先放一张图，这是用 AI 做出来的PPT。
说实话，已经快追上那种古法手搓的效果了。
但我想聊的不是这张图本身，而是背后的这套流程。因为用AI做PPT这事儿，我折腾了不下几十次，踩过的坑实在太多。
老问题：AI做PPT，一做就散
用AI做过PPT的人应该都有体会：
一口气让AI生成整套PPT，每一页都风格各异。想改一页？对不起，整套重来。演讲备注还得自己另外写一遍。
逻辑散、风格飘、交付难，这三个毛病基本是通病。
GPT Image 2 出来之后，单张图的质量上了一个台阶。但真正拉开差距的，不是单张图能生多好看，而是——能不能把PPT做成一条稳定的流水线。
我现在的做法：拆成 10 步
我不再让AI一次性生成整套 PPT。而是把整个过程拆开，每一步都留下可以检查、可以改的中间产物。
核心就一句话：先把内容变成结构化大纲，再把每页变成可复现的 prompt，批量出图之后合成 PPTX，顺便把演讲备注写进去。
第一，分析内容。
你给它主题、Word、参考 PPT、品牌图都行。它先判断这是销售材料还是技术材料、面向什么人、适合多少页、什么风格。结果写进 analysis.md，不直接开画。
第二，确认制作方向
风格、受众、页数、是否审核大纲、是否审核 prompt，做之前这五件事先定清楚。方向错了，后面再精美都是白费。
第三，生成大纲
outline.md 里的每一页不是只有标题，而是包含页面类型、叙事目标、关键内容、视觉方案、版式建议。相当于整套 PPT 的剧本。
第四，检查一下大纲
这一步特别值得花时间。删掉重复页、调整顺序、补上缺失的环节，都在这一步做。先改逻辑，再生图，效率最高。
第五，每页都设计独立的prompt
这个设计我觉得是整套流程最值钱的地方。每页一个 prompt 文件，后面哪页不满意，单独改那一页就行，不用全套重来。
prompts/01-slide-cover.md
prompts/02-slide-market-window.md
prompts/03-slide-pain-points.md
...
第六，批量出图
主通道走 GPT Image 2，某一页连续失败 3 次才会 fallback 到备用接口。
第七，自动写备注
speaker-notes.md 写的不是图片的描述，而是真正能拿来讲的话——这一页讲什么、关键价值是什么、怎么过渡到下一页，长度也控制在口播能用的范围。
第八，合成 PPTX
图片按顺序铺满每一页，备注自动写进 PowerPoint 的备注区。交付的是一个真正能用的 .pptx，不是一堆散图。
最爽的是：单页迭代，后期改稿的体验完全不一样了：
某页画面不对？改对应 prompt，单独重生那一页
某页话术别扭？改 speaker-notes.md
要加一页？新增 prompt，出图，更新大纲和备注
要删一页？删掉，重新编号，合成
这才是 AI 做 PPT 应该有的样子。
工作流真正的价值：全程可控
我现在越来越觉得，AI 生成内容最大的坑不是质量，是过程不可追踪。一口气生成出来，好也好了，坏也认了，没法改。
这套流程反过来——把所有中间过程都显式化。
逻辑有 outline，视觉有 prompt，结果有单张图，备注有稿子，迭代能单页重来，最后能交付 PPTX。每一步都看得见、改得动。
另外，别追求一次成片。真正高效的节奏是：
先把大纲做对 → 把 prompt 调稳 → 批量生成第一版 → 挑 2 到 3 页重点打磨 → 最后合成。
PPT 的质量顺序永远是：结构 > 视觉 > 局部细节。
最后
GPT Image 2 之后，AI 做 PPT 的上限被抬高了一大截。但能不能稳定交付，拼的不是单次生成，是工程化。
以后评估一个 AI PPT 工具，别只问它"能不能生成"。要问它：
能不能重来、能不能单页改、能不能写备注、能不能最终给我一个 .pptx。
关注后私信发送 ppt，可以拿到基于 GPT-Image-2 的这套完整skill
