司被 Amazon 收购
- 团队规模：50 人，其中 70% 为研发人员

## 第七页：结束页
- 谢谢观看
- 联系方式：info@smarthomehub.com
- 官网：www.smarthomehub.com

步骤 2：在 Claude Code 中执行生成命令

输入以下指令：

> "读取 content.txt 文件，使用 nano-banana skill 生成一个产品发布会的 PPT，
   共 7 页，风格选择渐变毛玻璃卡片风。生成图片后，再合成为一个完整的 MP4 演示视频。"

步骤 3：检查并调整输出

工具会自动：

• 解析 content.txt 中的内容结构
• 为每一页生成详细的图像生成 Prompt
• 调用 Nano Banana Pro 逐页生成高清图片
• 使用 FFmpeg 合成最终的演示视频

生成过程中，你可以在终端看到每页的生成进度。如果有不满意的地方，直接告诉 Claude 进行调整：

> "第三页的配色太暗了，换成更明亮的蓝色调。"
> "封面的字体再大一些，加上产品 Logo。"

步骤 4：导出和使用

生成完成后，你会在项目目录中找到：

• slides/ 文件夹：每页的高清 PNG 图片
• output.mp4：完整的演示视频
• interactive.html：支持键盘控制的交互式播放网页

六、进阶技巧：发挥最大潜力

1. Prompt 设计技巧

由于 Nano Banana Pro 支持超过 2000 词的长提示，你的 Prompt 越详细，生成效果越好。建议在描述中包含以下要素：

• 主题和标题：明确每页的核心信息
• 布局描述：元素的具体位置（顶部、中部、底部）
• 配色方案：主色调、背景色、强调色
• 字体要求：字号、粗细、对齐方式
• 图表类型：柱状图、流程图、架构图等
• 整体风格：现代科技感、极简商务风、温暖插画风等

2. 视觉风格选择

NanoBanana PPT Skills 支持多种视觉风格，可根据场景选择：

风格类型	设计理念	适用场景
渐变毛玻璃卡片	Apple Keynote 极简风	科技产品演示、商务汇报
矢量插画风	温暖扁平化设计	教育培训、创意提案

你可以在指令中直接指定，如"使用渐变毛玻璃卡片风格"。

3. 利用 Claude Code 的代码理解能力

如果你正在开发一个软件项目，可以直接让 Claude 读取你的代码仓库来生成 PPT------就像 OpenAlgo 案例中演示的那样。Claude 能够理解代码中的模块结构、API 设计和技术栈，从而生成高度贴合产品实际的演示文稿。

4. 批量生成与迭代

如果需要制作系列 PPT（比如培训课程的多节课件），可以准备一个包含多个主题的 Markdown 文件，让 Claude 批量生成，大大提高效率。

七、常见问题与解决方案

Q1：安装时提示找不到 FFmpeg？

解决：确保 FFmpeg 已正确安装并添加到系统 PATH 中。

• macOS：brew install ffmpeg
• Ubuntu/Debian：sudo apt install ffmpeg
• Windows：从 ffmpeg.org 下载并手动添加到环境变量。

Q2：API 调用失败或超时？

解决：

• 检查网络连接是否正常（需要访问 Google AI 服务）
• 确认 .env 文件中的 API Key 正确无误
• 查看 Google AI Studio 中的 API 配额是否已用完

Q3：生成的图片分辨率不够高？

解决：在生成指令中明确指定分辨率要求，例如："生成 4K 分辨率的图片"。Nano Banana Pro 支持从 512px 到 4K 的多分辨率输出。

Q4：不想生成视频，只想要图片版 PPT？

解决：在指令中说明"只生成图片，不需要视频合成"。工具会跳过 FFmpeg 合成步骤，只输出高清图片。

Q5：生成的 PPT 风格不符合预期？

解决：在指令中更详细地描述视觉风格，或者使用参考图片。Nano Banana Pro 支持上传参考图片来引导风格生成。

八、总结与展望

NanoBanana PPT Skills 代表的不仅仅是一个 PPT 生成工具，它展示了 AI Agent 时代一种全新的工作范式：用自然语言描述需求，AI 智能体自动拆解任务、调用专业工具、完成端到端的交付。

这套工具让 PPT 制作从"体力活"变成了"对话式创作"。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。

根据项目维护者的更新记录，NanoBanana PPT Skills 的 2.0.0 版本已经引入了重大视频功能改进，未来还将持续迭代优化。结合 Claude Code 不断扩展的 Skills 生态，我们有理由相信：AI 原生的工作流正在从"能用"走向"好用"，并最终走向"优雅"。

如果你也想告别熬夜调 PPT 的日子，现在就去 GitHub 上安装试试吧。

项目地址：https://github.com/op7418/NanoBanana-PPT-Skills

延伸阅读：

• Anthropic Skills 官方文档
• Claude Opus 4.5 + Nano Banana 实战案例
• Agent Skills 的一次工程实践

---

__