---
name: image-ppt
description: "图片PPT（image-ppt）：将书籍、PDF 或任意文字材料转化为精美可编辑 PPT 的工作流技能。推荐运行环境：Codex + GPT-Image 2.0。适用于课堂汇报、读书分享、组会汇报、项目汇报、比赛路演等场景。通过三步流程（内容提炼与风格设计、图片版PPT生成、可编辑PPTX还原）完成从原始文档到可编辑演示文稿的全链路转换。平台无关：也可在任何具备文档阅读、图像生成与文件输出能力的 AI 助手中使用。包含三段核心提示词。别名：图片PPT、image-ppt、doc-to-editable-ppt。"
agent_created: true
---

# 图片PPT — 文字材料转可编辑PPT工作流（通用方法论）

## Overview

本技能提供一套完整的三步工作流，将书籍 PDF、论文、报告等文字材料转化为精美且可编辑的 PowerPoint 演示文稿。工作流源自小黑盒社区教程（作者：玩家22186848），参考 B 站 UP 主「一往无前河井」的学术 PPT 制作思路，经泛化后适用于课堂汇报、读书分享、组会汇报、项目汇报、比赛路演等多种场景。

**推荐运行环境：Codex + GPT-Image 2.0。** Codex 负责文档读取、流程编排与 PPTX 拼装/还原（shell + python-pptx 一条龙）；GPT-Image 2.0 负责绘制风格统一、文字精准的 PPT 页面。Step 1/2 的提示词中"image2图像生成模型"在 Codex 环境对应 **GPT-Image 2.0**，在 GPT/ChatGPT 环境对应其原生图像模型，在其他环境替换为实际使用的生图工具。

**平台无关**：这套方法论的核心是三段提示词 + 三步流程，可在任何具备「文档读取、图像生成、文件输出」能力的 AI 助手中使用（Codex、ChatGPT/GPT、Claude、Kimi、豆包、WorkBuddy、通义等）。执行时仅需将文中标注的通用能力映射到你当前使用的 AI 工具即可。

三段核心提示词存放于 `references/prompts.md`，按步骤引用。

## Workflow Decision Tree

```
用户输入文字材料（PDF / 书籍 / 论文 / 报告 / 纯文本）
         │
         ▼
  ┌──────────────┐
  │ Step 1       │  内容提炼 + 风格设计
  │ 读懂材料      │  → 提炼核心内容
  │ 生成4套预览   │  → 生成4套风格预览图
  └──────┬───────┘
         │ 用户选定一套风格
         ▼
  ┌──────────────┐
  │ Step 2       │  图片版PPT生成
  │ 逐页生成图片  │  → 按选定风格逐页生成
  │ 合并为PPTX    │  → 合并为可下载 .pptx
  └──────┬───────┘
         │ 得到图片版PPT（不可编辑）
         ▼
  ┌──────────────┐
  │ Step 3       │  可编辑化还原
  │ 逐页拆解还原  │  → 图片层 + 可编辑文字层
  │ 输出可编辑PPTX│  → 输出可编辑 .pptx
  └──────────────┘
```

## Step 1: 内容提炼与风格设计

### 目标

深入阅读并理解源材料，提炼核心内容；同时生成四套不同风格的 PPT 缩略预览图供用户选择。

### 执行步骤

1. **读取源材料**：读取用户提供的 PDF/文档。长文档分段读取并汇总要点。
2. **提炼内容大纲**：从材料中提取以下要素：
   - 作者背景、写作背景
   - 全书/全文结构
   - 主要观点、重点章节
   - 典型案例、经典语句
   - 现实意义与阅读启示
3. **获取参考风格**：询问用户是否有参考 PPT 模板图片。如有，分析该图片的配色、字体、版式风格。
4. **生成四套风格预览**：使用 AI 的图像生成能力，按 `references/prompts.md` 中的 **Prompt 1** 生成四套不同风格的 PPT 缩略预览图（类似幻灯片浏览视图布局）。四套方案内容结构一致，但主题颜色、排版方式和视觉风格需有区别。
5. **暂停等待用户选择**：展示四套预览图，请用户选定其中一套风格。

### 适配说明

- **Codex（推荐）**：用文档读取能力提炼内容，再调用图像生成（推荐 GPT-Image 2.0）生成预览图。Prompt 1 中的"image2图像生成模型"对应 GPT-Image 2.0。
- **具备原生图像生成能力的 AI（如 GPT）**：直接将源材料 PDF + 参考风格图片 + Prompt 1 一起发送，AI 会调用其图像模型生成预览。
- **通过外部工具生图的 AI（如 Claude、WorkBuddy）**：先用文档读取能力提炼内容，再调用可用的生图工具生成预览图。Prompt 1 中的"image2图像生成模型"替换为实际使用的生图工具。

## Step 2: 生成完整图片版PPT

### 目标

根据用户选定的风格模板，逐页生成完整的 PPT 页面图片，并合并为可下载的 .pptx 文件。

### 执行步骤

1. **确认风格选择**：记录用户在 Step 1 中选定的风格编号。
2. **逐页生成图片**：基于选定的风格模板和 Step 1 提炼的内容大纲，逐页生成 PPT 页面图片。每页突出一个核心观点，避免大段文字堆砌。
3. **合并为 PPTX**：将所有页面图片按顺序嵌入 16:9 幻灯片，生成 .pptx 文件（可借助 PPT 生成器、python-pptx 脚本或 AI 自带的文件输出能力）。
4. **交付文件**：将生成的 .pptx 文件交付给用户。

### 适配说明

- **Codex（推荐）**：循环调用图像生成（推荐 GPT-Image 2.0）逐页绘制，再用 python-pptx 脚本合并为 .pptx。Prompt 2 中的"image2图像生成图片"对应 GPT-Image 2.0。
- **具备原生图像生成能力的 AI（如 GPT）**：发送 Prompt 2（见 `references/prompts.md`），AI 会逐页生成并自动合并为 pptx。
- **通过外部工具生图的 AI**：手动编排——先循环调用生图工具生成每页图片，再用 PPT 生成器或 python-pptx 脚本合并。注意部分 AI 单次对话只能调用一次工具，需分多轮完成所有页面生成。

### 注意事项

- 单次生图调用通常只能生成一张图片，多页 PPT 需要循环调用。
- 生成顺序建议：封面 → 目录 → 各内容页 → 总结页 → 致谢页。
- 每页生成时需在 prompt 中包含：选定风格描述 + 该页具体内容要点 + 页码信息。

## Step 3: 图片版PPT还原为可编辑PPTX

### 目标

将 Step 2 产出的图片版 PPT（每页是一整张图片，不可编辑）还原为可编辑的 PPTX 文件，保留视觉质感的同时让主要文字可编辑。

### 执行步骤

1. **逐页处理**：将图片版 PPT 的每一页单独处理，每次最多处理 1-3 页，避免拆分效果下降。
2. **识别页面结构**：分析每页图片，将内容拆分为两个层次：
   - **复杂视觉资产层**：品牌Logo、人物、插画、3D图、复杂背景、复杂图表等 → 裁切/提取为高清图片嵌入
   - **可编辑信息层**：标题、副标题、正文、金句、关键数字、结论框文字、页码等 → 用 PPT 原生文本框重建
3. **文字还原**：将可编辑文字用 PPT 原生文本框重新制作，匹配原图的字体气质、字号层级、字重、颜色、行距、字距、对齐方式和位置。如需覆盖原图文字，先用背景色/局部遮罩遮盖原文字，再叠加新文本框，避免重影。
4. **视觉还原**：保持原图的版式比例、视觉重心、阅读顺序、留白节奏、颜色、对比度、明暗关系。
5. **输出与对照**：输出 16:9 可编辑 PPTX，同时渲染预览图与原图对照。如存在明显差距，继续迭代修改。
6. **交付说明**：完成后说明哪些元素被还原为可编辑文本、哪些保留为图片、是否存在字体替代。

### 还原指令

完整的逐页还原提示词见 `references/prompts.md` 中的 **Prompt 3**。该提示词采用"复杂视觉保真 + 主要文字可编辑"的混合还原策略。

### 适配说明

- **具备原生图像拆解能力的 AI（如 GPT）**：上传图片版PPT + 发送 Prompt 3，AI 的图像功能可拆解组合图层元素，直接输出可编辑 PPTX。
- **Codex（推荐）**：
  1. 查看每页图片，识别文字内容和视觉元素结构
  2. 用图像处理库（如 Pillow）裁切复杂视觉区域为独立图片
  3. 用 python-pptx 或 pptxgenjs 构建 PPTX：背景图铺底 + 原生文本框叠加文字
  4. 逐页处理，每次 1-3 页
  5. 合并所有页面为最终 .pptx
- **其他 AI（如 Claude、WorkBuddy）**：按上述 Codex 路径，将具体库/工具替换为当前环境可用者即可。

### 关键注意事项

- **一页一页拆**：每次最多处理 3 页，否则拆分元素效果不理想。
- **避免双重显示**：如果原图本身已含文字，必须先用背景色覆盖原文字再叠加文本框，否则会出现文字重影。
- **字体替代**：无法识别原图字体时，中文选用黑体/思源黑体/微软雅黑，英文选用最接近的无衬线/衬线字体。
- **复杂视觉区域中的小字**：如果单独拆分会破坏画面质感，可保留为图片，但需在最终说明中标注。

## Resources

### references/
- `prompts.md` — 三段核心提示词原文（Prompt 1: 内容提炼与风格设计 / Prompt 2: 图片版PPT生成 / Prompt 3: 可编辑PPTX还原）

### 工具映射建议

执行时按当前 AI 环境选择对应能力：

| 通用能力 | 可用的工具/技能示例 |
|---------|-------------------|
| 文档读取 | 内置 PDF/文档阅读、MarkItDown、任何文件解析能力 |
| 图像生成 | 原生图像模型（如 GPT Image）、Agnes、Midjourney、即梦、通义万相等 |
| PPTX 构建 | AI 自带文件输出、python-pptx、pptxgenjs、WPS/Office 插件 |

## 适用场景

| 场景 | 说明 |
|------|------|
| 大学课堂小组汇报 | 读书分享、课程作业汇报 |
| 组会汇报 | 文献汇报、研究进展汇报 |
| 项目汇报 | 项目总结、方案展示 |
| 比赛路演 | 创业计划书、项目路演 |
| 读书分享会 | 书籍内容提炼与分享 |