聊着天就把PPT做了:我开源了一个AI演示文稿生成器

我花了一个月，做了一个开源项目——PPT-Agent。说它"聊天式"不是噱头，是真的跟AI对话就能出PPT。

一、为什么又造一个PPT轮子？

说实话，市面上的AI PPT工具已经不少了。Gamma、Canva、各种国产的"一键生成PPT"产品，各有各的好。

但我始终觉得差点意思。

差在哪？

• 不能深度研究：大多数工具拿到主题就硬编内容，没有联网搜索，生成的PPT信息密度低
• 不能中途改：生成完就不动了，想调整只能自己手动改
• 不支持自己的模型：商用产品绑定了模型，你想用DeepSeek、Qwen或者本地Ollama？没门
• 不开源：数据传到别人服务器上，商业场景谁放心？

所以我决定自己做一个，顺便开源出来。

GitHub 地址：https://github.com/SuTn/PPT-Agent

二、PPT-Agent 能干什么？

一句话概括：你告诉它主题，它帮你完成研究、大纲、排版、生成、导出全流程。

举个例子，你输入：

"帮我做一份米哈游投资分析的PPT，16页左右"

它会：

1. 自动联网搜索米哈游的最新数据（营收、产品线、市场分析等）
2. 用SCQA叙事框架组织大纲
3. 选择模板，逐页生成幻灯片
4. 每生成一页实时推送预览
5. 你确认满意后，一键导出PPTX

整个过程，你只需要在开始时确认一下需求，然后就等着看结果就行。

三、几个我觉得比较重要的设计

1. 双模式：快速 vs 标准

不是所有人都想要一样的体验。

• 快速模式：确认需求后，AI自动跑完全流程。适合信任AI判断、追求效率的场景
• 标准模式：每个步骤（研究、大纲）完成后暂停，等你确认或提修改意见再继续

说白了，快速模式是"我信任你，你全权处理"，标准模式是"每一步我都要把关"。

2. 深度研究，不是瞎编

这是我觉得跟其他工具差异最大的地方。

PPT-Agent的研究阶段会对主题进行多维度分析，自动搜索最新网络信息。比如做"米哈游投资分析"，它会从公司背景、产品矩阵、财务数据、竞争格局等维度分别搜索，然后综合成研究笔记。

这些研究笔记会作为大纲生成的素材输入，不是让模型凭空编内容。

💡 如果不联网也能用：搜索是可选的，不配置就纯靠模型自身知识生成。对于模型已经熟悉的主题，效果也不错。

3. 9套内置模板，不是白板

模板这件事，我觉得是开源项目容易忽视的。很多AI PPT项目生成的幻灯片就是白底黑字，丑得没法看。

PPT-Agent内置了9套精心设计的模板：

每套模板都定义了封面、目录、章节页、内容页、结尾页等不同版式，不是简单的颜色切换。

4. 逐页实时预览

幻灯片是并发生成的，每完成一页就实时推送到前端。你不用等全部生成完才能看到效果——第一页出来就能预览了。

如果某页不满意，可以单独用AI编辑修改，不用重新生成整个PPT。

5. 双格式导出

• 可编辑PPTX：文本、形状等元素可以在PowerPoint/WPS中直接编辑
• 图片PPTX：每页作为高清图片嵌入，排版还原度最高

两种格式各有适用场景。需要二次编辑选前者，需要确保展示效果选后者。

四、技术实现简述

给技术同学简单聊聊实现方案：

整体架构：

用户对话→LangGraphAgent→调度多个asynctool→HTML幻灯片→Playwright截图→PPTX导出

关键技术选型：

几个技术亮点：

• 骨架模板 + 内容分离：模板定义骨架（页码、标题栏、装饰），LLM只生成内容区域HTML。这样不同页面风格统一，不会因为LLM的随机性导致排版混乱
• SSE流式推送：使用astream(mode="updates")实现实时事件流，工具进度、幻灯片生成都能实时推送到前端
• 会话隔离：每次PPT生成独立目录，用contextvars传递会话上下文
• 安全设计：iframe沙箱 + CSP头，防止LLM生成的HTML执行脚本

五、快速上手

安装

gitclonehttps://github.com/SuTn/PPT-Agent.gitcdPPT-Agentuvsyncuvrunplaywrightinstallchromium

配置

cp.env.example.env

编辑.env，配置你的大模型API Key。支持OpenAI兼容接口和Anthropic兼容接口：

#用DeepSeekPPT_AGENT_MODEL=openai:deepseek-chatPPT_AGENT_OPENAI_API_KEY=sk-xxxPPT_AGENT_OPENAI_BASE_URL=https://api.deepseek.com/v1
#或者用通义千问PPT_AGENT_MODEL=openai:qwen-plusPPT_AGENT_OPENAI_API_KEY=sk-xxxPPT_AGENT_OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
#或者本地OllamaPPT_AGENT_MODEL=openai:qwen2.5:14bPPT_AGENT_OPENAI_API_KEY=ollamaPPT_AGENT_OPENAI_BASE_URL=http://localhost:11434/v1

说白了，只要是OpenAI兼容的接口都能用。这意味着国内主流模型（DeepSeek、通义千问、Moonshot等）以及本地部署的Ollama，开箱即用。

启动

#后端uvrunppt-agent-api
#前端（新终端）cdweb&&npminstall&&npmrundev

打开 http://localhost:5173 就能用了。

六、展示几个效果

用sunset模板生成的一份16页米哈游投资分析PPT：

用education模板生成的一份15页勒布朗·詹姆斯传记PPT：

完整PPTX文件可以在项目的 examples/[https://github.com/SuTn/PPT-Agent/tree/main/examples] 目录下载。

七、接下来打算做什么？

PPT-Agent目前还是早期版本，有几个方向正在规划：

• 自定义模板：允许用户导入自己的PPT模板，生成时自动适配
• 图表生成：根据数据自动生成柱状图、饼图等可视化图表
• 协作编辑：多人同时在线编辑同一份PPT
• PPT导入：上传已有PPT，AI分析并优化

如果你对这些方向感兴趣，或者有其他想法，欢迎提 Issue[https://github.com/SuTn/PPT-Agent/issues] 或 PR[https://github.com/SuTn/PPT-Agent/pulls]。

写在最后

做这个项目的初衷很简单：我想让做PPT这件事变得不那么痛苦。

每次做PPT，都不知道从哪开始，无论是内容组织——查资料、理逻辑、搭框架，还是排版，都耗时耗力。但这些恰恰是AI擅长的事。PPT-Agent想做的，就是先用AI帮你找方向，确定一个大纲，你只需要微调修改。

项目完全开源，MIT协议，随便用。

如果觉得有用，欢迎去 GitHub 给个 Star ⭐，这是对开源作者最好的鼓励。

GitHub：https://github.com/SuTn/PPT-Agent

你在做PPT时最头疼的是什么？
欢迎评论区聊聊 👇