paper-slide-deck

论文幻灯片生成器

将学术论文和内容转换为专业的幻灯片图像，并自动提取图表。

用法

/paper-slide-deck path/to/paper.pdf
/paper-slide-deck path/to/paper.pdf --style academic-paper
/paper-slide-deck path/to/content.md --style sketch-notes
/paper-slide-deck path/to/content.md --audience executives
/paper-slide-deck path/to/content.md --lang zh
/paper-slide-deck path/to/content.md --slides 10
/paper-slide-deck path/to/content.md --outline-only
/paper-slide-deck  # Then paste content

脚本目录

重要：所有脚本均位于此技能的 scripts/ 子目录中。

Agent 执行说明：

1. 将此 SKILL.md 文件所在目录路径确定为 SKILL_DIR
2. 脚本路径 = ${SKILL_DIR}/scripts/<script-name>.ts
3. 将本文档中所有 ${SKILL_DIR} 替换为实际路径

脚本参考：

脚本	用途
scripts/generate-slides.py	通过 Gemini API 生成 AI 幻灯片（Python）
scripts/merge-to-pptx.ts	将幻灯片合并为 PowerPoint
scripts/merge-to-pdf.ts	将幻灯片合并为 PDF
scripts/detect-figures.ts	自动检测 PDF 中的图表/表格
scripts/extract-figure.ts	从 PDF 页面提取图表（使用 PyMuPDF 作为后备方案）
scripts/apply-template.ts	应用图表容器模板

选项

选项	说明
--style <name>	视觉风格（参见风格库）
--audience <type>	目标受众：初学者、中级用户、专家、高管、普通受众
--lang <code>	输出语言（en、zh、ja 等）
--slides <number>	目标幻灯片数量
--outline-only	仅生成大纲，跳过图像生成

风格库

风格	说明	最适合
academic-paper	简洁专业、图表精准	学术会议演讲、论文答辩
blueprint（默认）	技术示意图、网格纹理	架构、系统设计
chalkboard	黑色黑板、彩色粉笔	教育、教程、课堂
notion	SaaS 仪表板、卡片式布局	产品演示、SaaS、B2B
bold-editorial	杂志封面、醒目字体、深色风格	产品发布、主题演讲
corporate	海军蓝/金色、结构化布局	投资者演示文稿、提案
dark-atmospheric	电影感深色模式、发光点缀	娱乐、游戏
editorial-infographic	杂志式解说、扁平插画	技术解说、研究
fantasy-animation	吉卜力/迪士尼风格、手绘	教育、故事讲述
intuition-machine	技术简报、双语标签	技术文档、学术内容
minimal	极简风格、最大限度留白	高管简报、高端内容
pixel-art	复古 8 位风格、粗颗粒像素	游戏、开发者演讲
scientific	学术图示、精准标注	生物、化学、医学
sketch-notes	手绘、温暖友好	教育、教程
vector-illustration	扁平矢量、复古可爱	创意内容、儿童内容
vintage	做旧纸张、历史风格	历史、传承、传记
watercolor	手绘纹理、自然温暖	生活方式、健康、旅行

自动样式选择

内容信号	选定样式
论文、学位论文、答辩、会议、ieee、acm、icml、neurips、cvpr、acl、aaai、iclr	academic-paper
教程、学习、教育、指南、入门、初学者	sketch-notes
教室、教学、学校、粉笔板、黑板	chalkboard
架构、系统、数据、分析、技术	blueprint
创意、儿童、孩子、可爱、插画	vector-illustration
简报、双语、信息图、概念	intuition-machine
高管、极简、整洁、简单、优雅	minimal
SaaS、产品、仪表板、指标、生产力	notion
投资者、季度、商业、企业、提案	corporate
发布、营销、主题演讲、大胆、影响力、杂志	bold-editorial
娱乐、音乐、游戏、创意、氛围感	dark-atmospheric
解释、新闻、科学传播	editorial-infographic
故事、奇幻、动画、魔法、奇妙	fantasy-animation
游戏、复古、像素、开发者、怀旧	pixel-art
生物学、化学、医学、路径、科学	scientific
历史、遗产、复古、探险、历史性	vintage
生活方式、健康、旅行、艺术、自然	watercolor
默认	blueprint

布局图库

可选的单页布局提示。请在大纲的 // LAYOUT 部分指定。

单页专属布局

布局	描述	适用场景
title-hero	居中显示大标题和副标题	封面页、章节分隔页
quote-callout	突出显示引言及出处	用户评价、关键见解
key-stat	以一个醒目的大数字为焦点	影响力统计、指标
split-screen	一半图片、一半文字	功能亮点、比较
icon-grid	带标签的图标网格	功能、能力、优势
two-columns	内容分布于均衡的两列	配对信息、两项要点
three-columns	内容分布于三列	三方比较、分类
image-caption	全幅图片加文字叠层	视觉叙事、情感表达
agenda	带重点标记的编号列表	会议概览、路线图
bullet-list	结构化项目符号列表	简单内容、列表

信息图衍生布局

布局	描述	适用场景
linear-progression	从左到右的顺序流程	时间线、分步流程
binary-comparison	并排比较 A 与 B	前后对比、优缺点
comparison-matrix	多因素网格	功能比较
hierarchical-layers	金字塔或堆叠层级	优先级、重要性
hub-spoke	中心节点向外辐射多个项目	概念图、生态系统
bento-grid	大小不一的卡片	概览、摘要
funnel	逐步收窄的阶段	转化、筛选
dashboard	带图表和数字的指标	KPI、数据展示
venn-diagram	相互重叠的圆	关系、交集
circular-flow	持续循环的周期	循环流程
winding-roadmap	带里程碑的弯曲路径	旅程、时间线
tree-branching	父子层级结构	组织结构图、分类体系
iceberg	可见层与隐藏层	表象与深层内容
bridge	展示带有连接的鸿沟	问题与解决方案

学术专用布局

布局	描述	适用场景
paper-title	标题、作者、所属机构、会议	会议论文封面
outline-agenda	带重点标注的编号章节列表	演讲结构概览
methods-diagram	居中的架构／流程图	方法、系统设计
results-chart	图表区域 + 数据注释	定量结果
equation-focus	居中的公式 + 变量定义	数学推导
qualitative-grid	2x2 或 3x2 图片对比网格	视觉结果、消融实验
references-list	编号引用列表	重要参考文献页
contributions	编号贡献点	贡献总结

用法：在幻灯片的 // LAYOUT 部分添加 Layout: <name>，以引导视觉排版。

设计理念

此演示文稿面向阅读与分享，而非现场演示：

• 每张幻灯片都必须无需口头讲解即可自明
• 滚动浏览时，内容应按逻辑顺序组织
• 在每张幻灯片中包含所有必要背景信息
• 针对社交媒体分享和离线阅读进行优化

文件管理

输出目录

每个会话都会创建一个以内容 slug 命名的独立目录：

slide-deck/{topic-slug}/
├── source-{slug}.{ext}    # Source files (text, images, etc.)
├── outline.md
├── outline-{style}.md     # Style variant outlines
├── prompts/
│   └── 01-slide-cover.md, 02-slide-{slug}.md, ...
├── 01-slide-cover.png, 02-slide-{slug}.png, ...
├── {topic-slug}.pptx
└── {topic-slug}.pdf

Slug 生成：

1. 从内容中提取主要主题（2-4 个词，使用 kebab-case）
2. 示例："Introduction to Machine Learning" → intro-machine-learning

冲突解决

如果 slide-deck/{topic-slug}/ 已存在：

• 追加时间戳：{topic-slug}-YYYYMMDD-HHMMSS
• 示例：intro-ml 已存在 → intro-ml-20260118-143052

源文件

将所有源文件复制并命名为 source-{slug}.{ext}：

• source-article.md（主要文本内容）
• source-diagram.png（对话中的图片）
• source-data.xlsx（其他文件）

支持多种来源：文本、图片以及对话中的文件。

工作流

第 1 步：分析内容

1. 保存源内容（如果是粘贴的内容，则保存为 source.md）
2. 按照 references/analysis-framework.md 进行深入内容分析
3. 确定风格（使用 --style 或根据特征自动选择）
4. 检测语言（源语言与用户偏好）
5. 规划幻灯片数量（--slides 或动态确定）
6. 对于学术论文（含图片的 PDF）：运行自动图片检测：

   npx -y bun ${SKILL_DIR}/scripts/detect-figures.ts --pdf source-paper.pdf --output figures.json
   

   这会输出一个 JSON 文件，其中包含所有检测到的图片／表格、页码和说明文字。

第 2 步：生成大纲变体

1. 根据内容分析生成 3 种风格的大纲变体
2. 按照 references/outline-template.md 组织结构
3. 为学术论文自动填充 IMAGE_SOURCE：
   • 读取第 1 步生成的 figures.json
   • 使用 references/analysis-framework.md 第 8 节中的规则，将图片映射到幻灯片
   • 自动将 // IMAGE_SOURCE 块添加到适当的幻灯片：
     • 架构／流程图 → 方法类幻灯片（Source: extract）
     • 结果表格 → 定量结果类幻灯片（Source: extract）
     • 对比图片 → 定性结果类幻灯片（Source: extract）
     • 概念图／简单图表 → 交由 AI 生成（Source: generate 或省略）
4. 为每种变体保存为 outline-{style}.md

第 3 步：用户确认

通过一次 AskUserQuestion 提出所有适用选项：

问题	询问时机
风格变体	始终询问（3 个选项 + 自定义）
语言	仅当源语言 ≠ 用户语言时询问

选择后：

• 将选定的 outline-{style}.md 复制为 outline.md
• 如果用户提出要求，则以不同语言重新生成
• 用户可以编辑 outline.md 进行微调

如果指定了 --outline-only，则在此处停止。

步骤 4：生成提示词

1. 阅读 references/base-prompt.md
2. 与大纲中的风格说明结合
3. 添加幻灯片专属内容
4. 如果大纲中指定了 Layout:，在提示词中加入布局指导：
   • 参考布局特征来安排图像构图
   • 示例：Layout: hub-spoke → “将核心概念置于中央，相关元素向外辐射”
5. 保存到 prompts/ 目录

步骤 5：选择图像生成方式

生成图像前，请用户选择生成方式：

使用 AskUserQuestion，提供以下选项：

选项	标签	描述
1	Gemini API（推荐）	通过 Python 使用 Google 官方 API。需要设置 GOOGLE_API_KEY 环境变量。
2	Gemini Web（基于浏览器）	⚠️ 使用逆向工程得到的 Web API。无需 API 密钥，但可能无法正常工作。

根据选择：

选项 1：Gemini API（Python）

1. 验证 API 密钥：检查 GOOGLE_API_KEY 或 GEMINI_API_KEY 环境变量
2. 运行生成脚本：

   python ${SKILL_DIR}/scripts/generate-slides.py <slide-deck-dir> --model gemini-3-pro-image-preview
   

脚本功能：

• 如果缺少 google-genai 包，则自动安装
• 使用指数退避的重试逻辑（重试 3 次）
• 跳过已生成的幻灯片（> 10KB）
• 支持通过 --model 标志指定自定义模型
• 输出到 slides/ 子目录

故障排除：

• 如果出现服务器断开连接错误，脚本会自动重试
• 如果持续失败，请重新运行脚本（已完成的幻灯片会被跳过）
• 如果多次失败，请检查 API 配额

选项 2：Gemini Web 技能

1. 同意检查：读取以下位置的同意文件：

   • Windows：$APPDATA/baoyu-skills/gemini-web/consent.json
   • macOS：~/Library/Application Support/baoyu-skills/gemini-web/consent.json
   • Linux：~/.local/share/baoyu-skills/gemini-web/consent.json

2. 如果没有同意记录或版本不匹配，显示免责声明并询问：

   ⚠️ DISCLAIMER: This uses a reverse-engineered Gemini Web API (NOT official).
   Risks: May break anytime, no support, possible account risk.
   

3. 针对每张幻灯片，运行：

   npx -y bun ${GEMINI_WEB_SKILL_DIR}/scripts/main.ts \
     --promptfiles prompts/01-slide-cover.md \
     --image 01-slide-cover.png \
     --sessionId slides-{topic-slug}-{timestamp}
   

   其中，GEMINI_WEB_SKILL_DIR = baoyu-danger-gemini-web 技能目录的路径。

4. 代理支持：如果用户处于受限网络中，请在前面加上：

   HTTP_PROXY=http://127.0.0.1:7890 HTTPS_PROXY=http://127.0.0.1:7890
   

步骤 5.5：处理 IMAGE_SOURCE（自动提取图表）

对于学术演示文稿，已在步骤 2 中根据步骤 1 的图表检测结果自动填充 IMAGE_SOURCE 元数据。

自动执行：

1. 解析大纲，找出包含 Source: extract 的幻灯片

2. 创建图表目录：mkdir -p figures

3. 针对每张需要提取的幻灯片，自动执行：

   • 从元数据中读取图表编号、页码和标题
   • 运行图表提取脚本：

     npx -y bun ${SKILL_DIR}/scripts/extract-figure.ts \
       --pdf source-paper.pdf \
       --page <page-number> \
       --output figures/figure-<N>.png
     

   • 运行模板应用脚本：

     npx -y bun ${SKILL_DIR}/scripts/apply-template.ts \
       --figure figures/figure-<N>.png \
       --title "<slide-headline>" \
       --caption "Figure <N>: <caption-text>" \
       --output <NN>-slide-<slug>.png
     

   • 报告：“已提取：图表 N → 幻灯片 NN”

4. 对于包含 Source: generate 的幻灯片（或未指定 IMAGE_SOURCE 的幻灯片）：

   • 继续执行步骤 6，使用 AI 生成

注意：源 PDF 必须以 source-paper.pdf 为文件名保存在输出目录中。

故障排除：

• 如果图表检测漏掉了图表：手动将 // IMAGE_SOURCE 块添加到大纲中
• 如果图表映射错误：编辑大纲中的 Figure: 和 Page: 值
• 如果提取失败：检查 PDF 页码（从 1 开始计数）

使用 PyMuPDF 作为页面提取的备用方案： 如果 extract-figure.ts 因出现 “Image or Canvas expected” 错误而失败（复杂 PDF 中常见），请使用 PyMuPDF：

import fitz
doc = fitz.open("source-paper.pdf")
page = doc[page_num - 1]  # 0-indexed
mat = fitz.Matrix(3, 3)  # 3x scale for high resolution
pix = page.get_pixmap(matrix=mat)
pix.save(f"extracted/page-{page_num}.png")

然后使用 apply-template.ts 应用模板。

步骤 6：生成图像

1. 使用步骤 5 中选定的方法
2. 跳过步骤 5.5 中已处理的幻灯片（包含 Source: extract 的幻灯片）
3. 生成会话 ID：slides-{topic-slug}-{timestamp}
4. 使用相同的会话 ID 生成其余每张幻灯片
5. 报告进度：“已生成 X/N”
6. 生成失败时自动重试一次

步骤 7：合并为 PPTX 和 PDF

npx -y bun ${SKILL_DIR}/scripts/merge-to-pptx.ts <slide-deck-dir>
npx -y bun ${SKILL_DIR}/scripts/merge-to-pdf.ts <slide-deck-dir>

步骤 8：输出摘要

Slide Deck Complete!

Topic: [topic]
Style: [style name]
Location: [directory path]
Slides: N total

- 01-slide-cover.png ✓ Cover
- 02-slide-intro.png ✓ Content
- ...
- {NN}-slide-back-cover.png ✓ Back Cover

Outline: outline.md
PPTX: {topic-slug}.pptx
PDF: {topic-slug}.pdf

幻灯片修改

请参阅 references/modification-guide.md，了解：

• 编辑单张幻灯片的工作流
• 添加新幻灯片（并重新编号）
• 删除幻灯片（并重新编号）
• 文件命名约定

图像生成依赖项

Gemini API（选项 1 - 推荐）

需要：

• GOOGLE_API_KEY 或 GEMINI_API_KEY 环境变量
• Python 3.8+ 和 pip
• google-genai 软件包（由脚本自动安装）

模型：gemini-3-pro-image-preview（默认）

Gemini Web Skill（选项 2）

需要：

• 安装在 .claude/skills/baoyu-danger-gemini-web 的 baoyu-danger-gemini-web skill
• 已登录 Google 账号的 Google Chrome 浏览器
• 用户同意有关逆向工程 API 的免责声明

PDF 图表提取

需要：

• 主要方式：pdfjs-dist npm 软件包（Node.js 请使用 legacy 构建）
• 备用方式：pymupdf Python 软件包（处理复杂 PDF 时更可靠）
• apply-template.ts 所需的 canvas npm 软件包

参考资料

文件	内容
references/analysis-framework.md	演示文稿的深度内容分析
references/outline-template.md	大纲结构和 STYLE_INSTRUCTIONS 格式
references/modification-guide.md	编辑、添加和删除幻灯片的工作流
references/content-rules.md	内容和风格指南
references/base-prompt.md	图像生成的基础提示词
references/figure-container-template.md	提取图表容器的视觉规范
references/styles/<style>.md	完整的风格规范

注意事项

图像生成

• Nano Banana Pro API：推荐。稳定、可靠，需要 API 密钥
• Gemini Web：无需 API 密钥，但使用逆向工程 API，存在账号风险
• 生成时间：每张幻灯片 10-30 秒
• 生成失败时自动重试一次
• 通过会话 ID 保持风格一致性

内容指南

• 对敏感公众人物使用风格化替代形象
• 两种方法都使用相同的底层 Gemini 模型生成图像

扩展支持

通过 EXTEND.md 添加自定义风格和配置。

检查路径（按优先级排序）：

1. .paper-skills/paper-slide-deck/EXTEND.md（项目）
2. ~/.paper-skills/paper-slide-deck/EXTEND.md（用户）

如果找到，请在步骤 1 之前加载。扩展内容会覆盖默认设置。