我写了一个＂可编辑PPT版＂的 NotebookLM

系列导航：在 《别急，沉下心来写自己的 AI Agent》 里，我们从零拆解了 AI Agent 的核心原理。上次在 《半天做一个企业AI问答助手：别一上来就RAG》 中，教大家做了一个企业级的实战项目。

这次，教大家做一个自己用的。

这篇文章有点长，但干货密集，文末附完整的系统提示词和源码（Python）。

赶时间的可以直接跳到第五节看成果演示视频。

先简单介绍一下Google NotebookLM，可能有些朋友还没用过。

NotebookLM 是 Google 推出的一款 AI 笔记工具。你把一堆文字材料丢进去——论文、报告、会议纪要都行——它能自动帮你生成精美的信息图风格幻灯片，视觉效果非常惊艳，排版专业、配色讲究，看着就像设计师做的。

它还有一个很火的功能：把你的文档变成一期播客对话，两个 AI 主播你一言我一语地聊你的内容，听起来非常自然。

但——

用过的人大概都会遇到一个问题：

生成的幻灯片，一个字都改不了。

我被这件事气过三次。

第一次，是它帮我生成了一套"看起来很高级"的 PPT。我很兴奋，准备改一下标题发给老板。然后发现——导出来的是 PDF，每一页都是图片，一个字都动不了。（现在 NotebookLM 虽然已经支持下载 .pptx 了，但本质没变——打开后每一页仍然是贴图，里面的元素还是不能编辑。）

第二次，是中文标题生成出来像"鬼画符"。信息图里的文字本质上是 AI 画出来的像素，不是真正的文本渲染。中文笔画复杂，AI 经常画得似是而非。

第三次，是我意识到一个更大的问题：

它不是在帮我做 PPT，它是在帮我做"截图"。

那一刻我就决定：

算了，我自己写一个。

之前有不少读者在我的文章后面留言，问能不能实现 NotebookLM 风格的信息图生成，还有人想要直接生成可编辑的 PPT。

这个需求我一直记着。现在，这个开源项目就是答案——完整的提示词和代码都在 GitHub 上，大家可以自行获取、直接使用或二次开发。

你遇到过这种情况吗？辛辛苦苦等了几分钟，结果标题是乱码，还改不了？评论区聊聊你被 AI 生成工具气到的经历。

一、核心思路：让 AI 把"图"翻译成"代码"

后来我发现，这件事本质上不是"生成 PPT"。

而是一个更有意思的问题：

如何把"不可编辑的信息"（图片），还原成"可编辑的结构"（代码）？

一旦你能做到这一点——

• 图片可以变代码
• 代码可以变结构
• 结构可以变任何东西（PPT、网页、系统）

这就不是一个工具了。这是一条路径。

具体怎么做？Python 有 python-pptx 这个库，可以用代码精确地创建 PPT 页面。如果让 AI看着信息图，写出对应的 python-pptx 代码，再运行代码生成 PPTX 呢？

整个设计就一句话：

原始文本 → AI优化拆页 → AI生成信息图 → AI读图写代码 → 运行代码 → 可编辑PPTX

说人话：让一个 AI 画图，让另一个 AI 看图写代码。两步 AI 调用，搞定。

听起来有点像套娃，但效果很离谱。

搞懂了思路，接下来看具体怎么落地。

二、四步走：从文字到可编辑 PPT

整个工具用 Streamlit 搭建，操作流程分四步。

Step 1：粘贴原稿，AI 自动优化

把原始文字材料（会议纪要、技术文档、调研报告……）直接粘贴进去，AI（Gemini Flash）自动帮你：

• 按金字塔原理重新组织结构
• 拆分成 8~15 页，每页聚焦一个核心观点
• 提炼 3~5 个要点，精简文字
• 生成配套的视觉风格描述

优化稿和风格描述都是可编辑的，可以按自己的需要调整后再往下走。

Step 2：一键生成信息图

点击「一键生成所有图片」，工具逐页调用 Gemini 的图片生成模型，根据每页内容和统一的风格描述，生成专业的信息图。

不满意某一页？可以单独重新生成，还能自定义该页的 Prompt。

这一步的产出和 NotebookLM 类似——一组精美的信息图图片。

Step 3：合并为 PDF（保底方案）

如果你只需要 PDF，到这一步就够了。点击「合并为 PDF」即可下载。

Step 4：生成可编辑 PPT（核心功能）

这是和 NotebookLM 拉开差距的一步。

点击「一键生成完整 PPT」，工具对每张信息图做三件事：

1. 将图片发送给 Gemini Pro
   —— 让它仔细观察图片中的文字、布局、颜色、图表等所有元素
2. AI 生成 python-pptx 代码
   —— 输出一个 build_slide(slide) 函数，用代码精确重现这页幻灯片
3. 自动运行代码
   —— 生成真正的 .pptx 文件

最终你得到的是一个原生的 PowerPoint 文件，里面的每个文字框、每个图表、每个形状都是独立的可编辑元素。

AI 不会替你做 PPT，它只会替你生成一张更高级的截图。

而我们做的事情，是把截图还原成结构。

三、关键设计：为什么能跑通

AI 生成的代码不可能一次就完美。所以在设计上做了几个关键考量：

1. 逐页管理，精细控制

每页信息图下面都有独立的操作区：

• 「AI 生成代码」
  —— 调用大模型从图片生成 python-pptx 代码
• 「编辑代码」
  —— 展开后可以直接修改 AI 生成的代码
• 「生成 PPT 页」
  —— 保存修改后立即运行，不需要重新调用 AI

AI 先出一版 → 手动微调代码 → 立即看效果 → 不满意再调。整个过程不需要反复等 AI 响应。

2. 辅助函数体系

我预定义了一套 PPT 组件函数，作为 AI 生成代码时的"工具箱"：

pythonadd_header_banner(slide, "标题", bg_color=...)     # 顶部横幅add_bullet_item(slide, ..., symbol="⚡", ...)       # 带图标的要点add_bar_chart(slide, ..., categories=[...], ...)    # 柱状图add_data_card(slide, ..., value="50%", ...)         # 数据卡片add_table(slide, ..., data=[[...]])                 # 表格add_callout_label(slide, ..., text="提效 50%")      # 标注标签

AI 在 Prompt 中就知道这些函数可用，生成的代码会优先调用它们，而不是从零写起。这大大提高了代码的成功率和一致性。

说人话：给 AI 一盒乐高积木，而不是让它从沙子开始造房子。

你觉得这种"给 AI 预制件"的思路，还能用在什么场景？欢迎评论区脑暴。

3. 自动纠错

AI 写 python-pptx 代码时经常犯一些固定的错误。工具内置了自动纠错层，在代码运行前自动修复：

python# AI 常写错的：shape.line.background()# 自动修正为：shape.line.fill.background()# AI 常用不存在的形状：MSO_SHAPE.DOCUMENT# 自动替换为：MSO_SHAPE.ROUNDED_RECTANGLE

4. 先分后合的架构

每页的代码独立保存、独立生成单页 PPTX，最后再合并为完整文件。

好处：某一页失败不影响其他页，可以单独重做而不用全部重来。

四、技术架构一览

整个项目不到 1000 行代码，结构非常简洁：

app.py                  # Streamlit 主应用（UI + 流程编排）src/├── optimizer.py        # 文档优化（调 Gemini Flash 拆页提炼）├── image_generator.py  # 信息图生成（调 Gemini Pro Image）├── ppt_generator.py    # PPT 代码生成 + 组装 + 执行├── pdf_builder.py      # 图片合并为 PDF├── gemini_client.py    # Gemini API 封装└── prompts.py          # 所有 Prompt 模板

三个 Gemini 模型各司其职：

PPT 生成的核心流程：

信息图图片    ↓ Gemini Pro（多模态输入：图片 + Prompt）build_slide(slide) 函数代码    ↓ 组装（加入辅助函数 + 颜色常量 + 主程序）完整 Python 脚本    ↓ exec() 执行.pptx 文件

五、成果演示

直接看视频，从粘贴原稿到生成可编辑 PPT 的完整过程：

视频里可以看到，生成的 PPTX 打开后，每个文字框、图表、形状都是独立的可编辑元素——这就是和 NotebookLM "贴图式 PPT"的本质区别。

六、可扩展方向

这个项目目前是一个"能跑起来"的版本，我接下来想做的几个方向：

1. 接入企业 PPT 模板—— 让生成的 PPT 自动继承公司品牌风格、logo、页脚。

2. 支持更多模型—— 核心的"读图写代码"能力不依赖特定模型，可以替换为 Claude、GPT-5 等。

3. 代码修复闭环—— 代码运行失败时，自动把错误信息回传给 AI 修复，形成"生成 → 运行 → 报错 → 修复 → 重试"的自动闭环。

4. 更丰富的组件库—— 时间轴、流程图、环形图、图片插入……给 AI 更多"积木"。

七、写在最后

这件事做完之后，我有一个很强的感觉：

未来很多工具，都会走同一条路——

不是"直接生成结果"，而是：

先生成，再还原成结构。

因为只有结构，才是可以被修改、被复用、被进化的。

PPT 是这样，系统也是这样。

真正的价值，不在生成结果，而在把结果重新变回结构。

如果你也被"截图式 AI"折磨过，这个项目你可以试试。

GitHub 地址：

https://github.com/goeasyway/my_notebooklm_with_ppteditable

技术栈：Streamlit + Google Gemini + python-pptx

一句话总结：用 AI 生成信息图，再用 AI 把信息图翻译成可编辑的 PPT 代码。

如果觉得有用，欢迎点赞、在看、转发，让更多有需要的朋友看到。