ai-image-ppt

AI Image PPT

概述

此技能可根据源材料创建基于图像的 PowerPoint 演示文稿。每张幻灯片都是一张完整生成的图像，默认比例为 16:9。支持的比例包括 16:9（默认）、4:3、1:1、3:4、9:16 和 21:9。如果用户要求使用其他受支持的比例，请在提示词、图像尺寸和 PPT 组装中始终保持一致。最终图像会通过 scripts/assemble_ppt.py 组装为 .pptx 文件。

此技能适用于创建视觉风格统一、幻灯片由整页图像构成的 PowerPoint 演示文稿。交付物是 .pptx 文件；基于图像描述的是幻灯片的构建方式，而不是另一种交付格式。如果要求每个文本框、图表或形状都能单独编辑，请勿使用此技能。

如果有内置图像生成工具可用，请直接选择它作为图像后端，无需读取 docs/backend-selection.md、docs/cli-api-fallback.md 或 docs/image-model-configuration.md。否则，请先读取这三个文件，然后选择图像后端。选择后端无需征得用户确认。

硬性约束

• 默认组装并交付 .pptx；不要让用户在幻灯片图片和 PPTX 之间做选择。除非用户明确只要求图片，否则图片属于中间素材或补充交付内容。
• 每个阶段开始前，先阅读相关的 Reference Map 文件。该文件是编排契约；详细规则位于 docs/，每张幻灯片的指导位于 prompts/。
• 对此工作流中使用的每个脚本，先从相关文档中了解用法。如果文档未能解答具体问题，请运行脚本的 --help（适用时也运行子命令的 --help）。只有在文档和帮助均不可用、执行失败或仍未解答同一问题时，才能阅读源代码；此时只检查相关部分。仅发生执行错误并不构成跳过此顺序的理由。
• 首先一并确认视觉风格、受众、场景、语气和幻灯片数量；对于已明确指定或显然可推断的值，无需再次确认。之后必须确认大纲和样例。若检查后确认与用户提供的风格参考图片一致，也可跳过样例确认。除此之外，只有在用户明确要求时，才能按照 docs/workflow-gates-and-progress.md 免除确认；绝不能因用户沉默或笼统的创作请求而推断其同意免除确认。
• 确认是指询问尚未确定的设置，或展示的大纲／样例，并等待用户实际选择或明确肯定回复。优先使用可用的内置提问工具；否则在聊天中询问。在工具限制范围内，将待确认的设置合并询问，并提供简洁选项和推荐选项。提供批准或修改选项前，先展示大纲／样例。预选默认值、工具完成和超时均不算批准。
• 遵守审批关卡。在 docs/workflow-gates-and-progress.md 规定的审批完成前，不得创建最终版 deck_spec.json、speech.md、提示词任务、幻灯片图片或 .pptx。
• 样例获批后，在主 Agent 中使用选定的后端，以每批最多 6 次并发图像调用的方式生成其余幻灯片。不得将幻灯片生成委派给子 Agent。
• 主 Agent 负责提示词任务、生成、图像保存、质量检查、备注和组装。
• 每张最终版 origin_image/slide_XX.png 都必须由选定的图像后端生成：内置图像生成／编辑工具或 scripts/image_gen.py。
• 本地绘图、Pillow、SVG、HTML/CSS／画布截图、python-pptx/PptxGenJS 布局和手动叠加均属于失败模式，不可作为备用方案。
• 选定图像后端后必须始终使用该后端。不得为图方便而切换后端。
• 样例获批后，记录样例的生成方法，并保留其后端和视觉设置；生成／编辑模式可根据图像输入和修复需求进行调整。
• 仅当预期的 origin_image/slide_XX.png 文件存在时，才算幻灯片成功生成。不要创建单独的任务状态文件。
• 如果选定的图像后端或必需的图像路径不可用，请停止并报告阻碍事项，以及幻灯片 ID 和证据。不要创建质量较低的替代品。

可见进度

对于非简单的幻灯片集，提供用户可见的检查清单，并且只标记一个进行中的步骤。规范的完成证据见 docs/workflow-gates-and-progress.md。

默认可见步骤：

1. 确认风格、受众、场景、语气和幻灯片数量。
2. 准备素材、提纲和后端选择。
3. 生成并审批一张样例幻灯片。
4. 准备幻灯片提示词。
5. 在主 Agent 中分批生成图像（最多 6 次并发调用）。
6. 保存生成的幻灯片图片。
7. 质量检查、修复、备注和 PPT 组装。

确认步骤使用 docs/workflow-gates-and-progress.md 中的关卡证据；制作步骤使用实际输出文件作为证据。

默认工作流

1. 确认风格、受众、场景、语气和幻灯片数量。

   • 阅读 docs/workflow-gates-and-progress.md 和 docs/outline-style-and-sample.md。
   • 重用用户请求中明确给出的选择和设置，以及可清楚推断出的内容；简要说明推断出的设置，并将缺失或含糊的值一并询问，尽可能使用可用的内置提问工具，同时提供推荐组合。受众示例：学生、教师、同事。场景示例：教学幻灯片、绘本、工作总结、商业报告。语气示例：中性、友好、专业、教育、技术、学术。
   • 在准备素材和拟定大纲之前完成此关卡。根据需要检查用户提供的风格参考，以作出决定；项目创建后，将设置记录在 outline.md 中。

2. 准备素材、项目目录和资源。

   • 初始化文件夹前阅读 docs/project-assembly-and-reporting.md，使用源图像前阅读 docs/user-supplied-assets.md。
   • 根据已确认的受众、场景和语气，确定主题、目标、语言以及必须包含或排除的内容；保留已确认的幻灯片数量。
   • 撰写大纲或生成样例之前，选择输出目录并初始化项目文件夹。如果未指定目标位置，则使用当前工作目录或源目录。
   • 提取并检查所需资源，记录其路径和用途。初始化文件夹并不意味着可以开始后续制作。

3. 制定并确认大纲。

   • 阅读 docs/workflow-gates-and-progress.md 和 docs/outline-style-and-sample.md。
   • 编写 outline.md，其中包含已确认的设置、标题、要点、页面用途和必需的图像映射。展示大纲并请求批准，尽可能使用可用的内置提问工具；在收到肯定答复之前，等待批准后再生成，除非用户明确表示无需确认。

4. 选择图像后端。

   • 如果有可用的内置图像生成工具，直接选择该工具。此时不要阅读 docs/backend-selection.md、docs/cli-api-fallback.md 或 docs/image-model-configuration.md。
   • 否则，阅读这三个文件，然后选择图像后端。

5. 生成并批准一张样例。

   • 阅读 docs/outline-style-and-sample.md，并在大纲和风格获批且后端选定后生成一张具有代表性的幻灯片。
   • 直接根据已确认的大纲、风格和必需的参考资料编写样例提示词；不要运行 prepare_slide_prompts.py 来准备样例。
   • 使用最终文件名 origin_image/slide_XX.png 保存。使用 Markdown 图片语法 ![Sample slide](image_path_or_url) 内嵌展示样例，不要使用纯链接，并请求批准；尽可能使用可用的内置提问工具。除非用户明确表示无需确认样例或检查确认样例与用户提供的风格参考图一致，否则在收到肯定答复之前，等待批准后再进行完整制作；按照 docs/outline-style-and-sample.md 中的检查项进行检查。

6. 准备幻灯片规格和任务。

   • 阅读 docs/slide-generation.md。
   • 创建 deck_spec.json，其中包含获批样例的方法和 approved_style_reference。将获批样例图像保留在其最终路径。
   • 将受众、场景和语气写入 deck_context，以便每张幻灯片任务都能继承这些信息；在 style 中使用已确认的风格，并在演讲者备注中使用对应语气。
   • 记录已接受样例的实际方法和风格参考后，运行一次 prepare_slide_prompts.py。只有在规格发生变化时才重新生成任务。重用已获批样例：其最终图像已存在。

7. 生成并保存其余每张幻灯片。

   • 阅读 prompts/slide-generation.md，并在主 Agent 中执行缺少预期最终图像的任务，每批最多并发调用图像工具 6 次。不要委派。
   • 对于每项任务，调用所选后端，检查候选图像，按需修复，并将选定的生成图像保存或复制到预期的 origin_image/slide_XX.png 路径。启动下一批之前，先完成并保存当前批次的所有结果。
   • 固定后端和视觉风格。根据所需的图像输入和修复需求，选择生成或编辑；采样模式用于溯源，并非每次调用都必须使用。
   • 如果失败，报告页码和原因；保留其最终图像缺失状态。原因解决后，不重置任何状态，重试缺失的页面。

8. 质量检查与修复。

   • QA 或组装之前，阅读 docs/project-assembly-and-reporting.md。
   • 组装之前检查每张幻灯片：文字、与大纲的匹配情况、截断、风格、不需要的页码、重叠和必需素材。
   • 对严重问题使用更精准的提示词重新生成。可用时，使用后端编辑功能修复局部问题。
   • 对于 CLI/API 备用编辑命令，阅读 docs/cli-api-fallback.md。只有在验证编辑后的输出后，才能替换最终幻灯片。

9. 编写演讲者备注并组装 PPT。

   • 编写 speech.md 或运行组装程序之前，阅读 docs/project-assembly-and-reporting.md。
   • 确保 outline.md 反映最终确认的演示文稿大纲。使用与 Slide N 对应的 speech.md 标题。
   • 组装前，根据 deck_spec.json 检查每个预期图像路径。若有图像缺失，立即停止；不要仅凭文件数量判断。
   • 组装前完成图像 QA、修复和备注；遵循 docs/project-assembly-and-reporting.md 中的组装与重建规则。

10. 报告结果。

    • 使用 docs/project-assembly-and-reporting.md 中的最终报告清单。
    • 包含路径、幻灯片数量、已生成/缺失的幻灯片数量，以及任何限制或阻碍。

主 Agent 生成

直接在主 Agent 中执行已保存的幻灯片任务，每批最多并发调用图像工具 6 次，并使用所选后端及获准的视觉设置。每次调用处理一张幻灯片。等待该批次的所有调用完成，检查并保存每项结果；只有在该批次的所有预期图像都存在时，才启动下一批。修复和重试也计入相同的限制。如果运行环境/后端无法并行处理，则使用更小的批次或串行调用。不要创建子 Agent。

验收标准

• 输出为有效的 .pptx。
• 每张预期的最终幻灯片图像都存在于 origin_image/slide_XX.png 下。
• 每张最终幻灯片图像均来自所选图像后端，包括复用的获准示例图像。
• outline.md 反映获准的演示文稿大纲。
• 需要演讲者备注时，必须存在 speech.md，且组装过程会将这些备注写入 PPT。
• 必需的源图像必须在画面中清晰呈现，否则报告阻碍。
• 如果受阻，最终回复需指出阶段、幻灯片 ID、证据路径和未完成原因；不得声称演示文稿已完成。

参考文档索引

• docs/workflow-gates-and-progress.md：审批关卡、进度、完成证据。
• docs/backend-selection.md：没有内置图像生成工具时阅读。
• docs/outline-style-and-sample.md：大纲、风格、样例规则、提示词示例。
• docs/user-supplied-assets.md：对必需源素材的严格处理要求。
• docs/slide-generation.md：提示词、分批生成、图像保存和重试。
• docs/cli-api-fallback.md：没有内置图像生成工具时阅读；运行时、命令、限制、故障排除。
• docs/image-model-configuration.md：没有内置图像生成工具时阅读；API 密钥、基础 URL、模型、.env。
• docs/project-assembly-and-reporting.md：项目目录、备注、组装、最终报告、提示词原则。
• prompts/slide-generation.md：主 Agent 的逐页检查清单。
• references/*.md：内置视觉风格参考。