AI PPT 设计方法以及与dashi ppt 对比

0. 一句话

一句话 / 一份文档 → 一套有观点的幻灯片 → 网页里像画图一样改 → 导出 文字能直接改 的 PPTX 或保真 PDF。

它和「PPT 讲解视频」是两条线：

	输入	输出
可编辑 PPT（本文）	主题 / 文档	.pptx / .pdf
PPT 讲解视频	现成 PPT/PDF + 数字人形象	.mp4

---

1. 产品形态

1.1 三个入口，同一套业务

入口	谁在用	形态
网页表单	普通用户	主题 或上传文档，页数 3--30（默认 12）
网页编辑器	需要改稿的人	三栏工作台：页栏 / 画布 / 图层属性
Agent / MCP	Claude Code、Codex 等	create_deck 工具，从对话里抽参数，回调后给「去编辑」入口

三个入口共用 DeckGenService，差异只在「参数怎么来」。计费走平台的冻结/结算，产物进 OSS ------ 它不是一段脚本，是平台里的一等产品。

1.2 两条生成路径

先出大纲：表单 → [简报] → 骨架 → 分节写正文 → 薄页补写 → 一致性审校 → 大纲
                → 用户在编辑器里改大纲 → 展开（不调模型）→ 成稿
一键出稿：     └────────────── 上面整条一次跑完 ──────────────┘ → 成稿

「一键出稿」和「先出大纲」同价 ：因为真正贵的是内容生成，而展开这一步是纯确定性排版、不调模型。两条路只是「要不要在大纲上停一下」。

---

2. 设计方法：七条不肯让步的决策

2.1 不让 LLM 吐坐标

让模型直接产出每个文本框的绝对坐标，出来必是重叠、出界、字号乱。所以我们把活拆成三层：

层	谁做	产出
内容	LLM	标题、要点、数据、表格、配图语义
版式意图	LLM	「这页是大标题 + 三卡」还是「左图右文」，只选名字
绝对坐标	确定性排版器（deck_layout.py）	box: {x, y, w, h}，按 1920×1080 栅格算

LLM 从头到尾没见过坐标。它甚至不知道字号是多少 ------ 它只说「这是页标题」，字号由主题刻度表决定。

推论：坐标只在 deck_layout.py 一处算 。编辑器、缩略图、导出器都只是照着 box 画；多一处推导就多一份会走歪的口径。

2.2 存「语义角色 + token」，不存绝对样式

// 不这么存
{ "fontSize": 24, "color": "#1a1a1a", "fontFamily": "PingFang SC" }
// 这么存
{ "role": "title", "style": { "colorToken": "fg-primary", "sizeStep": 5 } }

• sizeStep 是下标，不是 px ------ 换主题时刻度整体变，字跟着变，框不变。
• 用户手改存 overrides 覆盖层，就是 CSS 层叠：token 基线 + 用户覆盖。
• 圆角存的是比例 （短边的几分之几），和 PPTX 圆角矩形的 adj 同口径。

这是「一键换风格」能成立的全部原因：换风格只写 deck.theme，页里的 layers 一个字不动。而且刻度与圆角沿用这份 deck 自己的快照 ------ 老稿子不会因为上新主题而整体涨缩。

2.3 模板 = 主题 × 版式组件，不做「整页模板」

层	是什么	我们现在的量
主题	视觉语言：配色 11 个 token + 字体对 + 圆角 + 字号刻度	17 套（4 套内置骨架 + 13 套带版式皮肤）
版式组件	封面、目录、章节、要点、两栏、三卡、图文、表格、引文、大数字、流程、时间线、图表、矩阵、结尾	15 种
图示版式	process / timeline / chart / matrix / table 五个 builder	≥8 页的稿子至少要求 1 页图示；模型不照做时排版器会确定性换一页

每套皮肤给的是页面槽位 （标题位、内容区、装饰 chrome），不是「第 3 页长这样」。所以维护量是 主题 + 版式，不是 主题 × 页数。

2.4 内容流水线：先想清楚，再写，再校

一次让模型吐 30 页，后半段看不见前半段，越写越飘。实际做法是五段：

阶段	做什么	关键约束
内容简报	论点、可被反驳的判断、事实/案例/反例、叙事弧、术语表	只活在 worker 里，不落库；上限 4608 token
骨架	先定标题链 + 每页版式 + 观点归属	不合格先带纠正重试一次，仍不合格做确定性修复（丢空章节/无标题页）
分节写正文	按批写，每批 5 页，每批都带简报 + 已写好的页	后段有东西可对齐；传输失败才整份回退单趟
薄页补写	确定性检测「内容偏薄」的页，最多 4 页定向补写	结构页永不检测；补写要过「版式不变、不再判薄、内容量不缩水」的门槛
一致性审校	跨页取证：数字冲突、术语异名、重复断言、标题重复/标签化	命中的页最多再修 2 轮，修不动如实写进 notice，不阻塞交付

所有增强环节都是尽力而为 ：失败/超时只记日志，绝不连坐整单。计费如实汇总 ------ llmQuota 是这一趟所有成功调用的实扣之和。

2.5 排版自检：两层，各查各的

worker（IR 数字）          浏览器（真实换行）
├─ 文字框出界              ├─ 文字比框高/宽
├─ 文字框互相重叠          ├─ 文字互相重叠
└─ 整块形状跑到页外        └─ 图片没加载出来

• worker 侧查 IR 数字，能覆盖全部页，但看不见字体、换行、用户手改。
• 浏览器侧 在真渲染的缩略图上量，能看见真实换行，只覆盖已渲染的页；边改边量（240ms 防抖），页栏角标实时消长。
• 导出前再实测一次：有问题弹确认框，每一行都能点 ------ 跳到那一页并选中出问题的图层；「去修改」直接落到第一处。
• 同一版内容点过「仍然导出」之后不再重复拦。

2.6 编辑即一切：初稿只是起点

• 自由画布：拖拽、缩放、旋转（90° 吸附）、层级、显示/隐藏、锁定、撤销重做 50 步
• 图层：文字（6 个语义角色）、图片、形状（矩形/圆角矩形/椭圆/三角形/线条）、表格、图表（模板皮肤还会带多边形装饰层，编辑器里可选中、可改样式）
• 文本：颜色/字体/字号档位/粗细/对齐/行高/字号缩放（覆盖层可一键清空）
• 页：增、删、复制、拖拽排序、右键菜单、键盘操作
• 单页 AI 重写 ：指着一页说「这页要讲什么」，只改这一页，带乐观锁 ------ 等模型的几十秒里你手改了，结果不会盖掉你的改动
• 重出整套：会替换所有页，所以点之前弹确认框把后果讲清楚
• 演讲备注：跟着 PPTX 备注页一起导出

撤销栈只装图层与背景；笔记、换主题不进历史 ------ 撤销不该把「换了风格」也撤掉。

2.7 导出是单向投影，不是往返同步

IR → PPTX 一次投影，不做双向同步（PowerPoint 改完传回来再解析，是无底洞）。

IR	PPTX
1920×1080 设计 px	1px = 6350 EMU（13.333in × 7.5in）
sizeStep	Pt(px / 2)
kind: text	add_textbox，关 autofit 、word_wrap = true
kind: image	add_picture，contain / stretch 两档
kind: shape	add_shape（圆角矩形/椭圆/三角）与 add_connector（线）、freeform（多边形）
kind: table	原生表格，单元格可继续编辑
kind: chart	原生柱状图（COLUMN_CLUSTERED），负值与坐标轴交给 PowerPoint
复杂视觉（渐变/阴影/图标字体）	降级为图片层：看着对，但在 PowerPoint 里改不了

字体在导出时按白名单写入（含东亚字体段），由用户端 PowerPoint 解析；PDF 则在服务端渲染。

保真度的天花板 ：PPTX 是「结构正确 + 字体 fallback 后观感接近」；100% 保真的是 PDF（服务器渲染，不依赖用户字体）。所以对外文案只说「导出的 PPTX 里，文字都能直接改」，不说「可以随意编辑」。

---

3. 功能清单

3.1 生成

• 主题 / 大纲 / 上传文档（doc、pdf、txt、md、html、pptx；≤20MB）三种取材
• 出方案前可选联网检索（PPT 主题默认开）：检索词只用主题，不传上传文档正文
• 页数 3--30，可指定；大纲可编辑、可整份重出、可单页让模型重写
• 自动配图（按页语义）、风格推荐、20MB 文档解析与截断
• 出稿前自动做图示版式分配（≥8 页至少 1 页图示），章节页强制带副标题，目录从章节页自动汇总

3.2 编辑

• 三栏工作台：页栏（真渲染缩略图）/ 画布 / 图层属性
• 见 2.6；另外：保存状态是一颗图标（错误 > 保存中 > 待保存 > 已保存），自动保存 900ms 防抖 + 串行化，切页前先落库
• 排版问题实时角标 + 可跳转的导出前检查

3.3 导出

• PPTX（文字可改）或 PDF（排版固定）
• 产物 OSS 直链；PDF 由同一份 pptx 经 LibreOffice 转出，两条路的内容必然一致

3.4 平台能力

• 任务记录、阶段进度、失败重试、订阅通知
• 冻结额 / 结算与实际 token 一致；单页重写也是按 token 计费，出完报实扣
• 功能评价、产物历史、MCP 可调用

---

4. 技术链路一张图

浏览器                        后端 (Java)                       worker (Python)
─────────────────────────────────────────────────────────────────────────────
表单 / Agent
  │ POST /deck/outline
  ├──────────────────────────► 建 record + 冻结
  │                            │ 派发 deck_generate(stage=outline)
  │                            ├──────────────────────────────► 简报 → 骨架 → 分批正文
  │                            │                                  → 薄页补写 → 一致性审校
  │                            │ ◄──── /deck/outline/ready ───────┘（llmQuota 回传）
  │ ◄── 轮询 /deck/job ────────┤
大纲编辑器
  │ POST /deck/expand
  ├──────────────────────────► │ 派发 deck_expand（**不调模型**）
  │                            ├──────────────────────────────► deck_layout.py 排绝对坐标
  │                            │ ◄──── /deck/expand/ready ───────┘
  │ ◄── /deck/job ─────────────┤
画布编辑（自动保存 /deck/update_slide）
  │ POST /deck/export
  ├──────────────────────────► │ deck_export
  │                            ├──────────────────────────────► 取 IR → python-pptx
  │                            │                                  →（PDF: LibreOffice）
  │                            │ ◄──── callback + OSS URL ───────┘
  │ ◄── 轮询 → 下载 ───────────┤

边界很清楚 ：模型一律由后端代调；坐标只在 worker 的排版器算；导出器只照着 box 画。

---

5. 与 dashi-ppt（大师 PPT）的对比

对标的 dashi-ppt-skill（作者 chuspeeism，AGPL-3.0，GitHub 约 4.3k star，截至 2026-10）。

它的公开数据：12 套主题、1,020 个版式页、8,576 个可调控件、20 个页面角色；雷达/瀑布/树图/漏斗/热力/桑基/甘特等图表，SWOT/波特五力/PEST/商业模式画布/双钻模型等分析框架；导出 HTML / PDF / 可编辑 PPTX。数据以它 README 为准，本文按公开信息对比，不臆测未公开实现。

5.1 先说结论：这是两个物种

	dashi-ppt	我们（Deck）
本质	装在 Agent 里的 skill （npx dashi-ppt-skill），本地跑	平台里的在线产品（账号、任务、计费、产物）
产物归属	本机文件 + 本地 HTTP 预览服务	OSS 直链 + 任务记录 + 可回访的编辑台
谁在交付	用户自己的电脑（Node 20+、Chrome/Chromium）	服务端（Python 排版 + 导出），用户只开浏览器
给谁用	已经用 Claude Code / Codex 的个人	团队 / 客户 / 需要留痕与计费的场景

一句话：dashi 把「做 PPT」做成一个能力，我们把「做 PPT」做成一条产品线。 两者的强项不重叠。

5.2 逐项对比

维度	dashi-ppt	我们	谁更强
排版决策	Agent 产出 HTML/CSS，浏览器布局引擎排；版式由 1,020 个页面模板决定	LLM 只出内容 + 版式意图，坐标由确定性排版器算；15 种版式 × 17 套主题	它赢在版式库广度 ；我们赢在版面可预测、不会重叠出界
模板体系	12 主题、20 个页面角色，共 1,020 个整页版式、8,576 个控件	17 主题（4 内置 + 13 皮肤）× 15 版式，槽位级皮肤	它赢在「打开就有好看的页」；我们赢在维护量小（主题 + 版式，不是主题 × 页数）
编辑方式	每页一个控制台（滑杆/下拉/开关，20+ 维度）+ 就地改字、拖图、换色、重排页	自由画布：拖/缩/转、图层树、z-order、锁定隐藏、撤销 50 步	它赢在改得快、不容易改坏 ；我们赢在能改结构（挪框、改层、加形状）
风格切换	换主题/配色（模板参数）	换主题只写 deck.theme，图层一字不动；刻度用这份 deck 自己的快照	接近；我们的 token 化更彻底
可编辑 PPTX	HTML 逐节点重建成 Shape/TextFrame，文字可编辑，高级效果降级	IR 直出 python-pptx 原生文本框/形状/表格/图表，没有「HTML→PPTX」这一跳	我们少一跳、少一层失真；它的浏览器渲染观感可能更接近设计稿
图表/分析模型	雷达、瀑布、树图、漏斗、热力、桑基、甘特 + SWOT/五力/PEST/BMC/双钻	原生柱状图 + 原生表格；process / timeline / matrix / chart / table 五种图示版式	它更强（图表类型与分析框架更多）；我们的图表是 PPT 原生对象、可直接改数据
内容质量兜底	公开资料未描述跨页审校；靠 Agent + 模板约束	简报 → 骨架 → 分批 → 薄页补写 → 跨页一致性审校（数字/术语/重复断言）→ 确定性排版自检 → 浏览器实测	我们更强（有确定性取证，不靠模型自觉）
交付与运维	本地跑，不上传内容（隐私好）；不用账号、没有计费	云端：账号、配额、冻结/结算、任务记录、OSS、订阅通知	隐私它赢；平台化我们赢
运行依赖	Node 20+、Chrome/Chromium/Edge；file:// 不能导 PPTX，必须走本机 HTTP 服务	浏览器即可；PDF 由服务端 LibreOffice 转	我们更适合非技术用户
许可	AGPL-3.0：网络服务里集成会被要求开源	自有代码	商用集成我们无约束
价格形态	开源免费 + 自己出算力	500 积分/次导出；生成按 token 实扣	取决于场景

5.3 各自适合谁

选 dashi，如果你：已经在 Claude Code/Codex 里工作；要的是「好看的页 + 快速调参」；内容敏感不能上传；能接受本机装 Node 和 Chrome；不介意 AGPL。

选我们，如果你 ：要一个链接就能用的产品；需要账号、计费、任务记录、产物回访；要真的能改结构 （挪框、改图层、加形状）；要跨页数字/术语一致；要把「做 PPT」接进自己的 Agent/MCP 或业务流程；或者需要一份保真 PDF 交付给客户。

---

6. 能力边界

别说「导出的 PPT 可以随意编辑」，用户一试形状和动画就觉得被骗。准确说法：

导出的 PPTX 里，文字都能直接改。

能做	打折扣	做不到
原生文本框、形状、表格、柱状图	渐变/阴影/图标字体降级为图片层	动画与切换（python-pptx 不支持）
文字改、框挪、图换	合并单元格、条件格式	SmartArt、公式（OMML）
一键换 17 套主题	导出的 PPTX「看着差不多」，不是逐像素	字体嵌入（授权墙，只有思源系可嵌）
保真 PDF	用户端字体 fallback	PPTX 反解成可编辑图层、双向同步

---

参考

• dashi-ppt-skill 仓库：https://github.com/chuspeeism/dashi-ppt-skill
• SKILL 说明：https://github.com/chuspeeism/dashi-ppt-skill/blob/main/skills/dashi-ppt/SKILL.md
• 腾讯云开发者社区评述：https://cloud.tencent.com.cn/developer/article/2723295
• 阿里云开发者社区评述：https://developer.aliyun.com/article/1754469
• 内部设计文档：docs/可编辑PPT.md