做 PPT 最让人泄气的瞬间，往往不是第一页没生成出来，而是它看起来差一点就能用：标题在视觉上压不住，内页换了风格，真实截图被画成了似是而非的插画，最后还得回到 PowerPoint 里一点点补。

如果只是把文字塞进模板，这个问题不会变小。模板能保证位置，却很难保证那种“这一页像设计过”的整体感；生成模型有审美，但又容易把真实 logo、图表、产品截图一并重绘掉。

真正麻烦的地方就在这里：PPT 既要像一张完整的视觉稿，又不能把需要保真的东西交给模型自由发挥。

JuneYaooo/gpt-image2-ppt-skills 切中的不是“自动做几页幻灯片”这么简单。它的路线更像先承认一件事：用 gpt-image-2 做 PPT，最稳的主战场是整页视觉，而不是一开始就把每个文本框都拆成可点选对象。

所以它默认先把每页当成 16:9 成品图来生成，再打包进 PPTX。这个选择听起来有点绕，但它把审美、构图、配色和层级放在同一张画面里处理，避免一页 PPT 被拆成许多各管各的零件。

它先把一页当成作品，而不是模板格子

README 里反复强调的“整页视觉稿”，其实是这个仓库最关键的取舍。普通生成、仿模板、局部修改，最后都会落到每页 PNG 和 16:9 PPTX 这两个交付物上。也就是说，PPTX 不是把一堆松散元素硬拼起来，而是把已经完成视觉表达的页面装进可播放、可分享的文件里。

这对 AI PPT 很重要。很多生成工具的问题不是没有内容，而是每页都像在临时换设计师：封面很炫，第二页突然像报告模板，数据页又换成另一套符号。这个仓库用风格文件和 layout sidecar 去约束页面形态，再让 gpt-image-2 完成视觉表达，等于先把整套 deck 的气质压住。

它还保留了 examples 里的几类起步场景，产品发布、融资路演、周报、课程课件、论文答辩、读书分享都有 slides_plan 的参考骨架。这里的价值不是让人复制示例，而是让 agent 在需求很散的时候，先知道一套 PPT 应该怎么分页。

真实素材被放在生成模型之外

这个项目有一段 external real-image overlay logic，很能说明它的谨慎。真实 logo、图表、证据截图、精确 UI，不适合让模型“参考一下再画出来”。它们应该先被规划位置，再作为独立图片对象叠回 PPT 里。

这条链路里， planning 发生在 skeleton 之前。先看页面文字量、图片比例、模板媒体区域和图片是否高细节，再决定安全区域；随后画一个透明骨架，只留角标，不做白色占位块，也不让模型在那块区域生成假照片。

这样做的好处很实际。模型负责背景和版式，代码负责把真实图片按同一个 bbox 放进去。最后再看 overlay preview，确认文字没被盖住、图表还能读、页面没有奇怪白块。对需要拿去汇报的 PPT 来说，这比“让 AI 把截图融进画面”可靠得多。

可编辑不是默认承诺

很多人一听“生成 PPTX”，自然会以为里面每个字、每个形状都能点开改。这个仓库没有把这件事包装成默认能力，反而说得很清楚：默认仍是整页图片模式，只有明确提出可编辑模式、文字可以改、元素可以拆开时，才进入对象级重建。

可编辑模式的思路不是先牺牲审美去拼文本框，而是先生成完整视觉稿，再把已知文字、基础图形、连接线和复杂主视觉拆回 PowerPoint 对象。case05 的示例里，PPTX 回渲染后包含 13 个可选对象，其中有 5 个原生文本、6 个原生 shape、1 个 clean plate，以及可移动的角色和冰淇淋图片层。

这不是小补丁，而是另一个交付模式。scripts/editable_pptx/workflow.py 里先检查本机是否有 PowerPoint、Keynote 或 LibreOffice 这样的回渲染后端，再生成 editable.pptx，最后把结果渲染成图片验收。没有回渲染能力时，它不会把未经检查的可编辑文件说成成功。

它把修改当成一次有记录的重做

PPT 真正进入工作流后，很少有人只生成一次就结束。客户会改标题，老板会换数字，培训页会删一行小字。这个仓库把编辑、回滚、摄取外部 PPTX 都放进同一套 session 和 metadata 体系里，目标页可以单独更新，旧版本也会留下记录。

改第 3 页副标题时，它不是让整套 PPT 重跑一遍，而是读取当前 slide_spec，把要改的元素写进更新说明，再用旧图作为参考重生成目标页。回滚也不是简单复制旧文件，而是用旧版本 spec 再生成一张新图。这种处理方式比较像在给生成式设计加版本管理。

当然，这也意味着它不适合被理解成“万能 PowerPoint 编辑器”。短标题、日期、页脚、数据卡片、指定页更新会更稳；密集表格、财务数字、法务长文仍然需要人工逐项看。它没有假装这些场景都一样，这是这个项目比较诚实的地方。

这个仓库真正留下的是一条交付路线

如果只是看功能清单，gpt-image2-ppt-skills 很容易被归到“AI 生成 PPT”那一类。但细看它的文件和文档，会发现它其实在回答另一个更具体的问题：生成模型负责哪部分，确定性代码负责哪部分，什么时候必须停下来验收。

它让 gpt-image-2 做最擅长的整页构图，把真实素材、版本记录、PPTX 打包和可编辑对象重建交给明确流程。这样的路线不一定满足所有人对“完全原生可编辑 PPT”的想象，但对想快速拿到一套好看的、能演示的、又能继续局部改的 PPT 来说，反而更接近真实工作里的稳妥解。