用了市面上所有AI PPT工具产品后,我决定自己开发一个

首先看一份，用我自己开发的工具生成的，用Nano Banana Pro模型生成的介绍Nano Banana Pro的介绍PPT：

感觉怎么样？效果是不是还可以？

这事儿还得从上个月的一次内部分享说起。

当时我准备做一个关于 Nano Banana Pro的分享。

PPT做着做着，我突然冒出一个想法：既然我在介绍Nano Banana Pro模型的生图能力，为什么不直接用它把这份PPT给生成出来呢？

我把市面上能叫得出名字的AI PPT工具大概都试了一遍。

怎么说呢，体验下来感觉有点复杂。

总结下来，可以看到PPT类的产品技术路径已清晰分化为五大流派，可以分别解决不同维度的痛点：

Nano Banana 发布后，不少工具都接入了Nano Banana Pro，跟进了这种端到端生图的PPT模式，我对此非常感兴趣。

前面Nano Banana Pro发布的时候，也写过很多篇文章介绍了，比如NotebookLM、Lovart里面做这种PPT，它们都能很快的完成一个还不错的初稿。

但我试了一圈发现，它们普遍存在一个挺影响使用的问题，那就是版式的不稳定性。

看两个例子你们就懂了：

1）标题一会儿居中，一会儿居左，字体也不一致。

2）这个就更乱了，标题部分乱七八糟的，没有任何一致性可言。

其实上面的PPT，每一页单看没问题，画面挺精美。

但如果你生成个十页八页，就会发现字体一会大一会小，标题的位置也忽左忽右。这种PPT拿来自己看还行，要是真拿去正式场合讲，或者给客户看，可能就显得不太严谨了。

其实我也很困惑，既然模型这么强，为啥连个对齐都做不好？而且通过各种提示词的限定，也还是解决不了。

遇到解决不了的问题，我习惯性地去问了问 Gemini，它给我的解释倒是挺让人信服的：

它说，这其实是生成式AI的一个经典瓶颈，叫长序列生成的一致性漂移。

简单说，目前的生图模型本质上是在“猜”画面，而不是像代码那样在“执行”确定的逻辑。

当你生成第10页时，模型是在回忆第1页的风格并尝试模仿，而不是像排版软件那样死死记住左边距必须是50像素。用概率去碰运气，页数越多，版式走样的概率自然就大了。

Gemini 给我的建议也很实在：别光在提示词（Prompt）上下功夫了，想彻底解决，得靠工程化手段。也就是从让AI画整张图，转变成AI生成素材 + 代码控制排版。

思路一下子就通了，剩下的就是动手。

我就在 Google AI Studio 里，接入 Nano Banana Pro 的生图能力，利用Gemini 3 Pro强大的编程能力，加上一些代码逻辑，写了这个叫 InfographAI 的小工具。

前前后后断断续续折腾了一段时间，现在的成品大概长这样：

界面我做得比较简单，主要分左、中、右三块，就是为了用着顺手。

左侧是“原料区”。

做PPT第一步肯定是整理内容，我设了几个入口：可以直接搜索，也可以上传本地文件，或者把你要参考的网页链接丢进去进行读取，甚至直接粘贴一段乱七八糟的原始文本，只要有原始信息，剩下的交给Gemini 3 Pro去拆解。

右边是“设置区”。

包括：图片比例设定“”

接下来是排版模式，有单页模式和多页模式。

单页模式就可以生成单张的信息图，就跟Gemini里面使用Nano Banana Pro一样。

多页模式，用法就很多了，做PPT，做小红书的系列图都行。多样模式下，还可以自行控制想要输出的页数（右图）。

然后就是语言和一些细节、还有水印、版权、水印之类的。

接下来就是风格：这里预设了上百种各种不同的风格，可以直接选中使用。

除了常规的尺寸比例风格设置外，我特意加了一个“风格参考图”的功能，可以直接上传参考对象图片。

这真的很重要，你上传一张你觉得版式不错的图，模型就会尽量“咬住”这个风格，保证后面生成的每一页，不管是配色还是排版结构，都跟这张图是一致的。

以及自定义描述一些特定的风格库里面没有的风格。

中间是“预览和修补区”。

还做了一个历史记录回看区，可以看到修改的过程

当点击其中生成的某一页时，可以对其进行修改或者重新生成。

这块其实是我自己最常用的功能。

虽然说通过这个工具解决了95%的一致性的这个大问题，但还是会偶尔出现一些小问题。

能力有限，这个真的解决不了，有知道的朋友可以交流指导一下。

选中有问题的页面来描述问题：

可以看到这个页面有问题的文字得到了修改。给你们看看最终导出的效果：

它就真的只动那需要删除的文字，其他地方纹丝不动。这在实际修图的时候，效率真的高了很多。

能看出来，整体的连贯性和版式的稳定性，比我之前单纯用生图模型跑出来的要好不少。至少拿出去讲，不会让人觉得突兀了。

接下来再来看一看其他的生成效果，都是用这个工具一键生成的：

1）2026年AI七大趋势

2）2025谷歌年度搜索回顾套图

3）GPT 5.2介绍

4）西游记故事

5）研究报告解读1

6）研究报告解读2

7）谷歌AI产品生态全景图

8）AI超级企业

做完这个小工具，其实我有几点挺朴素的感触：

一是关于“工具”：

市面上的工具很多，但有时候确实很难百分百契合自己的需求。当你觉得某个工具不好用的时候，不一定是你的用法不对，可能确实是它的底层逻辑还没解决某些特定问题。

二是关于“解决问题”：

这次让我觉得最有收获的，其实不是写代码本身，而是弄清楚了为什么？通过和AI探讨原理，找到概率模型和逻辑控制的结合点，这种对症下药的感觉很好。

三是关于AI编程的“门槛”：

说实话，我也不是专业程序员。以前觉得开发个软件是件挺遥远的事，但现在有了AI辅助编程（Vibe Coding），门槛真的降了很多。只要你逻辑清楚，知道自己想要什么，把需求描述清楚，很多想法是真的可以落地的。

所以，如果你在工作中也遇到些不顺手的小痛点，不妨试着去折腾一下。

不一定非要做出个多么惊天动地的产品，哪怕只是写个小脚本解决了一个重复劳动，那种成就感也是实实在在的。

按照惯例，用一张图来总结今天的分享：

更多精彩内容，我们下期见~~