PPTAgent

ヒント

Claude Code、Codex、OpenCode 向け PPTAgent Skill が利用可能になりました！

コーディングエージェントを使って、編集可能な PowerPoint デッキを作成、改訂し、視覚的にレビューできます。

Skill をインストール → · Atria Dawn Preview を使う →

無料トークンプラン： Discovery · Atria API

マルチモーダル視覚モデルをマルチモーダルレビュアーとして使用し、Duanyan（端砚）Token Planから API トークンを申請できます。マルチモーダルモデルには deepseek-v4-flash-vision を推奨します。セットアップガイド →

重要

以前のランタイムをお探しですか？ または研究論文の内容を再現しますか？ 現在の開発ブランチではなく、以下の固定バージョンを使用してください。

• PPTAgent（EMNLP 2025）： 論文 · v0.2.0 のコード
• DeepPresenter（ACL 2026）： 論文 · v1.1.38 のコード

📅 ニュース

• [2026/09] 🚀 上海人工知能研究所、復旦大学、中国科学院ソフトウェア研究所、中国人民大学、中国科学院自動化研究所、華東師範大学が共同でリリースした、新しいエージェント型モデル Atria Dawn Preview を発表します。充実した無料トークンプランを利用しましょう： Discovery · Atria。PPTAgent Skill で Atria を使う →
• [2026/09] 🧩 Claude Code、Codex、OpenCode 向けの PPTAgent Skill をリリースしました — コーディングエージェントを使って、編集可能な PowerPoint デッキを作成、視覚的にレビューし、エクスポートできます。使い始める →
• [2026/04] 🎉 DeepPresenter が ACL 2026 に採択されました！
• [2026/03] 🤗 ファインチューニング済みモデルとタスクセットを Hugging Face で公開しました。
• [2026/01] 🆕 フリーフォーム生成とテンプレート生成で、PPTX エクスポートとオフラインモードが利用可能になりました。コンテキストのオーバーフローを防ぐコンテキスト管理も追加しました。
• [2025/12] 🔥 大幅にアップグレードした DeepPresenter のコードベースをリリースしました — Deep Research 連携、自由形式のビジュアルデザイン、自律的なアセット作成、テキストからの画像生成、サンドボックスと20以上のツールを備えたエージェント環境に対応しました。
• [2025/09] 🛠️ MCP サーバーのサポートを追加しました — 詳細は v1.1.37 のドキュメントをご覧ください。
• [2025/08] 🎉 PPTAgent が EMNLP 2025 に採択されました！
• [2025/05] ⭐ GitHub で 1,000 スターを達成しました！
• [2025/01] 🔓 PPTAgent のコードベースをオープンソース化しました。

PPTAgent Skill をインストール 🧩

必要条件： Claude Code、Codex CLI、または OpenCode、Linux（WSL を含む）または macOS、uv、npm、および PATH 上で libreoffice として利用できる LibreOffice。macOS では、コンバーター用に Google Chrome もインストールしてください。

1. ランタイムをインストールする

Debian/Ubuntu では、まずシステム依存関係をインストールします。

sudo apt-get install npm libreoffice-impress

macOS では、Homebrew を使ってシステム依存関係をインストールします。

brew install node
brew install --cask libreoffice google-chrome
ln -sf "$(command -v soffice)" "$(brew --prefix)/bin/libreoffice"

リポジトリをクローンし、Skill の依存関係をインストールします。すでにチェックアウトがある場合は、その skills/pptagent/ ディレクトリから始めてください。

git clone https://github.com/icip-cas/PPTAgent.git
cd PPTAgent/skills/pptagent

uv venv --python 3.12 .venv
uv pip install --python .venv/bin/python -r requirements.txt
.venv/bin/python -m playwright install --with-deps chromium

2. コーディングエージェントに登録する

skills/pptagent/から、クライアントに応じたコマンドを実行します。

Claude Code

.venv/bin/python scripts/install.py --client claude

Codex CLI

.venv/bin/python scripts/install.py --client codex

OpenCode

.venv/bin/python scripts/install.py --client opencode

インストーラーがNodeの依存関係を準備し、選択したクライアントにスキルを登録します。リポジトリはそのままの場所に置き、次のコマンドでインストールを確認します。

.venv/bin/python scripts/pptagent.py doctor

OpenCodeのビジュアルMCP設定とワークフロー全体については、 OpenCodeセットアップガイドに進んでください。

Atria Dawn Previewですぐに始める 🚀

この例では、Atria Dawn Previewを使ってスライドを作成・修正し、外部のビジュアルモデルでレビューします。上記のインストールを完了してから、AtriaコンソールでAPIキーを作成してください。

1. テキストモードのビジュアルレビューを設定する

マルチモーダルビジョンモデルをマルチモーダルレビュアーとして使用できます。Duanyan（端砚）トークンプランからAPIトークンを申請できます。マルチモーダルモデルにはdeepseek-v4-flash-visionをおすすめします。

skills/pptagent/config.yamlで、以下の例を使用し、base_urlをDuanyanコンソールに表示されるOpenAI互換APIのベースURLに置き換えてください。

mode: text
visual:
  base_url: "<OpenAI-compatible API base URL from the Duanyan console>"
  model: "deepseek-v4-flash-vision"
  api_key_env: VISUAL_API_KEY
  timeout_seconds: 300
delivery:
  mode: strict

DuanyanのAPIキーをskills/pptagent/.envに保存してください。

VISUAL_API_KEY=<your-duanyan-api-key>

Atriaはテキストワークフローでスライドを作成し、deepseek-v4-flash-visionはレンダリングされた画像をレビューします。このスキルはbase_urlに/chat/completionsを追加します。Token PlanのWebページURLではなく、コンソールに表示されるAPIプレフィックスを使用してください。ホストモデルが画像に対応している場合は、代わりにmode: multimodalを使用できます。詳細はビジュアルレビューの設定を参照してください。

2. Atriaでコーディングエージェントを起動する

Atriaキーを設定し、別のタスクフォルダーを開きます。

export ATRIA_API_KEY="<your-atria-api-key>"
mkdir -p ~/pptagent-demo
cd ~/pptagent-demo

インストール時に登録したクライアントを選択してください。

Claude Code — AtriaのMessages APIを通じて起動します。

ANTHROPIC_BASE_URL=https://api.atria-asi.ai \
ANTHROPIC_AUTH_TOKEN="$ATRIA_API_KEY" \
claude --model Atria-Dawn-Preview

Codex CLI — 以下を~/.codex/config.tomlにマージします。modelとmodel_providerはセクションヘッダーより前のトップレベルに置き、既存のエントリーを重複させずに更新してください。

model = "Atria-Dawn-Preview"
model_provider = "atria"

[model_providers.atria]
name = "Atria"
base_url = "https://api.atria-asi.ai/v1"
env_key = "ATRIA_API_KEY"
wire_api = "responses"

次に、同じターミナルからcodexを実行します。AtriaのResponses APIを使用し、環境変数からATRIA_API_KEYを読み込みます。

OpenCode — 通常のOpenCodeプロバイダー設定でAtriaを設定し、 OpenCodeセットアップガイド に従ってビジュアルレビュー用ツールを接続してください。

3. 最初のプレゼンテーションを作成する

Atriaを使用するセッションで、次のリクエストを送信してください。

Use the pptagent skill to create a 6-slide presentation about how our
engineering team can adopt AI coding assistants. Use a clean 16:9 layout.
Render and visually review the slides and the exported deck, then deliver
an editable answer.pptx.

Claude Codeでは/pptagent、Codexでは$pptagentを使って、スキルを明示的に呼び出すこともできます。OpenCodeでは、pptagentスキルを使用するよう依頼してください。同じセッションで続けて、スライドを修正できます。

Turn slide 3 into a workflow diagram and shorten the recommendations.
Keep the deck at 6 slides, rebuild it, and review the updated PPTX.

タスクフォルダーには、answer.pptx、編集可能なHTMLソース、プレビュー、レビュー報告書が保存されます。詳細はスキルガイドを、より充実したソース資料に利用できる任意のMinerUおよび検索ツールについては、こちらを参照してください。

コントリビューター 🌟

Force1ess	Puelloc	hongyan	BrandonHu	Dnoob
Sadahlu	lnennnn	KurisuMakiseSame	Aarish Alam	Angelen
Eliot White	EvolvedGhost	ISCAS-zwl	白雨 | James Brown	JunZhang
Open AI Tx	Sense_wang	SuYao	Zakir Jiwani	Zhenyu
Zihan Wang

引用 🙏

このプロジェクトが役に立った場合は、以下の形式で引用してください。

@inproceedings{zheng-etal-2025-pptagent,
    title = "{PPTA}gent: Generating and Evaluating Presentations Beyond Text-to-Slides",
    author = "Zheng, Hao  and
      Guan, Xinyan  and
      Kong, Hao  and
      Zhang, Wenkai  and
      Zheng, Jia  and
      Zhou, Weixiang  and
      Lin, Hongyu  and
      Lu, Yaojie  and
      Han, Xianpei  and
      Sun, Le",
    editor = "Christodoulopoulos, Christos  and
      Chakraborty, Tanmoy  and
      Rose, Carolyn  and
      Peng, Violet",
    booktitle = "Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing",
    month = nov,
    year = "2025",
    address = "Suzhou, China",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2025.emnlp-main.728/",
    doi = "10.18653/v1/2025.emnlp-main.728",
    pages = "14413--14429",
    ISBN = "979-8-89176-332-6",
    abstract = "Automatically generating presentations from documents is a challenging task that requires accommodating content quality, visual appeal, and structural coherence. Existing methods primarily focus on improving and evaluating the content quality in isolation, overlooking visual appeal and structural coherence, which limits their practical applicability. To address these limitations, we propose PPTAgent, which comprehensively improves presentation generation through a two-stage, edit-based approach inspired by human workflows. PPTAgent first analyzes reference presentations to extract slide-level functional types and content schemas, then drafts an outline and iteratively generates editing actions based on selected reference slides to create new slides. To comprehensively evaluate the quality of generated presentations, we further introduce PPTEval, an evaluation framework that assesses presentations across three dimensions: Content, Design, and Coherence. Results demonstrate that PPTAgent significantly outperforms existing automatic presentation generation methods across all three dimensions."
}

@misc{zheng2026deeppresenterenvironmentgroundedreflectionagentic,
      title={DeepPresenter: Environment-Grounded Reflection for Agentic Presentation Generation},
      author={Hao Zheng and Guozhao Mo and Xinru Yan and Qianhao Yuan and Wenkai Zhang and Xuanang Chen and Yaojie Lu and Hongyu Lin and Xianpei Han and Le Sun},
      year={2026},
      eprint={2602.22839},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2602.22839},
}