AI之PPT Tool:Presenton的简介、安装和使用方法、案例应用之详细攻略

AI之PPT Tool:Presenton的简介、安装和使用方法、案例应用之详细攻略

目录

Presenton的简介

1、特点

Presenton的安装和使用方法

1、安装

1)桌面版安装与使用

[2)Docker 方式安装与运行](#2)Docker 方式安装与运行)

[3)Electron 本地开发方式](#3)Electron 本地开发方式)

2、使用方法

1)部署配置

[2)API 使用方法](#2)API 使用方法)

[3)MCP 认证与接入](#3)MCP 认证与接入)

Presenton的案例应用

1)从提示词直接生成演示文稿

2)从上传文档生成演示文稿

[3)从现有 PowerPoint 模板生成新模板](#3)从现有 PowerPoint 模板生成新模板)

[4)从 CSV 生成演示文稿或数据报告](#4)从 CSV 生成演示文稿或数据报告)

[5)面向团队或产品的 API 集成](#5)面向团队或产品的 API 集成)

6)适合私有化、离线或隐私敏感场景

7)适合统一多模型工作流


Presenton的 简介

Presenton 是一个开源的 AI 演示文稿生成器和 API,被仓库描述为 Gamma、Canva、Beautiful AI、Decktopus、Presentations AI 的替代方案。它的目标是让用户可以从 AI 生成、编辑、导出到部署,完整掌控自己的演示文稿工作流。

仓库首页明确强调了它的核心理念:没有 SaaS 锁定、没有强制订阅、模型与数据完全由用户控制。README 还把它定位为既能本地运行,也能作为 Web 服务或 API 使用的演示文稿引擎。

从项目结构看,Presenton 同时提供 Desktop App、Docker 方案、API 方案 和 MCP Server 能力,适合个人本地使用,也适合团队或产品集成。

Github地址https://github.com/presenton/presenton

1、特点

|-----------------------|-----------------------------------------------------------------------------------------------------------------------|
| 模板和主题高度可定制 | README 写明支持用 HTML + Tailwind CSS 创建无限种演示模板和主题,还能从现有 PowerPoint 文档中生成新的 AI 模板。 |
| 输入方式灵活 | 它既支持基于提示词生成,也支持基于上传文档生成;README 中把这称为 "Flexible Generation"。 |
| 导出格式实用 | Presenton 可以导出为 PPTX 和 PDF,并强调导出后的格式适合正式使用。 |
| 支持多模型提供方 | 仓库列出支持 OpenAI、Gemini、Vertex AI、Azure OpenAI、Amazon Bedrock、Anthropic Claude、LM Studio、Ollama 以及自定义模型,还支持 OpenAI 兼容端点。 |
| 兼顾本地隐私与灵活部署 | README 强调它可以 全本地运行,也可以通过 Docker 一键部署,或者部署到云平台;数据与处理逻辑都可由用户掌控。 |
| 内置 MCP Server | 仓库明确把 Built-In MCP Server 作为特性之一,说明它可以通过 Model Context Protocol 来生成演示文稿。 |
| 支持 BYOK(自带密钥) | README 提到可以使用自己的 API keys,按用量付费,不需要额外订阅。 |
| 图文与富媒体能力较完整 | 它支持 icons、charts、custom graphics 等内容,适合做更专业的演示文稿。 |
| 提供桌面端体验 | README 中单独介绍了 Presenton Desktop,强调可在 Windows、macOS、Linux 上运行,而且不需要浏览器。 |
| 支持 ChatGPT 登录 | 仓库写明可以 Sign in with ChatGPT,使用免费或付费 ChatGPT 账号即可开始制作演示文稿,不需要单独 API key。 |

Presenton的安装和使用方法

1、安装

1)桌面版安装与使用

README 提供了 Presenton Desktop 下载入口,支持的桌面平台包括:

macOS(Apple Silicon / Intel,.dmg)、Windows x64(.exe)、Linux x64(.deb)。

桌面版的思路是:下载安装后,在应用内配置自己的模型提供方与 API keys,然后就能在本机上创建 AI 演示文稿;README 还说明,桌面版适合 开发 或 离线使用。

2)Docker 方式安装与运行

README 给出的 Docker 运行方式是直接拉起容器:

docker run -it --name presenton -p 5000:80 -v "./app_data:/app_data" ghcr.io/presenton/presenton:latest

在 Windows PowerShell 下,对应命令是把挂载路径换成 Windows 语法。启动后,在浏览器打开 http://localhost:5000 即可使用。README 还说明端口 5000 可以替换成其他端口。

3)Electron 本地开发方式

README 说明,Presenton 也可以通过 Electron 作为原生桌面应用运行。首次安装时,需要进入 electron 目录并执行:

cd electron

npm run setup:env

这一步会安装 Node 依赖、在 FastAPI 后端运行 uv sync,并安装 Next.js 依赖。随后可运行:

npm run dev

用于编译 TypeScript 并启动 Electron,本地桌面窗口里会同时运行后端和 UI。

如果要打包安装包,README 还给出:

npm run build:all

npm run dist

输出文件会写入 electron/dist 或你配置的构建目录。

2、使用方法

1)部署配置

仓库说明,部署时可通过 .env 文件或环境变量来配置 docker-compose.yml 中转发的变量,支持 production、production-gpu、development、development-gpu 等模式。README 还列出了大量模型与 API Key 相关变量,例如 LLM、OPENAI_API_KEY、GOOGLE_API_KEY、AZURE_OPENAI_API_KEY、BEDROCK_MODEL 等。

2)API 使用方法

README 中有专门的 Generate Presentation via API 小节,接口为:

POST /api/v1/ppt/presentation/generate

Content-Type: application/json

/api/v1/ 下除 /api/v1/auth/* 外都需要认证。

文档给出的示例请求是通过 HTTP Basic Auth 调用,例如:

curl -u username:password \

-X POST http://localhost:5000/api/v1/ppt/presentation/generate \

-H "Content-Type: application/json" \

-d '{

"content": "Introduction to Machine Learning",

"n_slides": 5,

"language": "English",

"template": "general",

"export_as": "pptx"

}'

示例响应包含 presentation_id、文件路径 path、编辑路径 edit_path。

3)MCP 认证与接入

README 还写了 MCP 的认证方式:如果配置了 AUTH_USERNAME / AUTH_PASSWORD,那么 /mcp 端点也需要认证;先登录可拿到 bearer token,再用于后续请求。

Presenton的案例应用

1)从提示词直接生成演示文稿

README 明确写到 Presenton 支持从 prompts 生成演示文稿,这也是它最直接的使用场景之一。

2)从上传文档生成演示文稿

仓库把 "uploaded documents" 列为支持的输入方式,因此它适合把文档内容快速转成幻灯片。

3)从现有 PowerPoint 模板生成新模板

Presenton 支持从现有 PowerPoint 文档创建 AI 模板,适合把公司历史模板或品牌模板迁移到 AI 工作流里。

4)从 CSV 生成演示文稿或数据报告

README 底部列出的教程标题包括 "Create Presentations from CSV using AI" 和 "Create Data Reports Using AI",说明它支持把结构化数据直接做成演示或报告。

5)面向团队或产品的 API 集成

仓库明确把它定义为 "presentation generator and API",说明它不仅能做成单机工具,也适合嵌入业务系统,让团队或产品通过接口批量生成幻灯片。

6)适合私有化、离线或隐私敏感场景

README 多次强调本地运行、数据私密、无需云依赖,因此它适合对数据安全要求较高的团队、企业或个人。

7)适合统一多模型工作流

由于它支持 OpenAI、Gemini、Azure OpenAI、Bedrock、Ollama 等多种提供方,实际应用里可以根据成本、速度、隐私和部署环境自由切换。