过去一年，很多人都在尝试用 AI 做 PPT。
但实际效果往往不太理想：要么像模板网站自动拼出来的东西，版式很花，内容很空；要么像大模型直接生成的大纲，逻辑还行，但一落到页面上就没有设计感；还有一种更常见，就是文字密密麻麻，图片随便配几张，看上去像"AI 生成作业"，很难真正拿去汇报。
真正高质量的 PPT，难点从来不只是"生成几页幻灯片"。
它至少包含三件事：第一，内容逻辑要成立；第二，每一页都要有合适的视觉表达；第三，最终文件必须可修改、可交付、可二次加工。
如果只是让一个模型"一次性生成 PPT"，通常很难同时满足这三点。更好的方式，是把 PPT 生产拆成一条流水线：先让 Codex 负责结构化内容和页面素材，再调用 GPT Image 2 生成高质量 PNG 视觉素材，最后通过 Presentation 插件把所有内容装配成可编辑的 PPT 文件。
这套方法，我认为可能是当前效率最高、效果也最稳定的 AI PPT 生成思路之一。
一、为什么不是直接让 AI 生成 PPT？
很多人一开始用 AI 做 PPT，习惯这样提问：
"帮我做一个关于 XX 的 PPT，10 页，风格科技感。"
这种方式看上去简单，但问题也明显。
因为 PPT 不是 Word 文档的分页版，也不是文章自动切成几段。PPT 的核心是"页面表达"。每一页都应该有自己的观点、结构、视觉重心和信息层级。
直接生成 PPT，模型往往会犯几个错误：
- • 页面之间逻辑松散，第一页讲背景，第二页讲趋势，第三页突然变成方案，整体像拼接出来的；
- • 单页内容太满，标题下面堆五六个要点，没有真正的视觉设计；
- • 配图和内容关系弱，看起来只是为了好看而好看；
- • 最麻烦的是，生成出来的文件经常不好改，想调整一页的布局、替换图标、修改图表，都很费劲。
所以，高质量 PPT 不应该追求"一句话生成成品"，而应该追求"模块化生成、逐步装配、最终可编辑"。
这就是 Codex + GPT Image 2 + Presentation 插件这套流程的价值。
OpenAI 官方文档已经把 GPT Image 2 定位为图像生成和编辑模型，支持文本和图像理解，并可用于高质量图像生成场景；Codex 则更适合作为执行复杂任务、组织代码和素材生产流程的智能体工具。
二、核心思路：把 PPT 当成一个"可编排的工程项目"
过去做 PPT，更多是设计师思维：找模板、写内容、调版式、配图、改字体。
现在用 AI 做 PPT，更应该换成工程化思维。
一份 PPT 可以拆成几个标准对象：
主题定位、受众对象、页数结构、每页标题、核心观点、正文文案、图示方案、配图素材、图标素材、版式风格、最终 PPT 文件。
Codex 的优势不是"会不会写 PPT"，而是它可以像一个项目执行助手一样，把这些对象拆开管理。
比如我们可以让 Codex 先生成一个 deck_plan.md，里面定义整份 PPT 的逻辑结构；再生成一个 slides.json，每一页包含标题、副标题、核心论点、讲稿、图片提示词、页面布局建议；随后根据每一页的视觉需求，自动生成用于 GPT Image 2 的提示词；最后把生成好的 PNG 素材和页面内容交给 Presentation 插件，输出一份真正可修改的 PPT。
也就是说，我们不是让 AI "直接做 PPT"，而是让 AI 搭建一条 PPT 生产线。
这和软件开发很像。
以前写代码是直接让程序员手敲，现在 AI 驱动开发讲究 spec、plan、task、review。做 PPT 也是一样：先定义规格，再生成素材，再装配页面，最后人工审校。
三、第一步：让 Codex 生成每一页的内容和素材说明
一个高质量 PPT 的第一步，不是找模板，而是把"每一页到底要表达什么"讲清楚。
可以给 Codex 一个明确任务：
"我要做一份 12 页 PPT，主题是 AI 驱动研发转型，面向企业管理层。请先生成整体结构，再拆分每页内容。每页包括：页码、页面标题、核心观点、三条以内正文、建议图示、需要生成的 PNG 素材说明、演讲备注。"
这样生成出来的不是 PPT 成品，而是 PPT 的"施工图"。
举个例子，一页可以这样定义：
第 4 页：从 Prompt 到 Agent：AI 协作方式的升级
- • 核心观点：企业 AI 应用正在从单点问答，走向可执行、可协作、可沉淀的智能体工作流。
- • 正文要点：
- 1. Prompt 阶段解决的是个人效率问题；
- 2. Agent 阶段解决的是流程自动化问题；
- 3. 企业真正需要的是可管理、可审计、可复用的 AI 工作流。
- • 建议图示：三阶段演进箭头图，从 Prompt 到 Context，再到 Agent Workflow。
- • PNG 素材需求：生成一张深色科技风流程图背景，包含三个抽象节点，不要文字，留出右侧标题空间。
- • 演讲备注：这一页重点说明 AI 不是聊天工具，而是新一代流程执行引擎。
这种结构非常关键。
因为它把"内容"和"视觉"分开了。内容先保证逻辑正确，图片再单独生成，最后再统一装配。这样比直接生成 PPT 稳定得多。
四、第二步：调用 GPT Image 2 生成每一页的 PNG 素材
过去 AI 做 PPT 最大的问题之一，是配图质量不稳定。
要么图像很普通，要么文字乱码，要么风格前后不一致。现在更好的做法是：不要让图像模型直接生成完整 PPT 页面，而是让它生成"页面素材"。
比如背景图、概念图、架构示意图、场景图、图标组、封面主视觉、章节页视觉、流程图底图等。
这里有一个重要原则：图片模型负责视觉素材，不负责最终排版。
为什么？
因为完整 PPT 页面需要文字可编辑、图层可调整、版式可修改。如果让图像模型直接生成整页 PPT，最后得到的是一张大图，虽然看上去漂亮，但里面的文字和元素都不可编辑，不适合企业汇报。
正确做法是：GPT Image 2 生成 PNG 素材，Presentation 插件负责把标题、正文、图表、素材放进 PPT 页面里。
比如对封面页，可以生成一张 16:9 的科技风主视觉图，要求无文字、暗色背景、中心有抽象智能体网络、右侧留白。然后在 PPT 里再单独叠加标题、单位名称、日期。
对架构页，可以生成一张干净的系统背景图或模块化图标素材，然后由 PPT 插件用真正的文本框和形状来完成架构说明。
这样做的好处是，图片质量高，页面也能改。
GPT Image 2 官方文档中明确支持高质量图像生成和编辑，并支持灵活图像尺寸；这类能力正适合用来生产 PPT 中的封面视觉、概念插图、场景图和模块化素材。
五、第三步：用 Presentation 插件生成可修改 PPT
最后一步，是把内容和素材装配成 PPT。
这里的关键不是"生成一个文件"，而是生成一个可编辑的文件。
Presentation 插件要做的事情包括：
- • 根据 slides.json 读取每页标题、正文、讲稿和布局要求；
- • 把 GPT Image 2 生成的 PNG 素材插入到对应页面；
- • 按照统一主题设置字体、颜色、边距和版式；
- • 使用文本框、形状、图表、图标等 PPT 原生元素搭建页面；
- • 最后输出 .pptx 文件。
这一步非常重要。
因为企业内部的 PPT 很少是一次生成后直接交付的。领导会改标题，部门会调口径，数据会更新，客户现场会要求删减。不可编辑的 PPT 看起来再漂亮，也很难真正进入办公流程。
所以，AI PPT 的终点不是"生成图片"，而是"生成可继续协作的 PowerPoint 文件"。
这也是这套方法比单纯用图片生成 PPT 更实用的原因。
六、推荐的一套标准流程
如果要在团队内部真正落地，可以把流程标准化成五步。
第一步，输入需求。
明确主题、受众、使用场景、页数、风格、是否需要讲稿。例如：面向政府客户、15 页、科技蓝风格、用于现场汇报、每页配 100 字讲解词。
第二步，Codex 生成大纲。
先生成整份 PPT 的逻辑结构，不急着做页面。重点看主线是否清楚，是否符合汇报对象的关注点。
第三步，Codex 生成页面规格。
每一页都要有标题、核心观点、正文、图示建议、素材提示词和讲稿。这个阶段相当于 PPT 的 spec。
第四步，GPT Image 2 生成 PNG 素材。
按页面逐一生成封面图、章节页图、概念图、背景图、图标素材等。要求统一风格，尽量少让图片里出现文字。
第五步，Presentation 插件装配 PPT。
把所有内容和图片素材生成可编辑 PPT。最后人工做一轮审校，包括错别字、数据、单位名称、风格统一、页面节奏。
这个流程跑通以后，做一份高质量 PPT 的时间会大幅下降。
以前可能需要半天甚至一天，现在可以先用 AI 在几十分钟内生成一个质量不错的初版，然后人再花时间做判断、取舍和润色。
七、这套方法真正解决了什么问题？
它解决的不是"懒人做 PPT"的问题，而是"高质量 PPT 生产效率"的问题。
传统 PPT 生产里，最耗时间的有三块：想结构、找素材、调页面。
Codex 负责结构化思考和内容拆解；GPT Image 2 负责高质量视觉素材；Presentation 插件负责可编辑文件生成。三者刚好对应 PPT 生产中最耗时的三个环节。
更重要的是，这套方法让 PPT 生产从"手工活"变成"工程化流程"。
以后团队做汇报材料，可以沉淀自己的模板、提示词、页面结构、行业素材库。比如政企汇报一套模板、技术方案一套模板、产品发布一套模板、培训课件一套模板。
当这些资产沉淀下来后，AI 不是每次从零开始，而是在团队自己的知识和风格基础上持续复用。
这才是 AI 做 PPT 的真正价值。
八、需要注意的几个坑
第一，不要让图片模型生成大量文字。
图片里的文字再好，也不如 PPT 原生文本可控。标题、正文、数据、表格，尽量都放到 PPT 里编辑。
第二，不要一开始就追求完美。
AI 生成 PPT 最适合先出 70 分初稿，再由人调整到 85 分、90 分。如果一开始就要求模型一步到位，反而容易反复返工。
第三，页面内容一定要克制。
每页只讲一个观点。正文最好控制在三条以内。PPT 不是文章，不要把所有话都写上去。
第四，风格要统一。
生成图片素材时，要统一色彩、构图、质感和画面比例。否则每一页都很好看，但整份 PPT 看起来像从不同地方拼来的。
第五，最终一定要人工审校。
特别是涉及企业名称、政策文件、客户数据、财务数据、技术参数时，AI 可以辅助整理，但不能替代责任审核。
九、结语：AI 做 PPT，核心不是替代人，而是重构流程
我越来越感觉，未来真正高效的办公方式，不是让 AI 一步生成所有东西，而是把复杂工作拆成多个可控环节。
做 PPT 也是一样。
Codex 负责规划和内容生成，GPT Image 2 负责视觉素材，Presentation 插件负责可编辑交付。人则负责判断方向、把控质量、校准语气、确认事实。
这套方式不是简单的"AI 生成 PPT"，而是"AI 驱动的 PPT 工程化生产"。
它把过去依赖个人审美、个人经验、个人时间堆出来的 PPT，变成了一条可以复用、可以迭代、可以团队协作的生产流程。
对于经常写汇报、做方案、搞培训、做产品发布的人来说，这可能是接下来最值得尝试的一种新工作流。
因为它不只是快。
更重要的是，它让我们第一次有机会用工程化方式，稳定生产高质量 PPT。
