图片一键转全矢量可编辑PPT——纯Python实现，零依赖，离线可用

把一张技术流程图截图丢给AI，3分钟后拿到一个所有文字可编辑、所有图形可编辑、0张位图 的PPTX文件。不需要LibreOffice，不需要云端API，不需要任何私有包------只需要一个 pip install python-pptx。

背景：为什么需要这个工具？

科研汇报、项目答辩、学术交流中，我们经常遇到这样的场景：

• 手头有一张精美的技术路线图/流程图（PNG/JPG），想放进PPT里修改几个字
• 别人的PPT截图很好看，想复用版式但找不到源文件
• AI生成的PPT图片很精美，但文字不可编辑，改一个字都要重新生成

传统方案的痛点：

方案	问题
手动在PPT里重画	耗时巨大，复杂流程图可能要画半天
OCR + 手动排版	文字识别还行，但图形/箭头/图标全部丢失
python-pptx 硬编码坐标	代码冗长，没有系统化的工作流
OpenAI Codex artifact-tool	私有包，只能在Codex Cloud沙箱里用，本地装不了
LibreOffice 转换	丢失格式，文字变成图片

我需要的方案是：AI看懂图片版式 → 自动生成原生PPT形状和文本框 → 输出完全可编辑的PPTX。

效果展示

示例1：稳定边界主导特征参量辨识技术

统计：225个原生元素 = 108个形状 + 52条连接线 + 12个自由形状 + 52个文本框 + 1个背景，0张位图。

示例2：快速推理估测建模方法

统计：203个原生元素 = 105个形状 + 39条连接线 + 15个自由形状 + 43个文本框 + 1个背景，0张位图。

在PowerPoint中打开后，每一个文字都可以直接点击编辑，每一个图标都可以选中、改色、移动、缩放。

核心原理

整个工作流分四步：

源图片 ──→ AI视觉分析 ──→ gen_manifest.py ──→ manifest.json ──→ build_pptx.py ──→ output.pptx
                                                                    ↓
                                                          PowerPoint COM 渲染验证

Step 1: AI观察源图

用AI的多模态能力（GPT-4V、Qwen-VL等）观察源图，识别出：

• 画布尺寸和比例
• 每个元素的位置（像素坐标）、大小、颜色
• 文字内容、字号、粗细、对齐方式
• 图标类型（数据库、齿轮、箭头、漏斗等）

Step 2: 编写设计脚本 gen_manifest.py

这是核心步骤。用一组 helper 函数描述每个元素：

# 基础原语
shape("ROUNDED_RECTANGLE", x, y, w, h, fill="E4EFF9", stroke="5B9BD5")  # 圆角矩形
text(x, y, w, h, "标题文字", size=13, bold=True, align="center")          # 文本框
line(x1, y1, x2, y2, stroke="333333", stroke_w=2)                       # 连接线
freeform([(0,0),(1,0),(0.5,1)], x, y, w, h, fill="E03C31")              # 自由形状（三角形）

# 内置图标库（20+种）
icon_db(x, y, w, h)           # 数据库圆柱
icon_gear(x, y, w, h)         # 齿轮
icon_funnel(x, y, w, h)       # 漏斗
icon_shield(x, y, w, h)       # 盾牌+闪电
icon_network(x, y, w, h)      # 网络节点图
icon_bars(x, y, w, h)         # 柱状图
down_arrow(x, y)              # 橙色下箭头

所有坐标使用 1920×1080 像素画布，构建器自动映射到 13.333×7.5 英寸的标准16:9幻灯片。

Step 3: 构建PPTX

python gen_manifest.py          # 生成 manifest.json
python build_pptx.py --manifest manifest.json --output output.pptx

build_pptx.py 是一个 216行的通用构建器，支持：

• 任意 MSO 自动形状（矩形、圆角矩形、椭圆、圆柱、齿轮、大括号、箭头、云形、闪电等）
• 旋转、填充透明度、圆角调整
• 自由形状（多边形/折线，用于盾牌、漏斗、王冠、曲线等）
• 多段落文本框（不同行可以有不同字号、颜色、粗细）
• 中西文字体统一设置（latin + ea + cs 三个 typeface 同时设置）

Step 4: 渲染验证（可选）

如果本地装了PowerPoint，可以用COM接口导出PNG预览：

$app = New-Object -ComObject PowerPoint.Application
$pres = $app.Presentations.Open("output.pptx", $true, $false, $false)
$pres.Slides.Item(1).Export("preview.png", "PNG", 1920, 1080)
$pres.Close(); $app.Quit()

然后对比源图和渲染图，修正 gen_manifest.py 中的坐标/颜色/文字，重新构建。通常 2-3轮迭代 就能达到很高的还原度。

与 OpenAI artifact-tool 的对比

这个项目的灵感来源于 OpenAI Codex 的 @oai/artifact-tool Presentation API。我在实际使用中发现：

	image2pptx-native（本项目）	@oai/artifact-tool
依赖	pip install python-pptx	@oai/artifact-tool（npm私有包）
安装	✅ 一行命令	❌ npm registry 404，无法公开安装
运行环境	本地任意机器	仅 Codex Cloud 沙箱
网络需求	无	需要 OpenAI API + ChatGPT Plus/Pro
费用	免费	$20/月 ChatGPT Plus 起
图标	原生形状程序化绘制	同
文字	原生文本框	同
位图	0 张	0 张
渲染验证	PowerPoint COM	内置 skia-canvas
离线使用	✅	❌
输出质量	字节级一致（已验证）	---

实际上，我用 Codex CLI + artifact-tool 生成了第一张图，然后用本项目的纯 python-pptx 方案重新生成，两个文件大小完全相同（37,998 bytes），形状数量完全相同（224个），文本框数量完全相同（52个）。

这说明 python-pptx 完全可以达到 artifact-tool 的效果，而且不需要任何私有依赖。

作为 AI Agent Skill 使用

这个项目最大的价值不只是工具本身，而是它可以作为 AI编码助手的 Skill 使用。

什么是 Skill？

Skill 是一份结构化的指令文件（SKILL.md），告诉AI助手"当用户需要做X时，按照这个流程执行"。DSH、Codex CLI、Claude Code 等AI编码助手都支持 Skill 机制。

安装

# DSH (DeepSeek Harness)
git clone https://github.com/CaoYongshengcys/image2pptx-native.git ~/.agents/skills/image2pptx-native

# Codex CLI
git clone https://github.com/CaoYongshengcys/image2pptx-native.git ~/.codex/skills/image2pptx-native

# Claude Code
git clone https://github.com/CaoYongshengcys/image2pptx-native.git ~/.claude/skills/image2pptx-native

使用

安装后，对AI说：

"把这张图片转成可编辑PPT"

AI会自动：

1. 加载 image2pptx-native skill
2. 用视觉能力分析图片版式
3. 编写 gen_manifest.py 设计脚本
4. 运行 build_pptx.py 生成PPTX
5. 用PowerPoint COM渲染验证
6. 迭代修正直到满意
7. 交付最终文件

整个过程 全自动，用户只需要提供一张图片和一句话。

内置图标库

所有图标都是用 MSO 原生形状 + 连接线 + 自由形状程序化绘制的，完全可编辑（改色、改大小、移动）：

图标	函数	实现方式
数据库	icon_db()	CAN形状 + 白色横线
文档	icon_doc()	圆角矩形 + 横线
监视器	icon_monitor()	矩形 + 底座 + 内部柱状图/波形
柱状图	icon_bars()	N个递增高度的矩形
网络节点	icon_network()	圆形节点 + 连接线
脑/AI	icon_brain()	CLOUD形状轮廓
书本	icon_book()	两个自由形状四边形 + 内页线
风力发电机	icon_turbine()	3个旋转椭圆叶片 + 杆 + 轮毂
盾牌	icon_shield()	自由形状六边形 + LIGHTNING_BOLT
王冠	icon_crown()	自由形状锯齿多边形
漏斗	icon_funnel()	自由形状梯形+管
齿轮	icon_gear()	GEAR_9 预设形状
折线图	icon_linechart()	坐标轴 + 自由形状曲线
清单	icon_checklist()	圆角矩形 + 勾号 + 横线
Venn图	icon_venn3() / icon_venn2()	半透明重叠椭圆
计算器	icon_calculator()	矩形 + 屏幕 + 按钮网格
速度表	icon_speedometer()	BLOCK_ARC + 指针线
靶心	icon_target()	同心圆
盾牌勾	icon_shield_check()	自由形状盾牌 + 勾号
循环数据库	icon_cycle_db()	CAN + BLOCK_ARC循环箭头
散点图	icon_scatter()	坐标轴 + 随机散点 + 趋势线
决策菱形	icon_decision()	DIAMOND + 彩色小方块
分布曲线	icon_dist_curve()	钟形曲线 + Qα标注线
Huber损失	icon_huber()	二次→线性曲线
单调柱状	icon_mono_bars()	5个递增柱
梯度曲线	icon_grad_curve()	双曲线 + ∂f/∂x分数

要添加新图标？只需组合 shape() + line() + freeform() 三个原语，几行代码就能画出任意图标。

技术细节

坐标系映射

class Scale:
    def __init__(self, canvas_w=1920, canvas_h=1080, slide_w_in=13.333, slide_h_in=7.5):
        self.sx = slide_w_in / canvas_w  # 0.00694 in/px
        self.sy = slide_h_in / canvas_h  # 0.00694 in/px
    
    def x(self, v): return Inches(v * self.sx)
    def y(self, v): return Inches(v * self.sy)

设计时用直觉的像素坐标（1920×1080），构建器自动转换为 PowerPoint 的 EMU 单位。

字体设置

中文PPT最容易踩的坑是字体只显示西文不显示中文。解决方案是同时设置三个 typeface：

def set_typeface(run, name="Microsoft YaHei"):
    run.font.name = name
    rPr = run._r.get_or_add_rPr()
    for tag in ("a:latin", "a:ea", "a:cs"):
        node = rPr.find(qn(tag))
        if node is None:
            node = rPr.makeelement(qn(tag), {})
            rPr.append(node)
        node.set("typeface", name)

填充透明度

Venn图等需要半透明叠加效果，通过直接操作 XML 实现：

def set_fill_alpha(shape, alpha_pct):
    srgb = shape.fill.fore_color._xFill.find(qn("a:srgbClr"))
    alpha = srgb.makeelement(qn("a:alpha"), {"val": str(int(alpha_pct * 1000))})
    srgb.append(alpha)

项目地址

GitHub : https://github.com/CaoYongshengcys/image2pptx-native

git clone https://github.com/CaoYongshengcys/image2pptx-native.git
pip install python-pptx
cd image2pptx-native/examples/tech_flowchart_2
python gen_manifest.py
python ../../scripts/build_pptx.py --manifest manifest.json --output output.pptx

总结

维度	说明
输入	任意 PNG/JPG 技术流程图截图
输出	全矢量可编辑 PPTX（0张位图）
依赖	仅 python-pptx（pip install）
运行	本地离线，无需网络
AI集成	可作为 DSH/Codex/Claude Code 的 Skill
扩展性	20+ 内置图标，可自定义新图标
验证	与 artifact-tool 输出字节级一致

核心思路很简单：让AI看懂图片，用代码描述版式，用 python-pptx 生成原生PPT元素。不需要任何黑盒工具，不需要云端API，不需要私有包。一个216行的通用构建器 + 一份设计脚本 = 一张完全可编辑的技术流程图PPT。