gpt-image-2发布后，PPT最强skill

先看一页ai ppt效果图，已经追上古法ppt了。

过去用 AI 做 PPT，最大的问题不是“能不能生成”，而是：

• 逻辑容易散
• 风格不稳定
• 生成完还要手工塞进 PPT
• 演讲备注还得另写一遍

gpt-image-2 这类高质量图像模型出来后，真正拉开差距的不是单张图能力，而是能不能把 PPT 变成一条稳定流水线。

我现在用的方案，它不是“让 AI 随便做几页图”，而是把 PPT 拆成 10 个可控步骤：分析、确认、大纲、提示词、生图、备注、合成、迭代。

一句话总结

这个skill的核心能力是：

先把内容变成结构化大纲，再把每页变成可复现的图片 prompt，最后批量生成整页幻灯片图片，合成为 PPTX，并自动把中文演讲稿写进备注。

这套流程最适合三类 PPT：

• 商务方案：客户交流、售前材料、解决方案
• 技术汇报：架构设计、产品能力、行业方案
• 公众号/路演：视觉冲击强、适合阅读和转发

为什么它比“直接让 AI 做 PPT”强

直接让 AI 做 PPT，通常是一口气生成。

结果是：第一页不错，第三页跑偏，第五页文字炸，第八页风格变了。你想改一页，还得整套重来，这个skill的做法完全不同。

它把 PPT 拆成这些中间产物：

这意味着：每一步都能检查，每一页都能单独改，每张图都能复现。

完整流程：10 步做出一套 PPT

1. 输入资料

你可以给它：

• 一个主题
• 一份 Word
• 一组 PPT
• 多份参考材料
• 品牌图或视觉参考
• 直接粘贴的业务说明

它会先把原始内容保存下来，不直接开画。

2. 内容分析

系统会判断：

• 这是销售材料、技术材料，还是培训材料
• 面向高管、客户、专家，还是内部团队
• 适合几页
• 适合什么风格
• 重点应该是讲逻辑、讲产品，还是讲价值

分析结果会写入 analysis.md。

3. 方案确认

默认会先确认 5 件事：

• 风格
• 受众
• 页数
• 是否审核大纲
• 是否审核提示词

这一步很关键。PPT 不是图片合集，方向错了，后面越精美越浪费。

4. 生成大纲

大纲会写进 outline.md。

每一页不是只有标题，而是包含：

• 页面标题
• 页面类型
• 叙事目标
• 关键内容
• 视觉方案
• 版式建议

也就是说，outline.md 是整套 PPT 的剧本。

5. 审核大纲

如果你选择审核，它会先给你看每页的标题和结构。

这一步适合做三件事：

• 删掉重复页
• 调整讲述顺序
• 补上缺失的商业闭环

先改逻辑，再生成图片，这是效率最高的。

6. 生成每页 prompt

确认大纲后，它会为每一页生成独立 prompt：

prompts/01-slide-cover.md
prompts/02-slide-market-window.md
prompts/03-slide-pain-points.md
...

这里的价值非常大。

因为后面如果某一页不满意，不需要重做全套，只改这一页 prompt，再单独重生这一页。

7. 用 Image Gen 生成整页图片

最新版流程里，生图优先使用系统自带 Image Gen，走gpt-image-2生图通道。

如果主通道某一页连续失败 3 次，才会 fallback 到用户提供的兼容图片接口。

8. 自动生成演讲人备注

这是很多 PPT 工具没有做好的地方。

这个skill 会生成 speaker-notes.md，格式类似：

## Slide 1 - 标题

这里是这一页的中文口述稿。

它写的不是图片提示词，而是真正适合演讲时说的话：

• 解释这一页在讲什么
• 点出关键业务价值
• 衔接下一页
• 控制在口播可用的长度

9. 合成为 PPTX

生成的图片会按顺序铺满 PPT 每一页。

同时，speaker-notes.md 会被写入 PowerPoint 的备注区。

最终得到的是一个真正可交付的 .pptx，不是一堆散图。

10. 单页迭代

后期改稿非常简单：

这才是 AI 做 PPT 应该有的工作流。

最强的地方：可控

我最看重的不是它能生成多漂亮的图，而是它把所有中间过程都保存了。

这意味着：

• 逻辑可控：有 outline.md
• 视觉可控：每页有 prompt
• 结果可控：每页是独立图片
• 备注可控：有 speaker-notes.md
• 迭代可控：可以单页重生
• 交付可控：最终是 PPTX

AI 生成内容最大的坑，就是过程不可追踪。

这套 skill 反过来，把过程全部显式化。


什么时候一定要审核 prompt

下面几类 PPT，我建议必须审核 prompt：

• 客户正式汇报
• 品牌色要求强
• 涉及复杂架构图
• 页面文字较多
• 需要参考图片风格
• 对首页视觉冲击要求高

因为图片模型很强，但它不懂你的最终审美偏好。

最稳的方式是：先让它生成 prompt，再人工看一眼方向。

实战经验：别追求一次成片

真正高效的做法是：

1. 先把大纲做对
2. 再把 prompt 做稳
3. 批量生成第一版
4. 挑 2-3 页重点改
5. 最后合成 PPTX

不要一开始就纠结每页细节。

PPT 的质量，先由结构决定，再由视觉决定，最后才是局部微调。

结论

gpt-image-2 之后，PPT 的上限被大幅抬高。

但真正能稳定交付的，不是“单次生成”，而是“工程化流程”。

这个skill强就强在这里：

它把做 PPT 变成了一个可复现、可审核、可并发、可单页迭代、可自动写备注的流水线。

一句话：

以后做 PPT，不要只问 AI 能不能生成。要问它能不能重来、能不能单页改、能不能写备注、能不能最终交付 PPTX