html2pptx

html2pptx

将渲染后的 HTML 页面转换为原生 PowerPoint .pptx，并保留可编辑形状（而非插入 PNG）。

适用场景

• “将这个 HTML 海报转换为 PPT。”
• “我需要这个 HTML 页面对应的可编辑 PowerPoint 版本。”
• “按 1:1 还原 poster.html 到 PPT——字体、颜色和布局都要一致。”
• “把海报交给不懂开发的人，让他们用 PPT 编辑。”

不适用场景

• 需要纯 PNG 幻灯片 → 使用 paper2poster/demo/presentation/posters.pptx。
• HTML 使用了大量 JS 动画或视频 → 这些内容无法转换为 PPT 形状。
• 内容大量使用 KaTeX 数学公式 → 数学公式会通过栅格化作为后备方案处理（失去公式可编辑性）。

一次性设置

1. Python 依赖项

pip install python-pptx playwright pdf2image lxml Pillow pyphen cairosvg
playwright install chromium     # ~110MB headless browser

2. soffice（用于验证）

# Linux:
sudo apt install libreoffice-impress
# Mac:
brew install --cask libreoffice

3. Web 字体——对还原度至关重要（阅读 GOTCHAS.md）

默认字体 = Arial → 可以跳过本节。 paper2poster 的默认字体是 Arial，因此海报会以 Arial（或其他适用于 PPT 的字体系列：Calibri、 Aptos、Cambria、Times New Roman、Verdana、Georgia、Trebuchet MS）进行渲染。这些字体 已预装在所有 Mac 和 Windows PowerPoint 上，因此无需安装 下方提到的字体，且 .pptx 无需嵌入字体即可在不同设备间使用。 下方的 Inter / Source Serif 4 / JetBrains Mono 配置仅适用于海报使用可选的 Inter Web 字体覆盖设置进行渲染的情况。

如果未安装 Inter / Source Serif 4 / JetBrains Mono，soffice 会回退到 DejaVu Sans（Linux）或 Helvetica（Mac）——字符宽度会发生变化，文本换行也会不同，所有元素的位置都会随之偏移。

Linux：

# Download static-weight TTFs (variable fonts register under wrong family name)
mkdir -p /tmp/fonts-dl && cd /tmp/fonts-dl
curl -sL "https://github.com/rsms/inter/releases/download/v4.0/Inter-4.0.zip" -o Inter.zip
curl -sL "https://github.com/adobe-fonts/source-serif/releases/download/4.005R/source-serif-4.005_Desktop.zip" -o SourceSerif4.zip
curl -sL "https://github.com/JetBrains/JetBrainsMono/releases/download/v2.304/JetBrainsMono-2.304.zip" -o JetBrainsMono.zip
unzip -qo Inter.zip -d Inter/
unzip -qo SourceSerif4.zip -d SourceSerif4/
unzip -qo JetBrainsMono.zip -d JetBrainsMono/

mkdir -p ~/.local/share/fonts
cp Inter/extras/ttf/Inter-{Regular,Medium,SemiBold,Bold,Italic,SemiBoldItalic,BoldItalic}.ttf ~/.local/share/fonts/
cp SourceSerif4/source-serif-4.005_Desktop/TTF/SourceSerif4-{Regular,Semibold,Bold,It,SemiboldIt,BoldIt}.ttf ~/.local/share/fonts/
cp JetBrainsMono/fonts/ttf/JetBrainsMono-{Regular,Medium,Bold,Italic,BoldItalic}.ttf ~/.local/share/fonts/
fc-cache -f ~/.local/share/fonts/

# Verify: fc-match MUST return the font itself, not a fallback
fc-match "Inter" "Source Serif 4" "JetBrains Mono"

Mac： 下载方式相同，但请将字体复制到 ~/Library/Fonts/，并完全退出后重新打开 PowerPoint（Cmd+Q），以加载新字体。

对于使用默认 Arial（或任何适用于 PPT 的字体系列）的海报，查看者无需安装任何字体——这些字体已随 PowerPoint 提供，因此 pptx 可直接跨设备使用。只有在使用可选的 Inter 覆盖设置时，查看者才需要安装 Inter，或者通过可选的 scripts/font_embedder.py 步骤将字体嵌入 pptx（嵌入 4 种 Inter 字重；约 3 MB）。

快速开始 — 一条命令

cd skills/paper2poster/html2pptx
python -m scripts.auto_correct_loop --html /path/to/poster.html

默认情况下，输出文件会保存到输入 HTML 的父目录（同级存放约定，2026-06-12 规范）——例如，my_paper/poster.html → my_paper/poster.pptx。在同一目录中连续运行会覆盖之前的 .pptx。使用 --outdir /custom/path/ 覆盖默认路径。

*Bundle 契约（paper2 pipeline）。作为海报 pipeline 的最终交接步骤调用时，调用方传入 --outdir <bundle>/assets/_pptx_build/，以便所有 html2pptx 产物（DOM json、sanity PNG 和 soffice 渲染文件）都保存在 assets/ 下，然后再将演示文稿移至 bundle 根目录——cp <bundle>/assets/_pptx_build/poster.pptx <bundle>/poster.pptx——因为 poster.pptx 是顶层交付物（也是唯一会离开 assets/ 的 html2pptx 输出）。输入的 poster.html 使用以根目录为基准的 assets/… src 路径**引用图片、徽标和字体；转换器通过 file:// 加载 HTML，因此这些路径会自动相对于 HTML 所在的磁盘位置解析——转换器无需处理路径。

这是规范的入口。它会：

1. 自动检测画布，根据 CSS @page { size: ... } 确定画布尺寸；如果海报超过 56"（PPT 限制），则按比例缩放至不超过 55"
2. 自动检测同级目录中的 poster.pdf（如果存在）：对其运行 pdffonts，构建 CSS 名称 → PDF 字体的别名映射。写入 fontconfig <match> 运行时覆盖项，使浏览器使用与参考 PDF 相同的字体——匹配一一对应。通过 atexit 清理。
3. 自动下载 HTML 引用的其他 Google Fonts 字体（font_resolver.py）
4. 提取 DOM（运行一次 playwright，并缓存为 <name>_dom.json）
5. 构建 pptx → 通过 soffice 渲染 → 生成 PNG
6. 保存对比 PNG：<name>_html_print.png（打印视口，与 PPT 画布一致）和 <name>_html_browser.png（1920×1080 浏览器视口，fullPage）
7. 视觉审查（默认开启）：调用 Claude vision 对比 <name>_html_print.png 与 <name>.png，并写入 <name>_audit.json，其中包含结构化的保真度问题（严重程度、类别、block_idx、位置、描述）。如果已有先前的审查 JSON，则会输出差异（例如 +/- 3 issues vs previous）。默认模型：Opus 4.8（每张海报约 $0.10；如果预算比检出率更重要，可使用 --vision-model claude-sonnet-4-6，每张海报约 $0.02）；额外耗时约 70 秒。

模型选择（供调用此技能的编排器使用）

此技能提供两个相互独立的模型选项。用户说“使用 Opus”／“使用 Sonnet”／“使用更便宜的那个”等时，负责编排的 Claude 必须将其转换为正确的标志——技能脚本不支持自然语言解析。

用户意图	要传入的标志	适用范围
“使用 Opus”／“最高质量”／未指定模型（默认）	（省略标志——默认使用 Opus 4.8）	两者
“使用 Sonnet”／“更便宜”	--vision-model claude-sonnet-4-6（如果运行 auto_fix_loop，还需传入 --fix-model claude-sonnet-4-6）	两者
“不做审查”／“跳过视觉检查”／批量自动化	--no-vision-audit	auto_correct_loop
“视觉审查用 Opus，但修复用 Sonnet”（少见）	--vision-model claude-opus-4-8 --fix-model claude-sonnet-4-6	仅限 auto_fix_loop

两个独立选项，对应两个独立脚本：

• scripts/auto_correct_loop.py（构建 + 审查）→ --vision-model <MODEL>
• scripts/auto_fix_loop.py（构建 + 审查 + 自主代码修复子 Agent）→ --vision-model <MODEL> 和 --fix-model <MODEL>（两者默认均为 Opus 4.8；--fix-model 会明确传给 claude -p --model，确保子 Agent 不会悄然继承编排器的 CLI 配置）

可复现性：两个脚本都会在启动时记录模型选择。视觉审查日志会显示 [vision-audit] calling Claude vision (claude-opus-4-8, auth=...)；auto_fix_loop 日志会显示 [fix-loop] models: vision-audit=..., fixer=...。如果用户报告异常行为，可在运行日志中查看所用模型。

Vision-audit 身份验证

有两种方式，任选其一即可：

模式	环境变量	使用场景
直接 API	ANTHROPIC_AUTH_TOKEN（或 ANTHROPIC_API_KEY）	个人密钥，直接连接 api.anthropic.com
Base-URL 代理	ANTHROPIC_AUTH_TOKEN + ANTHROPIC_BASE_URL	企业代理 / Vertex / Bedrock / 公司网关。本地开发机器使用此配置。

如果未配置任何身份验证，审核会静默跳过，并显示一行提示（因此离线 / CI 运行无需指定 --no-vision-audit）。在批处理自动化中传入 --no-vision-audit 可显式禁用（100 张海报 ≈ $2 + 额外约 2 小时）。

3 轮修订工作流（开发周期）

Vision audit 用更实用的信号取代了旧的基于 PIL 的 L2 循环：结构保真度差异，而非外观上的字体缩小。每次重新运行都会再次执行审核，并显示 +/- N issues vs previous——开发迭代循环如下：

# round 1: baseline (defaults to ./output/<timestamp>/)
python -m scripts.auto_correct_loop --html poster.html
# → look at output/<ts>/poster_audit.json, identify top systemic bug

# round 2: after fixing the bug in html_to_pptx.py
python -m scripts.auto_correct_loop --html poster.html --outdir output/<ts>/
# → output shows e.g. `[vision-audit] 2 issues (-9 vs previous)`

# round 3: fix next bug, target near-zero high-severity
python -m scripts.auto_correct_loop --html poster.html --outdir output/<ts>/

根据实际经验：新的 HTML 模板经过 2-3 轮即可解决大多数问题。每轮约需 1 分钟 + ~$0.02。

跨海报汇总：python -m scripts.vision_aggregate <root_dir> 会遍历所有 <poster>/poster_audit.json，并输出类别频次 + 每张海报的问题数 → 揭示值得通过修改代码来修复的 SYSTEMIC 错误（同一类别的问题出现在 N 张海报中），而非一次性问题。

自主修复循环（auto_fix_loop.py）——完全由 Agent 驱动

对于单张海报的保真度修复，如果不希望这些修复影响已发布的技能，请运行：

python -m scripts.auto_fix_loop --html /path/poster.html --max-rounds 3

每轮：

1. 构建并审计（通过 output/<ts>/_skill_run_copy/ 下 scripts/ 的隔离副本）
2. 从审计中选出最值得处理的问题（类别白名单会过滤掉容易受视觉判断影响的误报，例如 alignment_off）
3. 启动 claude -p 子 Agent，并将其限制在副本中（--add-dir <copy>，仅提供 Read/Edit/Grep/Glob 工具——不提供 Bash、git，且无法越界）
4. 子 Agent 读取 GOTCHAS.md 和副本中的 html_to_pptx.py，进行最小差异修改
5. 重新构建并再次审计
6. 如果问题数量减少 → 将更改保留在副本的内部 git 中 否则 → 在副本中执行 git reset --hard → 尝试下一个问题
7. 循环终止条件：收敛（没有可处理的问题）、达到最大轮数，或达到连续失败上限

每次运行相互隔离是此设计的关键：已发布的 skills/paper2poster/html2pptx/ 永远不会被修改。每次运行都会生成：

• output/<ts>/<name>.pptx — 最终修复后的 PPT
• output/<ts>/<name>_audit.json — 最终审计结果（目标：0 个问题）
• output/<ts>/<name>_run_patches.diff — 相对于基线的子 Agent 累积差异（请审阅！）
• output/<ts>/_skill_run_copy/ — 修补后的技能副本（可使用相同 HTML 重新运行）
• output/<ts>/<name>_fix_loop_summary.json — 每轮处理轨迹

如果审阅 .diff 后发现修复确实具有普遍适用性（而非针对特定海报），请通过常规 PR 将其 cherry-pick 到已发布的技能中。否则，补丁只会作用于该输出目录，不会影响其他海报或其他人的安装。

成本：使用默认模型时，每次收敛运行约为 1–3 美元（视觉审计和修复子 Agent 均使用 Opus 4.8）。可通过 --vision-model / --fix-model（例如 claude-sonnet-4-6）覆盖其中任一模型，以约 5 倍的成本降幅为代价，降低问题检出率并减弱根因分析能力。两种模型的选择都会在运行开始时记录，因此运行结果完全可复现。

身份验证：与 --vision-audit 相同（直接使用 ANTHROPIC_AUTH_TOKEN，或搭配 ANTHROPIC_BASE_URL 使用企业代理）。

已于 2026-06-05 移除：此前的“L2 闭环”字体缩小 轮次——PIL 预测的溢出与 soffice 的实际渲染结果脱节 （审计显示，paper_4_d 在 4 轮中的溢出数量始终为 17→17→17→17），而且 缩小器偶尔会误缩正常的正文段落。现已由默认启用的 --vision-audit 取代， 它能发现真正的保真度问题（缺失的 logo、丢失的 span、错误的换行）——这些问题 是 PIL 无法发现的。换行保真度问题现已在 DOM 提取阶段解决 （浏览器通过 CSS 行高阈值使用 extractWrapLines），而不是 事后处理。--rounds / --shrink-step 标志仍可解析（静默空操作）， 因此不会破坏现有调用位置。

输出约定：默认情况下，输出会保存到 dirname(input_html)/（源 HTML 同级目录）；传入 --outdir <path> 可覆盖此设置。

默认幻灯片尺寸为 47×33.1"（A0 横向）。可通过 --width-inch / --height-inch 覆盖。

字体工作流

该技能按以下优先级链解析字体：

1. 存在同级的 poster.pdf（或使用 --reference-pdf 标志）：该技能通过 pdffonts 提取 PDF 中实际使用的字体，构建别名映射（例如，CSS Inter → PDF Arimo），在本地安装 PDF 字体，并写入 fontconfig <match> 运行时覆盖规则，强制浏览器使用 PDF 字体（而不是 CSS 中指定名称的字体）进行渲染。PPT XML 字体名称 = PDF 字体名称。与同事已有的 PDF 渲染结果匹配时，这种方式的保真度最高，尤其是在其机器上使用的回退字体与 CSS 设计意图不同的情况下。

2. 不存在同级 PDF：该技能会遍历 HTML 中所有 font-family 声明，并通过 font_resolver.py 自动从 Google Fonts 下载尚未安装的字体。设计意图中的字体（Inter、Source Serif 4、JetBrains Mono、Roboto、Playfair Display 等）只要在 Google Fonts 上提供，都会自动安装。

3. CSS / Mac / Win 系统字体中没有 Google Fonts 对应字体的，会通过 html_to_pptx.py 中的 FONT_ALIASES 映射到已安装的等效字体（Inter、JetBrains Mono、Source Serif 4），同时用于浏览器端的 fontconfig 别名和 PPT 端的 run.font.name。

验证输出

# Open the last round's PNG; compare with the HTML render PNG:
ls /tmp/uframe_round_*.png
# soffice → PDF → PNG at 96 DPI to match playwright (DPI mismatch = false font-size-look-smaller bug)

重要：所有地方都使用 dpi=96。对比 PNG 中的 DPI 不匹配会造成视觉尺寸差异，看起来像是字体大小错误，但实际上并非如此。

soffice 渲染 ≠ PowerPoint 渲染。 务必在实际的 PowerPoint（Mac/Win）中检查最终的 .pptx。soffice 在阴影模糊、字体整形器字距调整和渐变色标方面经常存在差异。

架构

HTML
  ↓ [playwright chromium] render + DOM walk
  ↓ getComputedStyle on every visible element
  ↓ canvas.fillStyle = anyColor → normalized rgba()
DOM extract (cached as <name>_dom.json)
  ├─ elements   → boxes (bg/border/gradient/shadow) + images (with object-fit + decoration tile)
  └─ text_blocks → block-level (p/li/h1-h6/figcaption/td/th) with inline runs
                   (incl. ::before/::after pseudo-element content as inherited-style runs)
  ↓ [python-pptx + lxml] generate native shapes (Z-order by DOM depth)
PPTX
  - Picture (object-fit:contain math → centered, letterboxed inside content area = bbox - padding)
    + optional decoration tile UNDER picture (CSS background-color/border-radius/box-shadow)
    + SVG → PNG via cairosvg before embed
  - Rectangle / RoundedRect (CSS border-radius → exact roundRect adj)
    + solid fill / linear gradient (gradFill XML)
    + border (line.color/width)
    + box-shadow (outerShdw effect)
  - TextBox per block element
    + multiple inline Runs (one per <strong>/<em>/text node/pseudo-element)
    + CSS padding → tf.margin_*
    + CSS line-height → absolute Pt line_spacing
    + CSS text-transform applied per-run (so ::before uppercase doesn't inherit paragraph 'none')
    + CSS letter-spacing → OOXML rPr spc
    + CSS hyphens:auto → pyphen-inserted U+00AD soft hyphens
    + <li> → native OOXML <a:buChar> with hanging indent + section color marker
    + overflow:hidden + line-clamp → PIL-measured truncation + "…"
    + single-word short text (≤6 chars, no spaces) → word_wrap=False (honors browser-proven fit)
PPTX (final)
  ↓ [optional: --vision-audit] Claude vision diff (html_print.png vs ppt.png)
  ↓ structured fidelity report (<name>_audit.json): 12 categories × 3 severities
  ↓ delta vs previous audit if one exists → dev-cycle smoke test

功能表

功能	状态
位置 / 尺寸像素级精准	✓
计算后的颜色（oklab / color-mix / color() / hsl / 命名颜色）	✓ 通过 canvas 实现
Alpha 合成（rgba 的 α<1 → 与白色合成）	✓
同一段落中的行内 <strong>/<em> 作为文本运行	✓
章节彩色横幅（h3 背景 + 文本 + 编号标记）	✓
线性渐变	✓ (gradFill)
盒阴影	✓ (outerShdw)
圆角（精确 CSS px → roundRect adj）	✓
各边单独设置边框（border-top/right/bottom/left、不对称）	✓ 每个存在的边都使用细 Rect
行内文本背景 → 文本运行高亮（文本突出显示颜色）	✓ 符合架构规范的 rPr 顺序
上标 / 下标（<sup>/<sub> 或 CSS vertical-align）	✓ 基线偏移 + 可读性下限
图片 object-fit:contain（在边界框内留白）	✓
CSS 内边距 → 文本框边距	✓
CSS 绝对行高（消除尾随空白）	（需要时采用）
CSS hyphens:auto（libhyphen → pyphen 软连字符）	✓
带悬挂缩进和章节颜色的原生 OOXML 项目符号	✓
overflow:hidden + line-clamp 截断	✓
从 @page { size: ... } 自动检测画布尺寸	✓
将幻灯片限制为 PPT 56" 并按比例缩放	✓
从 Google Fonts 自动下载字体	✓（通过 font_resolver）
自动检测同级 poster.pdf → 提取其中字体并建立别名映射	✓ 存在时
将 CSS ::before/::after 生成内容作为继承样式的文本运行	✓（支持“So what →”提示框、内容箭头图标）
每个文本运行的 text-transform 覆盖（伪内容大写，不受段落 'none' 影响）	✓
<img> 装饰底板（透明 PNG logo 下方的白色圆角矩形）	✓（CSS background-color + border-radius + padding）
SVG 嵌入（通过 cairosvg 栅格化 → PNG）	✓
单词较短的文本 → word_wrap=False（如 ICLR/ICML 徽章）	✓（≤6 个字符，且不含空格）
视觉审计保真度报告（Claude 视觉差异，12 个类别）	✓ 默认开启（每张海报约 $0.02；无认证时静默跳过）
自主代码修复循环（在隔离的技能副本中运行 claude-p 子 Agent）	✓ 通过 scripts/auto_fix_loop.py（每次运行约 $0.50-1.50；发布的技能文件不会被修改）
跨海报系统性错误聚合	✓ 通过 scripts/vision_aggregate.py
溢出时闭环缩小字体（L2）	✗ 已于 2026-06-05 移除（PIL 预测与 soffice 解耦，导致其不起作用且可能产生误报；已由 --vision-audit 替代）
匹配换行（强制 PPT 在浏览器位置换行）	✗ 默认关闭；可通过标志启用
在 pptx 中嵌入字体（跨机器可移植性）	✗（第 3 阶段待定）
KaTeX 数学公式	✗（第 4 阶段使用 PNG 回退方案）
CSS transforms / filters	✗（第 4 阶段使用 PNG 回退方案）

脚本

• scripts/html_to_pptx.py — DOM 提取 + PPTX 构建（接受旧版 --corrections，以及用于强制浏览器换行位置的 --match-wrap）。支持提取 ::before/::after 伪元素内容（例如「所以呢 →」等 CSS 标注）、逐文本运行的 text-transform、<img> 装饰图块（透明 PNG 徽标下方的白色圆角矩形），以及通过 cairosvg 栅格化 SVG。
• scripts/auto_correct_loop.py — 规范入口：单次执行 DOM 提取 → 构建 → 渲染 → 生成 PNG 对比图。处理同目录 PDF 的字体别名和 Google Fonts 自动下载。默认输出目录 = dirname(input_html)/（与输入文件位于同一目录）。启用 --vision-audit（默认开启）时，会在渲染后运行视觉差异检查。
• scripts/auto_fix_loop.py — 自主修复循环：将技能脚本复制到隔离的 output/<ts>/_skill_run_copy/，每轮启动一次 claude -p，修复副本中的首要审计问题（通过 --add-dir 进行沙箱隔离），然后重新构建、重新审计，并通过副本内部的 git 保留或回滚。发布的技能保持不变；每次运行的差异会导出，供人工挑选合并。
• scripts/vision_audit.py — Claude 视觉保真度审计器。接收 (html_truth.png, ppt.png, dom.json) → 结构化问题列表，归类为 12 个类别（missing_element、wrap_mismatch、text_clipped、color_drift 等），并标注严重程度和 block_idx。替代了已弃用的基于 PIL 的 L2 循环。
• scripts/vision_aggregate.py — 跨海报类别频次汇总。遍历 <root>/*/poster_audit.json，打印反复出现的错误及其频次，从而揭示 SYSTEMIC（系统性）问题，而非单次问题。
• scripts/font_resolver.py — Google Fonts 自动下载 + 同目录 PDF 字体检测 + fontconfig 运行时别名

为何优于基于像素的 PDF→PPTX 转换器

→ 参见 difference.md — 相较于 iLovePDF / Smallpdf 风格的栅格转换器的具体优势：行内文本高亮作为文本运行属性（而非浮动形状）、原生列表项目符号（而非孤立字形）、粗体保留字体系列（而非相似替代字体），以及其他原生语义相较于像素图像的保留优势。

注意事项

→ 参见 GOTCHAS.md — 记录了每种不易察觉的故障模式及其根本原因和修复方法，均源自生产环境中的实际问题。

快速链接：

• G1：字体名称与字体系列（Inter Variable ≠ Inter）
• G2：soffice ≠ PowerPoint（务必在 PowerPoint 中进行检查）
• G3：PNG 对比的 DPI 一致性
• G4：line_spacing 仅在字体正确时生效
• G5：CSS color-mix 返回 oklab — 通过 canvas 进行规范化
• G6：isInlineOnly 基于标签名称，而非 CSS display
• G7：h3 编号标记（跳过装饰，重新着色文本）
• G8：object-fit:contain — 手动计算留白
• G9：通过 pyphen + U+00AD 实现 hyphens:auto
• G10：::marker 是生成内容 — 使用 OOXML 原生项目符号
• G11：Mac 版 PowerPoint 也需要安装字体
• G12：可变字体会使 fontconfig 混淆 — 使用静态字重
• G15：<img> 装饰图块必须渲染在图片下方（透明徽标下方放置白色图块）
• G16：单词较短的文本 → 设置 word_wrap=False（ICLR/ICML 徽标）
• G17：DOM 遍历器无法识别 ::before/::after — 通过 getComputedStyle(el, '::before') 获取
• G18：视觉审计误报：宽边界框中的左对齐内容看起来像居中

依赖项

软件包	用途
playwright	用于 DOM 提取的 chromium
python-pptx	OOXML 构建 API
lxml	python-pptx 不支持时直接操作 OOXML（渐变、阴影、项目符号）
Pillow	图像解码 + 文本测量
pdf2image	PDF → PNG 预览
pyphen	插入软连字符以实现 CSS hyphens:auto
cairosvg	嵌入前将 SVG <img> 栅格化为 PNG（PIL 无法解码 SVG）

可选（用于 --vision-audit）： | ANTHROPIC_AUTH_TOKEN | 用于视觉差异检查的 Claude API 身份验证 |

用于验证：

libreoffice	通过 soffice 将 PPTX 转换为 PDF
poppler-utils	pdf2image 的二进制后端（pdftoppm）

路线图

• Phase 3（待定）：在 pptx 中嵌入 Web 字体（ppt/fonts/*.fntdata + embeddedFontLst）。此方案可解决 Mac/Win 上的“缺少字体”问题，但每个 pptx 文件会增加约 3 MB。
• Phase 4（待定）：为不受支持的子树（KaTeX 数学公式、复杂 SVG、CSS 变换）提供 PNG 备用方案。