AI 做 PPT 最容易出事的时刻，往往不是它不会画，而是它太急。你给它一篇文章，它很快能拆出十页；你再看结果，第一页方向还对，第三页突然换了视觉语言，第七页把文字挤成一团，到了结尾，整套东西像几个不同工具临时拼起来的。

更难受的是，很多错误不是生成完才突然出现的。大纲没确认，后面每一页都可能跑偏；风格没确认，越生成越像抽盲盒；生图后端没确认，文字清晰度和分辨率也会摇摆。真正麻烦的是，AI PPT 不是单次输出问题，而是一串需要停下来检查的工作流。

ningzimu/codex-ppt-skill 的思路正好反过来。它不急着让 Agent 一口气把整套 PPT 做完，而是先把“什么时候该停、停下来确认什么、确认后谁继续往下做”写进 Skill。它的价值不是把 PPT 生成说得更神，而是把失控的位置提前拦住。

所以看这个仓库，不能只看它有多少种风格、能不能生成 PPTX。更应该看它怎么管住 Agent：先确认大纲，再确认视觉风格，再确认图片后端，再出一页样张，样张通过后才进入整套生成。

它让 AI PPT 先停一下，而不是马上冲到底

仓库文档里反复出现的一个动作，是“确认”。outline.md 确认前，不生成正式图片、speech.md 或 PPTX；风格没有定下来，不继续往后走；图片后端一旦确认，整套 PPT 就不该中途换路线。这些规则看起来慢，其实是在减少后面的返工。

这和很多“直接生成 20 页 PPT”的玩法很不一样。codex-ppt-skill 把大纲、风格、后端、样张都当成闸门，每过一关，后面的生成空间才会收窄一点。到了正式批量出图时，Agent 不再是凭感觉逐页发挥，而是在一个已经被确认过的框里工作。

这个设计特别适合图片式 PPT。因为它生成的是整页 16:9 幻灯片图片，再把图片组装成 PPTX。整页图片的好处是视觉统一、效果完整；代价是页面里的文字框、图形和图表不能像原生 PPT 那样逐个编辑。既然修改成本更高，前面就更需要把方向定准。

它没有把“生图后端”当成小事

这个 Skill 的另一层现实感，是它承认不同运行环境的差异。Codex 里可以优先走内置图片生成；在 Claude Code、OpenClaw、Hermes Agent 等支持 SKILL.md 的环境里，可能需要第三方生图 API、OpenAI 兼容接口、AtlasCloud 或 gpt-image-2 这样的后端。

这不是配置细节，而是 PPT 质量的底座。图片模型不同，文字清晰度、分辨率、可编辑式修图能力都会不一样。仓库把后端确认单独列成阶段，并要求后续页面沿用同一后端，就是为了避免一套 PPT 前后质感不一致。

风格库也是同一件事的另一面。它内置清爽专业、科研答辩、党政红、教学课件、电子墨水杂志、手绘技术解释、数据仪表盘、麦肯锡等多种方向，还允许把个人喜欢的风格沉淀到用户目录。这样风格不是每次临时发明，而是可以被复用、被调优。

样张通过以后，它才让多页生产真正跑起来

这里有一个很有工程味的设计：样张确认之后，剩余幻灯片可以交给子智能体逐页处理。每个子智能体只负责一页，主 Agent 负责准备任务、记录状态、检查质量和收口组装。这样既能并发，又不会让每个 worker 自己决定风格、后端或整体结构。

仓库里的 prepare_slide_prompts.py、record_slide_dispatch.py、record_slide_result.py、slide_run_state.py 这些脚本，就是为这件事服务的。聊天里说“这一页做好了”不算完成，状态要被记录，最终图片要进入 origin_image，后面 assemble_ppt.py 才能按顺序组装。

输出目录也能看出它的路线。origin_image 放正式采用的 slide_XX.png，outline.md 保留确认过的大纲，speech.md 写每页演讲稿，组装时还能把这些讲稿写进 PowerPoint 备注区。最终的 PPTX 不是孤零零一个文件，而是一套可以追溯的生成项目。

它不是万能 PPT 工具，而是把一个常见取舍讲清楚了

codex-ppt-skill 对图片式 PPT 的态度很坦白：如果你要的是视觉统一、快速形成完整演示，它很合适；如果你要的是每个文本框、图表和形状都能在 PowerPoint 里细改，那它不是直接替代品。README 里也提醒，后续可以配合 image-to-editable-ppt-skill 做转换。

这句话其实说明了作者的判断：先把内容和视觉做稳，再决定是否追求可编辑。很多 AI PPT 失败，不是因为少一个功能，而是把“大纲确认、视觉确认、生成、修复、可编辑化”全揉成一个动作，结果哪一步都不好控。

所以这个项目真正值得看的，不是它能把材料变成 PPT，而是它把 AI 做 PPT 的冲动按住了。先停一下，先让用户确认，先让样张证明路线能走，再让 Agent 批量干活。对经常被 AI PPT 返工折腾的人来说，这种“慢半拍”的设计反而更接近真实工作。